基于多源多頻段目標偵察的任務規劃方法

摘 要： 提出一種用于多源多頻段目標偵察的任務規劃自動生成方法。該方法通過航路插值將航路分解成眾多偵察點，為每個偵察點可被偵察的目標設置任務項，通過偵察點內部、偵察點間任務項按屬性類別的合并、轉化生成目標任務項集，從而把任務規劃分解成眾多按偵察點執行可合并的任務項。實現了任務規劃的自動生成，有效解決了傳統任務規劃生成效率低下以及不同任務項之間偵察資源搶占問題，極大地提高了任務規劃的偵察效率。

關鍵詞： 任務規劃； 多源多頻段目標偵察； 航路插值； 偵察效率

中圖分類號： TN959.1+2?34 文獻標識碼： A 文章編號： 1004?373X（2015）09?0028?04

Abstract： The automatic generation method of mission planning is proposed for multi?source and multi?band target reconnaissance. Multiple reconnaissance sites of the air route are divided by route reconnaissance， the mission items are set for reconnoitered target of every reconnaissance site. The mission items inside the reconnaissance sites and among the reconnaissance sites are combining and transforming with properties to generate target mission item?sets， the mission planning is resolved into multiply mission items which can be carried out and combined by reconnaissance sites. The mission planning generated automatically is realized， it resolves problems about low efficiency of traditional mission planning and reconnaissance source occupancy among different missions， and highly improves reconnaissance efficiency of mission planning.

Keywords： mission planning； multi?source and multi?band target reconnaissance； air route interpolation； reconnaissance efficiency

0 引 言

隨著現代電子技術的發展，大型機載任務載荷的增加，傳統任務規劃制定方法，已越來越難以適應當前多源多頻段目標集的偵察需求。這集中體現在兩方面：一方面是隨著多源多頻段目標的大量出現，目標是否可被偵察的判決越來越復雜，手動制定任務項也越來越繁瑣，從而任務規劃的制定效率越來越低下；另一方面，隨著可偵察目標的大量增加，各任務項之間偵察航路重合的幾率增大，導致各偵察資源競爭使用的機率大大增加，大大降低了任務規劃的合理性、容錯性以及偵察效率。

目前國內對于該領域的研究多集中在無人偵察機的航跡規劃、任務規劃[1?6]，國外的研究集中在大型機載任務管理的智能化、自主化[7? 9]，這些研究對于大型機載多任務載荷的任務規劃均鮮有涉及。

其中，文獻[1]提出航線規劃與傳感器規劃之間存在著緊密的耦合關系，如何有效實現二者的解耦，對于提高無人偵察機的作戰效能具有重要的理論意義與應用價值。文獻[8]研究提出一種遺傳交互算法，可實時解決機載任務設備的任務分配控制，有效降低機上操作人員的工作量。該研究與本項目有一定相關性，但本項目通過航路插值與任務項優先策略設置的方法，實現了機載多任務載荷的實時管理與分配。

本文介紹一種任務規劃自動生成方法，適用于多源多頻段目標的電子偵察。相比于傳統任務規劃方法，本方法通過航路自適應插值與任務項合并實現了飛機航路與任務載荷之間的解耦，解決了傳統任務規劃生成效率低下以及不同任務項之間偵察資源搶占等問題，可有效提高機載任務系統的偵察效率。

1 基本工作流程

本方法首先加載目標集數據、航路數據，其次對目標集數據進行預處理，過濾目標集距離航路較遠，不可能偵察到“噪音數據”，進一步對航路數據進行插值處理，將航路分解成若干個偵察點，基于預處理過的目標集在每個偵察點確認可被偵察的目標，進一步為每個偵察點可被偵察的目標設置任務項，并在偵察點內部合并任務項，最后在偵察點間合并任務項生成任務規劃。

2 詳細實現

2.1 目標數據預處理

取偵察機航路上兩個臨近的偵察點經緯度與所述目標的經緯度依次相減，并取絕對值。若結果均大于1.5倍的偵察機最大偵察距離[L，]則排除該目標；若結果均小于等于1.5倍的偵察機最大偵察距離[L，]將球面坐標轉化為平面坐標，以目標為圓心，以偵察機最大偵察距離[L]為半徑，畫圓判斷是否與兩個臨近的偵察點的線段有交點或切點，若有交點或切點則初步確定該目標為可被偵察目標。具體流程詳見圖2。

2.2 航路插值處理

飛機航路一般包含若干個航路點，所謂航路點是指飛行航路中典型的航管點或必須經過的任務點。航路插值是指在航路上鄰近的兩個航路點之間插入若干觀測點，觀測點與原航路點一起組成航路的偵察點。在航路上鄰近的兩個航路點之間插入目標觀測點的個數[N]由公式（1）確定，航路總的偵察點數[T]由公式（2）確定。

2.3 任務項處理與合并

任務項處理合并包含偵察點內的任務項合并處理以及偵察點間的任務項合并處理。其中，偵察點內的為每個偵察點內的目標設置子任務項，子任務項是指未定義完整的任務項，僅包含任務項屬性和任務項參數關鍵信息，暫不包含具體的起止經緯度信息，便于后期航路點間的任務項合并轉化。任務項屬性用于表示具體屬性類別，只有屬性相同的任務項才能合并處理。

2.3.1 偵察點內部合并處理

偵察點內部子任務項的處理主要包含如下步驟原則：

（1） 將該偵察點所有相同屬性的子任務項全部合并到一個任務項中，即合并后一個任務項中包含所有屬性相同的頻點數據，詳細算法如下：

MergeInside（）主要完成把相同屬性任務項的頻點數據添加到同一個任務項中，并確保該任務項中不存在相同的頻點數據。同時，根據目標位于飛機左右兩側的百分比確定任務項的天線指向。

（2） 把符合條件的相關屬性類別任務項做轉化處理，如把符合條件的多頻點任務項轉化為頻段偵察任務項，不符合條件的轉化為單個頻點任務項。

任務項具體轉化原則是取任務項中所有頻點數據的最大值max與最小值min，max與min相減，若結果大于經驗值x，則取min為起始頻率，max為終止頻率，多頻點任務項轉化為頻段任務項；否則取max與min平均值為頻點，轉化為單個頻點的偵察任務項。其中，經驗值x需依據實際應用與偵察設備參數設定。

（3） 偵察點任務項資源競爭分析，資源競爭關系是指在相同航路段內有兩個或多個任務項同時申請使用某一偵察任務設備，超過了偵察設備所能支持的任務上限。此時系統只能按照實際應用設定的優先策略舍棄或推遲部分任務項。

2.3.2 偵察點間合并處理

偵察點之間任務項的合并，對于單個頻點的任務項，除判別屬性類型相同外，還要判別天線方向、頻點數、頻點值以及帶寬是否相同才能合并。

對于頻段類型任務項，在天線指向相同的情況下，取兩個要合并任務項的起始頻率的較小值min與終止頻率的較大值max，若max與min相減小于經驗值[x，]則合并；其中，經驗值[x]需依據實際應用與偵察設備參數設定。

函數IsCanMerge（）主要用于判別在屬性相同的情況下，兩個任務項依據上述合并原則是否能合并。函數MergeOutsize（）主要用于處理任務項參數的合并與任務項經緯度參數的定義。偵察點間任務項合并后，新任務項起始經緯度與起始偵察點保持一致，終止經緯度與終止偵察點保持一致。

3 測試分析

3.1 測試環境與數據

本次任務項自動生成測試系統環境為Windows XP SP2，處理器為Intel酷睿雙核2.2 GHz，內存2 GB。

為保證測試的充分性、準確性以及真實性，依次從同一數據庫中，隨機抽取4組不同數量的目標數據集，包括20，50，100以及200個目標，4個量級，作為本任務規劃自動生成方法的測試目標數據。航路數據采用北京昆明航路，在兩地之間等間距插入5個航路點。主要驗證分析兩個方面的內容：

（1） 驗證本方法自動生成任務項的正確性，生成的任務項類型能覆蓋測試數據中的所有信號類型，且任務項的頻點參數、經緯度信息正確無誤；

（2） 驗證本方法在不同數量級目標情況下，自動生成任務項的平均時間是否穩定。

3.2 正確性測試

本文不同數據集生成的任務項類型、個數對比如表1所示，圖4為目標數據集1的任務規劃生成結果，左邊為任務規劃列表與對應的任務項列表，右邊地圖顯示任務規劃對應的航路，地圖下方為任務項參數的詳細內容。

經仿真測試，4組目標數據集生成的任務規劃包含不同屬性類型的任務項，均能覆蓋所有目標信號類型，任務項頻點參數能覆蓋相應的目標信號頻點數據，且起始終止經緯度均在航路上，所有任務項參數的正確性完全滿足目標偵察需求。

3.3 時間測試

表2為不同數據集連續4次的測試時間對比，每次測試時均要重啟電腦清空內存，表3為不同數據集生成任務項的個數、平均生成時間以及每條任務項的平均生成時間對比，綜合對比分析表1～表3。

（1） 相同數據集每次生成時間雖有輕微波動，但基本差別不大；

（2） 不同數據集平均生成時間與生成的任務項個數成正比關系；

（3） 不同數據集生成任務項類型均覆蓋了所有信號類型；

（4） 雖然不同數據集生成的任務項個數不同，不同類型的任務項個數也有不同，但每條任務項的平均生成時間差別不大，相差在1 ms左右。

綜上所述，本方法任務規劃自動生成所耗時間在保證正確性的情況下是穩定可靠的。

4 結 論

本文提出任務規劃生成方法，通過航路自適應插值與航路點之間任務項合并，實現了航路與多任務載荷之間的解耦，解決了傳統任務規劃生成效率低與不同任務項之間偵察資源搶占問題，有效提高了任務系統的偵察效率，經過實驗驗證，該方法更加符合當前多源多頻段目標的偵察需求，可推廣到類似偵察平臺項目中，具有一定的可移植性。

參考文獻

[1] 黃丁才.無人偵察機航線與傳感器規劃方法研究[D].長沙：國防科技大學，2009.

[2] 孟波波，高小光，王云輝.無人作戰飛機打擊時敏目標的任務規劃研究[J].計算機工程與應用，2009，45（26）：5?7.

[3] 邢立寧，陳英武.任務規劃系統研究綜述[J].火力與指揮控制，2006，31（4）：241?244.

[4] 廖沫，陳宗基.基于DTC的UCAV任務規劃方法研究[J].系統仿真學報，2009，21（6）：1565?1569.

[5] 趙振宇，盧廣山，廖沫，等.基于DTC和GPGP的多UCAV任務規劃方法[J].北京航空航天大學學報，2011，37（3）：306?310.

[6] 丁明躍，鄭昌文，周成平，等.無人飛行器航跡規劃[M].北京：電子工業出版社，2009.

[7] WOWCZUK Z S， PERTL E D， CLARKE M A， et al. Complete command， control， communications， intelligence， surveillance， and reconnaissance system for C?130 Aircraft [J]. Journal of Aerospace Computing， Information， and Communication， 2010， 7（6）， 179?187.

[8] BERGER J， BARKAOUI M， BOUKHTOUTA A. A hybrid genetic approach for airborne sensor vehicle routing in real?time reconnaissance missions [J]. Aerospace Science and Technology， 2007， 11（4）， 317?326.

[9] ROOZ N， JOHNSON E N， WU A， et al. Experience with highly automated unmanned aircraft performing complex missions [C]// AIAA Guidance， Navigation， and Control Conference. Chicago： AIAA， 2009： 132?141.