基于DBN 和證據網絡的目標威脅評估方法研究*

李 智，齊瑩瑩，王 莉

（航天器在軌故障診斷與維修重點實驗室，陜西 西安 710043）

0 引言

在體系對抗作戰中，指揮人員需要在較短時間內，在目標信息不確定的情況下做出決策，因此需要在對目標和作戰意圖進行識別的基礎上，對目標進行威脅評估并得出等級排序，從而為指揮人員決策提供輔助。對于目標威脅評估，國內學者已開展相關研究。董洪樂通過基于軌跡特征的方法，對預警系統目標進行識別評估；師維克等多位學者，通過采用DBN 或改進DBN，對防空目標進行威脅評估；游雅倩等多位學者，通過證據網絡方法，對空戰態勢和防空能力等進行評估；劉銅采用基于證據理論與DBN相結合的方法，開展炮兵遠程火力毀傷評估。對于太空目標威脅評估，周立新采用DBN 開展空間戰場的目標威脅評估，建立了基于DBN 的空間戰場目標威脅評估模型。但是空間戰場由于信息嚴重不透明性，存在許多關鍵的未知信息，嚴重影響目標的意圖識別和威脅評估。DBN 無法處理這些未知信息，造成威脅評估的準確度和可信度大打折扣，因此需要采用證據理論方法來對這些未知信息進行處理。此方面的相關研究較少，本文采用DBN 和證據網絡相結合的方法，實現更加準確的太空目標威脅評估。

1 目標威脅評估概述

在進行目標意圖識別和威脅評估的過程中，實時獲取的目標信息通常具有很高的不確定性，針對不確定信息的威脅評估普遍采用的是BN，BN 結合了概率分析和圖論，能夠用于不確定性知識的表達和推理，適合描述復雜系統中事件與態勢間的不確定性關系。但由于當前體系對抗作戰包含太空、天空、海洋、陸地、電磁等多域多維空間，存在多樣性和復雜性，BN 在戰場態勢隨時間發生動態變化條件下進行目標威脅評估仍然有所不足。而DBN 可以根據不同時間片段上獲得的事件信息，得出不同時刻或者同一時刻不同戰場信息要素之間的因果關系，并根據歷史數據和新獲取的證據信息進行態勢推理。同時體系對抗作戰中存在著諸多影響目標威脅評估的未知因素和信息，DBN 不具備處理未知信息的功能，而證據網絡作為貝葉斯網絡的擴展，是適用范圍更廣的信度函數理論框架下的不確定知識處理方法，它除了能更好處理多種不確定信息（如概率的、模糊的知識）外，還能處理一些未知信息。因此本文基于上述目標威脅評估的方法，針對體系對抗作戰戰場態勢的動態變化和未知信息，建立基于DBN 和證據網絡相結合的目標威脅評估模型，以DBN 為主體方法框架，來處理動態變化條件下的目標威脅評估，同時采用證據網絡加以補充完善，對威脅評估的未知因素和信息進行處理，從而實現更加完備的目標意圖識別和威脅評估。

2 動態貝葉斯網絡

DBN 以BN 為基礎，在時序上加以擴展，是表示復雜隨機過程的有向圖模型。設隨時間變化的節點集為={,,…,X}，X[]表示第個變量在時刻的狀態值，一個DBN 可以定義為：(,)。其中，表示初始的BN，它指定了初始狀態的概率分布([0])；表示轉移網絡，它指定了時刻到+1時刻變量集狀態的轉移概率([+1 ]|[])。DBN 是將BN 的靜態結構與時序信息相結合，因此在DBN 中，網絡的拓撲結構、變量集和變量間的內部因果關系在每個時間片下都是相同的。利用DBN 解決實際問題一般是在已知網絡拓撲結構和觀測序列的條件下，通過DBN 推理算法得出每個節點的概率。DBN 推理算法有向前、向后推理算法，分解樹算法，邊沿算法，接觸面算法，卡爾曼濾波及光滑等。下面給出前向、后向推理算法的描述。

1）初始狀態分布矩陣為：=()，式中，π=(=)；

2）狀 態 轉 移 矩 陣 ：=(a)，式 中 ，a=(x=|x=)；

3）觀測矩陣：=(b)，式中，b()=(y=|x=)；

由此 DBN 的參數可以簡化為：=(,,)。

3 證據網絡

證據網絡是信度函數框架下的一種對不確定性進行建模的圖模型，像貝葉斯網絡一樣，證據網絡包括2 部分:定性部分描述網絡的拓撲結構，定量部分描述變量間的條件依賴關系。證據網絡的拓撲結構用有向無環圖來建模，可形式化表示為=(,)。式中，節點集合表示研究問題的不同變量，有向邊集合表示變量間的條件依賴關系。在定量層面上，證據網絡用一組由條件信度函數建立的參數來表示。證據網絡建模包括結構建模和參數建模，結構建模解決定性層面的問題，即根據研究的具體問題確定節點，初步分析節點之間的依賴關系并建立有向無環圖。比較常用的結構建模方法有影響圖、因果圖和貝葉斯網絡方法，本文選擇因果圖方法進行證據網絡結構建模。因果圖是表示原因和效果的網絡圖，也是一種基于概率的知識表達模型，適用于問題建模領域，可用它表示專家知識或者對某一特定問題的認識。

1）基于因果圖的證據網絡結構建模

因果圖在結構分析上能夠很好地與證據網絡模型相匹配，二者的節點一一對應，可以直接轉化；因果強度也可以轉化為證據網絡的參數模型。在此基礎上，從因果圖轉化到證據網絡，還需要注意以下問題：證據網絡是有向無環圖，但因果圖中可能存在環路；為了減少重復建模，在證據網絡中需要明確直接因果關系和間接因果關系；根據因果圖的因果強度建立證據網絡參數。

2）基于條件信度函數的證據網絡參數建模

以條件信度函數為參數的證據網絡模型稱為條件證據網絡，條件證據網絡的每個節點N從其識別框架Θ取值。N的父節點集合記為P(N)，N的子節點集合記為C(N)。每條父節點N與子節點N之間的有向邊由一個條件基本可信度函數來表征依賴程度，記為(N|N)。每個子節點類似于貝葉斯網絡中的條件概率：每個子節點N與一個條件基本可信度函數(N|N)相關聯。

4 基于DBN 和證據網絡的目標威脅評估模型

4.1 目標威脅評估層次結構

體系對抗作戰中的太空目標威脅評估，需要從目標的類型特征識別、目標的作戰能力評估、目標的機動能力評估以及目標的行動意圖識別4 個方面進行，它們之間的層次結構關系如圖1 所示。

圖1 太空目標威脅評估層次結構圖

首先，通過行動意圖識別來決定威脅等級；其次，目標的行動意圖識別又取決于目標的類型特征、作戰能力以及機動能力，其中機動能力是行動意圖識別過程中的一個基礎因素，當探測到某太空目標進行軌道機動時，結合目標類型及作戰能力來推理識別出其對己方航天器的行動意圖。

4.2 目標威脅評估因素確定

為確定DBN 中的節點變量，需要研究確定太空目標威脅評估因素。根據上述的太空目標威脅評估層次結構，分別對目標的類型特征識別、作戰能力評估、機動能力評估3 個方面的評估因素進行確定。

1）目標的類型特征識別評估因素確定，從最能反映太空目標本質的特征入手，通過對太空目標特性特征的分析研究，確定目標類型特征識別的評估因素，如圖2 所示。

圖2 太空目標類型特征識別評估因素

2）目標的作戰能力評估因素確定，從太空攻擊能力、太空防御能力、態勢感知能力和信息對抗能力4 個方面入手，確定目標作戰能力評估因素，如圖3 所示。

圖3 太空目標作戰能力評估因素

3）目標的機動能力評估因素確定，從行為層特征和狀態層特征2 個方面，確定目標機動能力評估因素，如圖4 所示。

圖4 太空目標機動能力評估因素

4.3 基于DBN 和證據網絡的威脅評估模型

1）確定DBN 網絡拓撲結構

DBN 網絡拓撲結構由太空目標威脅評估的層次結構決定，本文選取局部體系對抗作戰中的小規模空間對抗，根據確定的太空目標威脅評估因素，構建基于DBN 的太空目標威脅評估模型，如圖5 所示。

圖5 基于DBN 的太空目標威脅評估模型

2）確定節點變量的狀態集

上述建立的基于DBN 的太空目標威脅評估模型是一個逐層推理的過程，下面從目標的類型特征識別、目標的作戰能力評估、目標的機動能力評估以及目標的行動意圖識別4 個方面來詳細說明節點變量的狀態集。

目標類型特征識別主要是根據觀測到的目標特性特征來識別目標的類型。在小規模的空間作戰中，只考慮具有代表性的3 種類型的目標：目標類型={衛星，導彈，碎片}。根據確定的目標類型特征識別評估因素，其狀態集合為：軌道特性={低軌，中高軌，高軌}；姿態特性={三軸穩定，自旋穩定，翻滾狀態}；幾何形狀={對稱的球形和柱形，錐形，不規則形狀}；尺寸大小={大(十幾米)，中(幾米)，小(厘米級)}；頻率特性={S，X，Ka，Ku，EHF}；信號方向={對天，對地}；信號特征={測控，數傳}；可見光反射={鏡面反射，邊緣散射，不規則反射}；雷達輻射={脈沖，連續波}；紅外輻射={近紅外，中紅外，遠紅外}。

目標作戰能力評估結果的狀態集為：{高，中，低}，作戰能力評估因素的狀態集合為：太空攻擊能力={高，中，低}；太空防御能力={高，中，低}；態勢感知能力={高，中，低}，再往下細分的各種能力同樣也為{高，中，低}。

目標機動能力評估結果的狀態集為：{有，無}，機動能力評估因素的狀態集合為：軌道機動={高，中，低，無}；姿態機動={高，中，低，無}；軌道交會={高，中，低，無}；軌道攔截={高，中，低，無}；方向變化={有，無}；加速度變化={有，無}；交會距離={遠（大于50 km），近（小于50 km）}。

在上述目標機動能力、作戰能力以及目標類型評估因素基礎上進行推理，得出太空目標的行動意圖，目標行動意圖識別的結果直接決定了目標威脅等級的高低，空間作戰中將目標行動意圖確定為6 個具有代表性的狀態：意圖={成像偵察、定向能攻擊、動能攻擊，電磁干擾、空間操控攻擊、無企圖}。

3）確定條件概率表及轉移概率

轉移概率是經驗概率，它表示在上一時刻威脅度已知的情況下，下一時刻威脅度的狀態概率，如表 1 所示。

表1 轉移概率

條件概率是先驗概率，一般通過2 種方法確定：一種是由領域專家基于空間作戰領域豐富的模型知識確定條件概率；另一種是通過大量的訓練數據進行網絡學習確定條件概率。本文利用第1 種方法確定條件概率表，給出(威脅等級／意圖)、(意圖／目標類型)和(意圖／作戰能力)等部分條件概率,如表2 所示。其中，(狀態2／狀態1)表示在狀態1 發生的條件下狀態2 發生的概率。

表2 條件概率表

4）證據網絡對未知信息處理

在上述節點變量狀態集合中，有很多值為未知信息，對于這些未知信息無法由領域專家根據模型知識確定條件概率，本文利用條件信度函數模型進行證據網絡參數建模，對未知信息進行處理。由于篇幅有限，本文以作戰能力評估因素中的太空防御能力狀態集合為例，對證據網絡參數建模過程進行闡述。

首先建立評估問題識別框架。太空攻擊能力的識別框架為{高，中，低}，下一層次的攻擊識別、威脅溯源和主動規避的識別框架為{高，低}，如表3 所示。

表3 太空防御能力識別框架

其次建立條件信度參數表。參考領域專家的經驗，建立太空防御能力條件信度參數表，如下所示。

上面所述中，(|AD=,TT=,AA==0.2)，表示存在未知信息時，將一部分信度分配給節點狀態的識別框架全集。

5 結束語

本文針對BN 在體系對抗作戰目標威脅評估中存在的不足，提出利用DBN 和證據網絡相結合進行目標威脅評估的方法，并結合太空目標的威脅評估問題，建立了基于DBN 和證據網絡的目標威脅評估模型，以DBN 為主體方法框架，來處理動態變化條件下的目標威脅評估，同時采用證據網絡加以補充完善，對威脅評估的未知因素和信息進行處理，從而實現更加完備的目標意圖識別和威脅評估。該模型具有一定的合理性和先進性。本文方法的不足在于：目前的條件信度參數表很大程度上依賴專家經驗，僅適合于有效數據有限的問題初始階段；在DBN 和證據網絡結合細節上，還需要進一步研究。