基于知識發現技術的海戰場態勢分析＊

林洪文 楊紹清

（海軍大連艦艇學院信息與通信工程系 大連 116018）

1 引言

21世紀的戰爭是信息化的戰爭，信息化戰爭要求艦艇部隊能夠充分利用可以獲得的各種信息資源，結合一定的戰術知識，對戰場態勢做出迅速、正確的判斷。目前，戰場態勢分析所用的知識主要來源于專家經驗，這些經驗對于態勢分析有一定的指導意義，但遠不能滿足實戰中態勢分析的需要，這就要求利用其它方法和手段獲取更多的知識。我軍在作戰和日常的訓練過程中，積累了大量的戰場目標、態勢數據，這些數據里隱藏著許多作戰知識，如何發現并利用這些知識是目前亟待解決的一個問題。

2 知識發現技術概述

2.1 知識發現的概念

數據庫中的知識發現［1］（KDD.Knowledge Discovery in Databases）是從大量的、不完全的、有噪聲的、模糊的、隨機的原始數據中，提取隱含在其中的、事先未知的、而又潛在有用的信息和知識的過程，以滿足用戶對數據高層次而不僅僅是查詢這樣的低層次的要求，從而給人們提供所需問題的答案，提高信息的利用率。

2.2 知識發現的功能

知識發現的功能用于指定知識發現任務中要找的模式類型，典型的分為如下幾種：

1）特征化和區分：數據特征化是目標類數據一般特征或特性的匯總；數據區分是將目標類對象的一般特征與一個或多個對比類對象的一般特性進行比較。

2）關聯分析：若兩個或多個變量間存在著某種規律性，就稱為關聯，關聯分析的目的就是找出數據中隱藏的關聯規則，如“航母?核潛艇（0.4，0.8）”就是一個關聯規則，它表示若某個海域出現航母，則同時會出現核潛艇的概率為40%，而該規則的可信度為80%。

3）聚類分析：聚類分析客觀地按被處理對象的特征分類，將具有相同特征的對象歸為一類（簇），使同一簇中的對象彼此盡可能相似，簇間的對象盡可能不同。

4）分類：分類是找出一組能描述數據集合典型特征的模型或函數，以便能通過它們識別出未知數據的類別，即將未知數據映射到某個類別，如對于雷達偵測到的空中目標，可以根據它們的雷達回波大小、發現距離、飛行高度、飛行速度等特征進行判斷，從而確定其類型。

5）預測：利用歷史數據建立模型，再運用最新數據作為輸入獲得未來變化的趨勢或者評估給定樣本可能具有的屬性值或值的范圍。

6）時序分析：時序分析描述行為隨時間變化的對象的規律和趨勢，并對其建模。

7）孤立點分析：孤立點指數據庫中包含的一些與數據的一般行為或模型不一致的數據。大部分知識發現方法將孤立點視為噪聲或異常丟棄，然而，在一些應用中（如故障檢測），罕見的事件可能比正常出現的事件更令人感興趣。

3 戰場態勢分析

3.1 戰場態勢分析概述

態勢分析［2～3］是對戰場上戰斗力量分配情況的評價過程。它通過綜合敵我雙方及地理、氣象環境等因素，將所觀測的戰斗力量分布與活動和戰場環境有機的聯系起來，識別已發生的事件和計劃，得到敵方兵力結構、部署、行動方向和路線的估計，指出敵軍的行為模式，推斷出敵軍的意圖，做出對當前戰場情景的合理解釋，并對臨近時刻的態勢變化做出預測。由上述定義可以看出，態勢分析是對戰場中戰斗力量部署及其動態變化情況進行解釋，推斷敵方企圖，預測將來活動，并提供最優決策依據與支持資源分配的過程。

真實環境下態勢分析的對象是作戰區域中隨時間推移而不斷動作并變化著的作戰實體，態勢分析實際上就是對這樣一個動態變化的對象進行感知，并對提取出來的態勢元素進行覺察、認識、理解和預測的處理過程。據此，可確立戰場態勢分析的三個功能模型：態勢覺察、態勢理解和態勢預測。

1）態勢覺察：根據戰場態勢分析的需要，對實時傳感器航跡表中的數據進行處理，提取相關的態勢分析數據，得到目標的基本態勢數據，如目標的距離、方位、速度、經緯度、類型等。

2）態勢理解：根據態勢覺察信息，結合領域知識，對當前態勢進行解釋，用于判斷敵方的戰場部署和作戰企圖。

3）態勢預測：在態勢理解的基礎上，對未來可能出現的態勢情況進行預測。

3.2 戰場態勢分析面臨的問題

信息化戰爭條件下的戰場態勢分析面臨諸多挑戰，主要有以下幾個方面：

1）面對的數據量快速增長：隨著C4ISR系統的發展和應用，人們獲取信息的能力不斷增強，這些信息涉及到戰場的各個領域和環節，包括：戰場環境、敵我雙方武器裝備、編制體制、作戰理論、兵力部署、作戰行動、火力運用等諸多因素。這些信息為指揮人員提供了豐富的戰場信息，使得現代戰場變得越來越透明，但隨之而來的問題是指揮員也將被淹沒在數據海洋中，變得無所適從。

2）信息不確定性增加：在實戰中，由于傳感器性能以及敵方干擾、欺騙等行為，使得獲得的目標信息通常具有高度不確定性。在態勢分析過程中，這種不確定性主要表現為以下幾個方面：

·灰色信息：由于觀測能力、傳輸誤差、噪聲等的影響，使得無法獲得目標的全部信息或確切信息，而只能得到部分信息或信息的大致范圍，如觀察到目標的運動速度為［200，220］，表示目標的運動速度處于200～220之間的某個值；

·模糊信息：由于戰場態勢的復雜性，各目標特征界限不分明，導致無法準確確定目標的戰術類型，如對某一批目標判斷為戰斗機、偵察機、轟炸機的概率分別為0.5、0.3和0.2。

·未確知信息：未確知信息表現為所掌握的信息不足以確定事物的真實狀態和數量關系。如戰場上可以同時獲得多個目標的位置、運動狀態等信息，但目標之間的聯系，即群信息無法直接獲得。

隨著對不確定性信息認識的深入，人們已經意識到：如果忽略了不確定性信息，或不能對其進行科學的處理，將不能作出正確的決策，更不能科學地研究復雜的軍事決策問題。

3）決策的時效性要求增強：信息化條件下，軍隊組織指揮和作戰行動的節奏明顯加快，各種作戰樣式轉換特別頻繁，戰場態勢瞬息萬變。為了實現“先敵決策、快敵決策、高敵決策”的目的，時效性成了軍事決策系統的必然要求。

4 基于知識發現技術的海戰場態勢分析

圖1 基于知識發現的海戰場態勢分析流程圖

利用知識發現技術的海量數據處理能力和方法多樣的特點，將其應用于海戰場態勢分析過程中，可以為指揮員提供智能的、自動化的輔助手段，提高系統的智能化程度及決策科學性、時效性，從而極大地提高部隊整體作戰能力。

基于知識發現技術的海戰場態勢分析主要過程包括兩個階段，第一階段為知識獲取階段，第二階段為戰場態勢分析階段，如圖1所示。

知識獲取階段各模塊的含義如下：

·海戰場目標基本信息數據庫：包括平時訓練、演習、偵察獲得海戰場目標基本數據。

·發現數據庫：對海戰場目標基本信息數據庫中的數據進行包括數據凈化、數值化與特定轉換等在內的預處理，形成發現數據庫，以供知識發現過程使用。

·模式：利用知識發現技術對發現數據庫中的的數據進行分析，挖掘隱藏在數據背后的規律，并以直觀的形式進行表達，如分類規則：“IF飛行高度＝低AND飛行速度＝中THEN目標類型＝導彈”，關聯規則：“航母?核潛艇（0.4，0.8）”。

·知識庫：通過知識發現技術獲得的模式，經過評估，可能存在冗余或無關的模式，這時需要將其剔除，剩下的模式就形成知識，進入知識庫。

·基礎知識庫：由作戰基本理論和作戰理論經驗總結構成。

·合成知識庫：由通過知識發現技術獲得的知識庫和基礎知識庫構成。

在戰場態勢分析階段，可以直接利用合成知識庫中的知識對戰場態勢數據進行分析，如利用知識庫中形如“IF飛行高度＝低AND飛行速度＝中THEN目標類型＝導彈”的分類規則對雷達目標的類型判別；在發現某一海域出現航母的情況下，根據關聯規則“航母?核潛艇（0.4，0.8）”，加強對水下核潛艇的搜索；同時，還可以使用知識發現方法直接作用于戰場態勢數據，如利用的貝葉斯網絡［4］、粗糙集［5］等方法，可以有效處理不確定數據，結合決策樹［6］、神經網絡［7］、遺傳算法［8］等分類技術，可以對戰場 上的目標進行識別；利用聚類技術可以對戰場上的眾多目標進行分群［9］，即將位置相近、類型相似，且執行相同任務的目標劃分到一起，看作是一個整體，從而向指揮員提供簡化的戰場視圖，以便于指揮員準確把握戰場態勢；利用神經網絡技術，可以對目標的威脅等級進行判斷［10］，輔助指揮員進行最優的火力分配；利用動態貝葉斯網絡等推理技術，可以對敵方目標的戰術意圖進行推測［12］，為指揮員制定合理的戰術對策贏取寶貴時間。

5 結語

信息化戰爭對軍事決策提出了更高、更迫切的要求，基于知識發現技術的戰場態勢分析能夠對海量的戰場態勢數據進行實時分析，獲取其中的關鍵要素，為指揮員的決策提供輔助支持，從而極大地提高作戰指揮效能和整體作戰能力。

［1］唐曉萍.數據挖掘技術及其在指揮控制系統中的應用［J］.火力與指揮控制，2002，27（2）：35－38.

［2］孔祥忠.戰場態勢估計和威脅估計［J］.火力與指揮控制，2003，28（6）：91－94，98.

［3］王寶樹，申屠曉鋒.態勢估計模型的研究與實現［J］.計算機工程，2004，30（11）：125－127.

［4］史志富，張安，何勝強.基于貝葉斯網絡的多傳感器目標識別算法研究［J］.傳感技術學報，2007，20（4）：921－924.

［5］賀有，羅舉平.基于粗集理論的雷達目標類型識別［J］.紅外與激光工程，2007，36（增刊）：339－342.

［6］胡源，馬鑫，王旭贏.基于決策樹的雷達型號識別方法［J］.雷達科學與技術，2008，6（3）：161－164.

［7］白咸帥，王宏飛.基于BP神經網絡的空襲目標識別［J］.艦船電子工程，2007，26（4）：133－135，194.

［8］沈明華，馮新喜，黃智穎，等.遺傳算法在飛機目標識別中的應用［J］.系統工程與電子技術，2002，24（10）：28－31.

［9］李全龍，劉洪娟，余硌.基于聚類思想的戰場群目標識別方法［J］.計算機工程，2007，33（15）：193－195.

［10］張發強，由大德，蔣敏.基于RBF神經網絡的空襲目標威脅評估模型研究［J］.艦船電子對抗，2010，33（6）：85－88.

［11］羅勇，夏丹，徐丹.基于可靠性評估的維修診斷輔助決策系統研究［J］.計算機與數字工程，2011，39（1）.

［12］鄧海軍，尹全軍，胡記文，等.基于 MEBN的戰術意圖識別［J］.系統工程與電子技術，2010，32（11）：2374－2379.