基于神經(jīng)網(wǎng)絡(luò)的組網(wǎng)雷達協(xié)同探測模式控制

謝金華,鈕 偉,王永坤

(1.中國航空工業(yè)集團公司雷華電子技術(shù)研究所,江蘇 無錫 214063;2.航空電子系統(tǒng)射頻綜合仿真航空科技重點實驗室,江蘇 無錫 214063)

隨著航空科技的發(fā)展與軍事需求的推動,單架飛機的作戰(zhàn)效能已經(jīng)無法滿足未來戰(zhàn)場的作戰(zhàn)需求,多機協(xié)同作戰(zhàn)將成為未來主要的作戰(zhàn)形式[1]。對于單機作戰(zhàn)來說,雷達工作環(huán)境相對簡單,飛行員只需根據(jù)自身平臺的作戰(zhàn)任務(wù)下達雷達操作指令。因此,雷達工作模式的切換一般可以通過飛行員手動操作完成;而對于編隊雷達而言,多機協(xié)同探測模式種類繁多,包括協(xié)同無源偵收、協(xié)同猝發(fā)探測、協(xié)同有源探測、協(xié)同有/無源探測和協(xié)同抗干擾。因此,為實現(xiàn)多機編隊作戰(zhàn)效能,需要保證每時每刻各平臺操作員能夠根據(jù)當前戰(zhàn)場態(tài)勢[2]將網(wǎng)內(nèi)各雷達準確、統(tǒng)一地切換到協(xié)同探測模式,從而在體系對抗條件下,保證與敵方編隊的制衡能力,獲取戰(zhàn)場制空權(quán)。

目前,多機編隊協(xié)同探測模式主要是經(jīng)人工判斷后進行手動切換,即操作員根據(jù)作戰(zhàn)經(jīng)驗以及作戰(zhàn)決策知識庫查閱后進行選擇切換。但是由于各平臺飛行員能力和各成員飛機態(tài)勢之間存在差異,難以保證編隊內(nèi)各雷達同時切換到同一協(xié)同探測模式,容易出現(xiàn)誤判,且實時性差。這種人工判斷方式會大大降低“人在回路”的作戰(zhàn)決策效率,導(dǎo)致編隊作戰(zhàn)效能無法獲得本質(zhì)提升。因此,為適應(yīng)瞬息萬變的戰(zhàn)場環(huán)境,需要設(shè)計一種智能自主的多機雷達協(xié)同探測模式控制方法,能夠根據(jù)戰(zhàn)場態(tài)勢實時給出協(xié)同探測模式的選擇建議,輔助操作員進行快速作戰(zhàn)決策,把握戰(zhàn)場主動權(quán)。

本文提出了一種基于神經(jīng)網(wǎng)絡(luò)[3-4]技術(shù)的組網(wǎng)探測模式控制方法,利用神經(jīng)網(wǎng)絡(luò)對組網(wǎng)探測模式的決策邏輯進行建模,實現(xiàn)其自主控制。首先,利用模糊邏輯理論[5-7]對戰(zhàn)場態(tài)勢信息進行模糊表征;再通過神經(jīng)網(wǎng)絡(luò)技術(shù)對態(tài)勢表征因子與協(xié)同探測模式之間的映射關(guān)系進行數(shù)學(xué)建模;最后,將實時態(tài)勢信息輸入建立的模型,自主得到協(xié)同探測模式的選擇建議。通過數(shù)值仿真,表明通過神經(jīng)網(wǎng)絡(luò)建?？梢宰灾骺刂茀f(xié)同探測模式的選擇切換,并具有較高的切換精度。該方法可以輔助指揮員快速進行戰(zhàn)場指揮決策,減輕操作員決策壓力,提升作戰(zhàn)決策系統(tǒng)的智能化程度。

1 態(tài)勢信息的結(jié)構(gòu)化表征

戰(zhàn)場態(tài)勢由多維不確定、不完全、模糊的信息共同決定,對這些信息的表示和處理過程是實現(xiàn)戰(zhàn)場態(tài)勢評估的關(guān)鍵所在。本文首先對目標態(tài)勢信息進行分析和提取,然后對提取的態(tài)勢因子進行模糊表征,作為多機協(xié)同組網(wǎng)探測模式控制的輸入因素。

1.1 態(tài)勢信息提取

戰(zhàn)場態(tài)勢包括單目標態(tài)勢信息和總體態(tài)勢信息。在現(xiàn)代空中戰(zhàn)場上,敵機通常是以編隊形式來襲,以編隊作為基本單位可以大大減少操作員關(guān)注的焦點數(shù)目,減輕指揮參謀人員面臨的認知壓力,而且也更直接地反映了作戰(zhàn)意圖及威脅等更深層次的態(tài)勢信息。因此,可以將目標編隊作為態(tài)勢評估[8-9]的基本單位。

本文首先借助專家知識,提取影響戰(zhàn)場態(tài)勢的主要因素,主要包括五類因子,即

X=[x1,x2,x3,x4,x5]Τ

(1)

其中,x1表示編隊目標平均距離,x2表示編隊目標平均速度,x3表示編隊目標航跡質(zhì)量,x4表示電磁環(huán)境,x5表示作戰(zhàn)任務(wù)。編隊目標平均距離態(tài)勢因子可通過下式獲取:

(2)

其中,x1,i表示敵方編隊中第i個目標的距離,m表示敵方編隊中目標的個數(shù),因此,x1表示編隊目標平均距離。同理,編隊目標的平均速度和航跡質(zhì)量為

(3)

而電磁環(huán)境x4和作戰(zhàn)任務(wù)x5態(tài)勢因子無須進行平均化處理,可直接進行模糊表征[10-11]。

1.2 態(tài)勢因子模糊表征

利用模糊邏輯技術(shù),建立各態(tài)勢因子的隸屬度函數(shù)[12-14],將各態(tài)勢因素轉(zhuǎn)換成具體的歸一化模糊值,模糊值表示該態(tài)勢因子的威脅權(quán)重。具體描述為:將態(tài)勢因子真實變量值變換為相應(yīng)論域(模糊值/語言值)對于時間t的具體值xi(t),并將其映射為模糊集合Aij(xi)具有的隸屬函數(shù)μ(Aij(xi)),各態(tài)勢因子的隸屬函數(shù)值構(gòu)成的集合為后續(xù)映射關(guān)系建模提供輸入。

以編隊目標平均距離態(tài)勢因子為例,結(jié)合作戰(zhàn)使用流程將目標距離進行如下劃分:遠距，大于125%R;中遠距，100%R～125%R;中距，20%R～100%R;近距，小于20%R,其中，R表示雷達探測距離。距離隸屬函數(shù)應(yīng)滿足距離越小,函數(shù)值(威脅權(quán)重)越大的要求,因此,建立其隸屬度函數(shù)為

(4)

2 編隊目標態(tài)勢因子對協(xié)同探測模式的觸發(fā)邏輯

為實現(xiàn)戰(zhàn)場態(tài)勢因子與協(xié)同探測工作模式的映射關(guān)系建模,首先,需要梳理出不同的態(tài)勢因子組合對多機協(xié)同探測模式的觸發(fā)邏輯,即態(tài)勢因子與協(xié)同探測模式的映射關(guān)系,從而建立樣本數(shù)據(jù)。態(tài)勢因子的類型如上所述,協(xié)同探測模式主要包括協(xié)同無源偵收、協(xié)同猝發(fā)探測、協(xié)同有源探測、協(xié)同抗干擾等。

典型態(tài)勢因子對協(xié)同探測工作模式觸發(fā)示意圖如圖1所示。從圖中可以看出,在協(xié)同無源偵收、協(xié)同有源探測以及協(xié)同被動抗干擾方面,有很大的重疊部分。以目標距離為中遠距120%R的情況為例(距離態(tài)勢因子μ1=0.03)，若表征后的態(tài)勢因子狀態(tài)集為

圖1 戰(zhàn)場態(tài)勢因子與協(xié)同探測模式觸發(fā)示意圖

(5)

即戰(zhàn)場態(tài)勢為:編隊目標平均距離120%R,編隊目標平均速度Ma=1.5,編隊目標航跡精度中等,電磁環(huán)境中等,作戰(zhàn)任務(wù)為隱蔽接敵,此時,結(jié)合戰(zhàn)場態(tài)勢、作戰(zhàn)任務(wù)與作戰(zhàn)流程應(yīng)選擇協(xié)同無源偵收工作模式。基于以上觸發(fā)邏輯,建立態(tài)勢因子集與協(xié)同探測工作模式映射關(guān)系的樣本數(shù)據(jù)。

3 基于神經(jīng)網(wǎng)絡(luò)的態(tài)勢到協(xié)同探測模式映射關(guān)系建模

上節(jié)梳理了態(tài)勢因子到協(xié)同探測模式的觸發(fā)邏輯關(guān)系,建立了二者映射關(guān)系的樣本數(shù)據(jù)?；谳斎胼敵龅臉颖緮?shù)據(jù),本節(jié)采用神經(jīng)網(wǎng)絡(luò)技術(shù)對上述離散映射關(guān)系進行建模,具體建模流程為:

步驟1:梳理態(tài)勢因子集(輸入)到組網(wǎng)探測模式(輸出)的觸發(fā)邏輯(即二者之間的離散映射關(guān)系),制定樣本數(shù)據(jù);

步驟2:建立神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu),本文采用單隱含層建模技術(shù);

步驟3:根據(jù)樣本數(shù)據(jù),計算隱含層的輸出值以及輸出層輸出值,并采用BP神經(jīng)網(wǎng)絡(luò)[15]算法對模型的連接權(quán)重因子進行優(yōu)化學(xué)習(xí),建立態(tài)勢因子與協(xié)同探測模式的映射模型;

步驟4:針對建立的上述模型,輸入實時的態(tài)勢信息數(shù)據(jù),自主得到當前戰(zhàn)場環(huán)境下組網(wǎng)探測模式的選擇建議;

步驟5:操作員通過人機交互接口實現(xiàn)對機器擬定方案的人工干預(yù)和選擇,實現(xiàn)“人在回路”的作戰(zhàn)組織控制,生成最終的多機協(xié)同探測模式?jīng)Q策指令。

擬采用前向神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的策略對映射關(guān)系進行建模,網(wǎng)絡(luò)示意圖如圖2所示。

圖2 基于神經(jīng)網(wǎng)絡(luò)的映射關(guān)系建模示意圖

(6)

其中，θi為隱含層各單元的閾值,vih為隱含層與輸入層之間的連接權(quán)值,V=[vih]∈Rp×5,σ(·)是單調(diào)有界函數(shù),通常取

σ(x)=1/(1+e-x)

(7)

R層各單元的輸出值為

(8)

其中，rj為輸出層各單元的閾值,wji為輸出層與隱含層之間的連接權(quán)值,W=[wji]∈Rq×p,以上即為采用前向神經(jīng)網(wǎng)絡(luò)建立的映射關(guān)系模型。

給定參考信號D(k)=[d1(k),…,dq(k)]T,k=1,…,N,學(xué)習(xí)算法為

(9)

目標函數(shù)為

(10)

然后,基于式(10)采用BP算法對模型中的權(quán)值vih和wji進行優(yōu)化學(xué)習(xí),建立態(tài)勢因子狀態(tài)集X(k)與工作模式y(tǒng)j的映射模型,實現(xiàn)多機協(xié)同探測工作模式的智能控制。

4 仿真分析

4.1 樣本數(shù)據(jù)選取

為進行態(tài)勢因子與協(xié)同探測模式映射關(guān)系的建模仿真分析,首先需要構(gòu)建映射關(guān)系的輸入輸出數(shù)據(jù)。依次從歸一化的態(tài)勢因子集中選取樣本點,如表1所示:依次從表征后的歸一化編隊目標平均距離態(tài)勢因子中選取5個樣本點、速度態(tài)勢因子選取6個樣本點、航跡質(zhì)量態(tài)勢因子選取4個樣本點、電磁環(huán)境態(tài)勢因子選取3個樣本點、作戰(zhàn)任務(wù)態(tài)勢因子選取2個樣本點,進而構(gòu)建720組樣本數(shù)據(jù)。R=200 km表示單部雷達最遠探測距離,V=314 m/s。

表1 態(tài)勢因子樣本選取

4.2 參數(shù)設(shè)置

本文采用BP神經(jīng)網(wǎng)絡(luò)算法對上述樣本數(shù)據(jù)進行建模訓(xùn)練,實現(xiàn)探測模式自主控制。算法參數(shù)設(shè)置為:輸入層節(jié)點個數(shù)nx=5,隱含層節(jié)點數(shù)ni=60,輸出層節(jié)點數(shù)ny=5,迭代學(xué)習(xí)次數(shù)為100,仿真步長T=0.05 s。此外,720組樣本數(shù)據(jù)隨機分布后,設(shè)定訓(xùn)練樣本600組,測試樣本120組。

4.3 仿真結(jié)果

首先給出態(tài)勢因子隸屬度函數(shù)仿真結(jié)果,編隊目標平均距離態(tài)勢因子的隸屬函數(shù)曲線如圖3所示,目標距離越近,對應(yīng)函數(shù)值越大,表明威脅權(quán)重越大。編隊目標平均速度態(tài)勢因子的隸屬函數(shù)符合中間型分布函數(shù)形式,其函數(shù)選擇非對稱梯形分布,隸屬函數(shù)曲線如圖4所示。

圖3 距離態(tài)勢因子隸屬函數(shù)曲線

圖4 速度態(tài)勢因子隸屬函數(shù)曲線

基于神經(jīng)網(wǎng)絡(luò)的組網(wǎng)雷達協(xié)同探測模式控制仿真結(jié)果如圖5所示,縱坐標數(shù)值1～9分別表示9種協(xié)同探測工作模式,橫坐標表示120組測試樣本數(shù)據(jù)。經(jīng)統(tǒng)計,120組測試數(shù)據(jù)相對于標準輸出的正確率為86.7%,在當前樣本容量下該誤差率處在可接受范圍內(nèi)。

圖5 基于神經(jīng)網(wǎng)絡(luò)的映射關(guān)系建模仿真結(jié)果

為進一步說明本文提出算法的有效性,采用經(jīng)典模糊貝葉斯技術(shù)與BP神經(jīng)網(wǎng)絡(luò)算法進行對比仿真,工作模式控制精度統(tǒng)計如表2所示。BP神經(jīng)網(wǎng)絡(luò)較模糊貝葉斯算法,具有較高的協(xié)同探測模式控制精度。表3給出了訓(xùn)練耗時統(tǒng)計,在算法實時性方面,后者更具優(yōu)勢,而BP算法進行網(wǎng)絡(luò)建模過程占據(jù)較多時間資源。因此,可考慮離線對訓(xùn)練樣本進行建模,在線控制,從而在保證實時性要求下,實現(xiàn)較高的工作模式控制正確率。

表2 工作模式控制正確率對比

表3 算法耗時對比 單位:s

5 結(jié)束語

本文針對多機編隊協(xié)同探測模式的切換選擇問題,提出了一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的協(xié)同探測模式控制方法,采用模糊邏輯理論對戰(zhàn)場態(tài)勢信息進行模糊表征,進而通過神經(jīng)網(wǎng)絡(luò)技術(shù)對表征態(tài)勢因子與協(xié)同探測模式之間的映射關(guān)系進行數(shù)學(xué)建模,實現(xiàn)協(xié)同探測模式的自主控制。通過數(shù)值仿真,表明通過神經(jīng)網(wǎng)絡(luò)建?？梢宰灾骺刂茀f(xié)同探測模式的選擇切換,并具有較高的切換精度。在多機編隊協(xié)同作戰(zhàn)過程中,實時將態(tài)勢信息輸入建立的模型,自主得到協(xié)同探測模式的選擇建議,輔助指揮員快速進行戰(zhàn)場指揮決策,減輕操作員決策壓力,提升作戰(zhàn)決策系統(tǒng)的智能化程度。