多體制協(xié)同目標(biāo)智能識別技術(shù)發(fā)展綜述*

石釗銘

（武漢市江夏區(qū)藏龍大道709號 武漢 430205）

1 引言

隨著體系化作戰(zhàn)概念的不斷深化，作戰(zhàn)兵力預(yù)警范圍不斷擴(kuò)大，對來襲導(dǎo)彈的干擾手段和能力不斷增強(qiáng)，在對重點目標(biāo)的大范圍高效打擊過程中，僅依靠單一體系進(jìn)行目標(biāo)探測和識別，很容易受到電子對抗與欺騙，以及海雜波、地理氣象環(huán)境等因素的干擾，幾乎無法滿足武器高效打擊需求。隨著衛(wèi)星輔助偵察手段的加入，一定程度上提升了目標(biāo)探測與識別能力，但因戰(zhàn)場環(huán)境多變性、待打擊目標(biāo)的復(fù)雜性、及彈載和星載信息處理的局限性，仍無法在打擊時間窗口內(nèi)實現(xiàn)對航母、驅(qū)逐艦等目標(biāo)的高效融合識別以及關(guān)鍵部位的精細(xì)化檢測。而智能化技術(shù)的引入，能夠有效提升作戰(zhàn)系統(tǒng)對敵智能化殺傷的技術(shù)水平[1]，因此多體制協(xié)同目標(biāo)智能識別，作為現(xiàn)代武器高效打擊的關(guān)鍵前提，對提升打擊效能具有十分重要的意義。

2 國內(nèi)外研究概況

在多體制協(xié)同方面，美國海軍于20世紀(jì)70年代開始開發(fā)協(xié)同作戰(zhàn)能力（Cooperative Engagement Capability，CEC）[2]。通過專用的視距數(shù)據(jù)分發(fā)系統(tǒng)（DDS）在作戰(zhàn)編隊的艦艇之間共享雷達(dá)未經(jīng)濾波處理的、低時延、高精度量測數(shù)據(jù)，由協(xié)同作戰(zhàn)處理器進(jìn)行目標(biāo)復(fù)合跟蹤與識別處理，形成飛機(jī)和導(dǎo)彈的連續(xù)跟蹤航跡。在CEC條件下，所有傳感器資源組成了一個遠(yuǎn)、中、近，高、中、低以及不同精度滿足不同需求的傳感器網(wǎng)絡(luò)，從而可以有效發(fā)揮各平臺傳感器的優(yōu)勢[3]。俄羅斯20世紀(jì)研制并裝備于現(xiàn)代級驅(qū)逐艦的米涅拉爾雷達(dá)，具有對海協(xié)同探測工作模式，參與協(xié)同工作的雷達(dá)可接近10部，它們之間通過專用的微波通信鏈路共享偵聽或主動量測數(shù)據(jù)，各雷達(dá)之間也沒有實現(xiàn)信號級協(xié)同處理。對于處于不同空間的協(xié)作成員，要達(dá)到良好的協(xié)作效果，離不開協(xié)同過程中成員之間工作狀態(tài)和意圖的感知。

在目標(biāo)智能識別方面，美國早在2015年就開始了基于深度學(xué)習(xí)的目標(biāo)識別的研究及應(yīng)用。深度學(xué)習(xí)分析專家利用降低運行時間復(fù)雜性的新識別算法和新移動處理器增加的計算效率，以減少雷達(dá)目標(biāo)識別算法運行時的尺寸、重量和功率（SWAP）。利用較少的訓(xùn)練數(shù)據(jù)快速學(xué)習(xí)識別新的目標(biāo)是一個重要研究方向。BAE系統(tǒng)公司通過引入機(jī)器學(xué)習(xí)和人工智能技術(shù)，用以提升其自動目標(biāo)瞄準(zhǔn)系統(tǒng)的性能。

目前國內(nèi)在多體制協(xié)同感知架構(gòu)方面的研究主要集中在態(tài)勢感知方面，例如非結(jié)構(gòu)化感知方法、復(fù)雜環(huán)境感知與認(rèn)識算法、基于生物視覺認(rèn)知機(jī)理的目標(biāo)識別與環(huán)境建模等[4]。此外，由于深度學(xué)習(xí)技術(shù)的不斷發(fā)展，基于深度學(xué)習(xí)的態(tài)勢感知與認(rèn)知技術(shù)已成為主要的研究熱點[5]，能夠提高態(tài)勢感知的快速性、準(zhǔn)確性和智能化水平。

在目標(biāo)識別理論研究上距國外水平更近一步，在基于單平臺和單信源的檢測識別已經(jīng)有了一定的研究基礎(chǔ)，尤其在圖像方面有了較大發(fā)展。但是基于多平臺協(xié)同的目標(biāo)識別能力還不成熟，面對復(fù)雜干擾環(huán)境下的目標(biāo)檢測識別能力還較為不足，缺乏通過多種印證手段不斷提高識別準(zhǔn)確度的能力，目標(biāo)識別的智能化水平不高。

3 關(guān)鍵技術(shù)

多體制協(xié)同目標(biāo)智能識別旨在利用天基節(jié)點、海基節(jié)點、導(dǎo)彈等探測分析平臺，完成對待打擊目標(biāo)的協(xié)同探測、異構(gòu)信息關(guān)聯(lián)與融合、目標(biāo)檢測識別，為武器打擊提供及時精確可靠的目標(biāo)信息。一種多體制協(xié)同設(shè)想如圖1所示。本文將從協(xié)同探測任務(wù)規(guī)劃技術(shù)、多傳感器信息融合技術(shù)、目標(biāo)智能識別技術(shù)三個方面簡要分析多體制協(xié)同目標(biāo)智能識別關(guān)鍵技術(shù)。

圖1 一種多平臺協(xié)同設(shè)想示意圖

3.1 協(xié)同探測任務(wù)規(guī)劃技術(shù)

在利用導(dǎo)彈打擊目標(biāo)的任務(wù)中，在預(yù)警探測階段，通過多探測節(jié)點協(xié)同探測，可拓寬目標(biāo)探測時空覆蓋范圍，提升目標(biāo)信息融合精度，提高對目標(biāo)的復(fù)合跟蹤能力和傳感器抗干擾能力，從而增強(qiáng)目標(biāo)識別效果。

協(xié)同探測任務(wù)規(guī)劃技術(shù)主要包含探測節(jié)點在搜索、跟蹤過程中的規(guī)劃分配、調(diào)度優(yōu)化、組合使用等技術(shù)，通過建立傳感器探測特性模型，分析傳感器在不同環(huán)境下執(zhí)行不同任務(wù)的效用，形成支撐各探測節(jié)點相互引導(dǎo)和協(xié)同使用的規(guī)則并實現(xiàn)節(jié)點資源合理規(guī)劃和動態(tài)管控。

在執(zhí)行探測節(jié)點的協(xié)同規(guī)劃前，需要根據(jù)經(jīng)驗設(shè)定前置協(xié)同準(zhǔn)則，以規(guī)則的方式指導(dǎo)系統(tǒng)完成協(xié)同探測智能規(guī)劃的整個過程；智能規(guī)劃是根據(jù)當(dāng)前的任務(wù)內(nèi)容，實際的戰(zhàn)場情況生成協(xié)同探測感知方案下達(dá)至各個探測感知節(jié)點；探測感知節(jié)點根據(jù)智能規(guī)劃的方案以集中式、分散式或者分布式的方式指揮各自的傳感器完成協(xié)同探測感知的內(nèi)容，并將執(zhí)行反饋的結(jié)果發(fā)送至系統(tǒng)，系統(tǒng)根據(jù)結(jié)果修正優(yōu)化協(xié)同準(zhǔn)則，提升下一次的協(xié)同探測智能規(guī)劃方案的有效性。這一過程如圖2所示。

圖2 協(xié)同探測任務(wù)規(guī)劃過程

3.2 多傳感器信息融合技術(shù)

與單傳感器相比，多傳感器信息技術(shù)在解決探測、跟蹤和目標(biāo)識別等問題時，能夠通過多傳感器的多維度、多層次信息信息處理，提高系統(tǒng)的實時性、正確性、準(zhǔn)確性、魯棒性[6～7]，為后續(xù)識別提供數(shù)據(jù)基礎(chǔ)。實現(xiàn)多源信息融合與目標(biāo)的穩(wěn)定跟蹤需要解決的問題主要包括三個，分別是數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)融合[8]。

近年來，多傳感器融合技術(shù)的研究多集中在融合濾波算法領(lǐng)域，充分考慮各傳感器存在的噪聲或不確定性，采用分布式融合濾波的方式，通過設(shè)計標(biāo)準(zhǔn)化的接口協(xié)議，提升整個全局濾波效果。主要研究包括貝葉斯一致性濾波、分布式卡爾曼濾波算法等[9]。但在多體制協(xié)同探測過程中的多尺度、大時延的異構(gòu)信息融合仍然存在目標(biāo)關(guān)聯(lián)不正確、融合精度不高、處理不及時的問題。

3.3 目標(biāo)智能識別技術(shù)

目標(biāo)智能識別技術(shù)具備對樣本數(shù)據(jù)的學(xué)習(xí)能力，能夠保證識別模型的穩(wěn)健性和演化性[10]，能夠有效降低模型適配產(chǎn)生的拂面影響。目標(biāo)識別包括特征級識別和決策級識別。其中目標(biāo)識別特征參數(shù)包括空域特征、時域特征、頻域特征、能域特征等。通過目標(biāo)特征數(shù)據(jù)庫進(jìn)行匹配分析解算，利用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和證據(jù)理論等方法的學(xué)習(xí)或訓(xùn)練優(yōu)勢，提高目標(biāo)識別效率。

以卷積神經(jīng)網(wǎng)絡(luò)為主的深度學(xué)習(xí)技術(shù)的發(fā)展大大推動了圖像識別技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)在圖像分類、圖像檢索和物體檢測等領(lǐng)域的表現(xiàn)越來越出色，針對深度學(xué)習(xí)在海戰(zhàn)場圖像目標(biāo)識別中應(yīng)用的研究越來越豐富[11]。小樣本條件下的遷移學(xué)習(xí)[12]、基于端到端可訓(xùn)練網(wǎng)絡(luò)的目標(biāo)檢測、基于區(qū)域建議的目標(biāo)檢測與識別等技術(shù)在海戰(zhàn)場圖像識別中的應(yīng)用提高了目標(biāo)識別正確率。但深度學(xué)習(xí)對于處在不同形態(tài)的同一物體以及具有細(xì)微差異的物體的區(qū)分能力并不夠。

4 發(fā)展建議

針對海戰(zhàn)場武器高效打擊信息保障需求，結(jié)合當(dāng)前國內(nèi)外多體制協(xié)同目標(biāo)智能識別關(guān)鍵技術(shù)的研究和發(fā)展情況，提出以下發(fā)展建議。

4.1 發(fā)展彈-星-艦三位一體跨域協(xié)同感知架構(gòu)設(shè)計技術(shù)

受海戰(zhàn)場態(tài)勢感知信息獲取能力及處理時效性所限，僅僅憑借單一手段難以實現(xiàn)對重點目標(biāo)的準(zhǔn)確識別與選擇性攻擊。充分發(fā)揮彈載探測器、天基衛(wèi)星和海基艦船平臺各體制下信息處理優(yōu)勢，提升多平臺協(xié)同感知節(jié)點規(guī)劃效能，研究綜合各平臺的高效協(xié)同態(tài)勢自主感知技術(shù)，建立主動（雷達(dá)、SAR）與被動（紅外、可見光）等多平臺探測傳感器聯(lián)合引導(dǎo)機(jī)制，實現(xiàn)預(yù)警探測-搜索識別-末端引導(dǎo)的全鏈路信息保障與快速處理能力。

4.2 發(fā)展跨域多尺度多源異構(gòu)信息關(guān)聯(lián)技術(shù)

針對海戰(zhàn)場目標(biāo)識別面臨的類型多、分布廣、機(jī)動性強(qiáng)，以及主被動傳感器數(shù)據(jù)定位精度差異大，異構(gòu)平臺數(shù)據(jù)獲取目標(biāo)信息時空不同步等問題，開展多源異構(gòu)數(shù)據(jù)（包括星載/彈載/艦載等不同平臺的各類傳感器獲取的目標(biāo)圖像、姿態(tài)、位置及特征數(shù)據(jù)）的目標(biāo)關(guān)聯(lián)技術(shù)研究。其包括多源異構(gòu)數(shù)據(jù)的統(tǒng)一表示，大時延異構(gòu)數(shù)據(jù)時空對準(zhǔn)，多源信息自適應(yīng)快速關(guān)聯(lián)等多個方面的研究。

4.3 發(fā)展智能目標(biāo)抗干擾檢測識別技術(shù)

待打擊目標(biāo)類型復(fù)雜多樣性，目標(biāo)所處背景地形地貌復(fù)雜多變，成像天候時相及視點變化，偽裝、干擾及對抗手段多變等復(fù)雜成像影響因素，增加了目標(biāo)識別的難度。尤其是干擾對抗手段，其具有不同時機(jī)、干擾空間分布和不同頻段干擾等時空譜特性。被動探測雷達(dá)雖然探測距離遠(yuǎn)，抗干擾能力強(qiáng)，但是如果對方雷達(dá)不開機(jī)也無法進(jìn)行探測；前視雷達(dá)雖然具有相對穩(wěn)定的強(qiáng)散射點特征，但易受箔條、角反射器以及電子干擾影響；紅外成像易受光照、煙霧、陰影以及背景局部變化等干擾。基于星-艦-彈協(xié)同多模探測，通過對不同信息源成像與融合以及分析復(fù)雜場景目標(biāo)和背景成像特性、結(jié)合圖像信息與非圖像信息融合、星基與彈基多源影像信息聯(lián)合檢測、彈載多模傳感器融合等多種多源手段，降低環(huán)境與人為干擾，提升目標(biāo)的檢測識別能力。

4.4 發(fā)展精細(xì)化目標(biāo)辨識和關(guān)鍵部位識別技術(shù)

大中型艦船編隊中目標(biāo)類型多，不同類型艦船（如航母、驅(qū)逐艦、護(hù)衛(wèi)艦、補(bǔ)給艦、登陸艦等）承擔(dān)不同的作戰(zhàn)任務(wù)，對艦船目標(biāo)細(xì)分類是構(gòu)建海戰(zhàn)場態(tài)勢圖的基礎(chǔ)，也為特定目標(biāo)的精準(zhǔn)打擊提供重要指示信息。同時，為了實現(xiàn)目標(biāo)高效毀傷，對艦船目標(biāo)識別不僅限于船體自身，還需具備關(guān)鍵部位的精確識別與跟蹤能力，節(jié)省打擊成本，提高作戰(zhàn)效率。同時隨著少樣本對象識別算法的不斷發(fā)展，識別的準(zhǔn)確率也在不斷提高，但是目前由于圖像拍攝工具和條件的原因，使得測試遙感樣本的分辨率很難于訓(xùn)練樣本數(shù)據(jù)的分辨率保持一致，對于大多數(shù)少樣本算法來說，這一情況將直接導(dǎo)致新能的大幅下降，可充分利用衛(wèi)星圖像具有范圍廣、干擾較少的特點，著力發(fā)展少樣本條件下的目標(biāo)類型辨識與關(guān)鍵部位識別技術(shù)研究。

5 結(jié)語

隨著武器性能的不斷提高，對目標(biāo)識別準(zhǔn)確性、實時性、精確性的要求也越來越高，同時隨著各種新的技術(shù)平臺的加入，豐富了識別的手段，同時提高了識別技術(shù)的復(fù)雜度。多體制協(xié)同目標(biāo)智能識別技術(shù)，在立體化作戰(zhàn)的框架下，將艦船、衛(wèi)星、導(dǎo)彈有機(jī)結(jié)合起來，利用衛(wèi)星偵察系統(tǒng)、艦船分析系統(tǒng)、導(dǎo)彈識別系統(tǒng)，形成一套基于“偵-查-打”的、完整的、抗干擾能力強(qiáng)的、自主性高的智能打擊模式，為導(dǎo)彈完成大范圍、高精度、高效能武器打擊提供準(zhǔn)確、清晰、連續(xù)的戰(zhàn)場態(tài)勢，對提高復(fù)雜環(huán)境下大范圍打擊態(tài)勢感知的抗干擾能力和目標(biāo)態(tài)勢信息的準(zhǔn)確性，具有重大的戰(zhàn)略意義。