基于集成堆疊神經網絡的某反無人機系統作戰效能評估問題研究?

宋彬杰 王遠航 張 琪

（1.陸軍炮兵防空兵學院鄭州校區 鄭州 450052）（2.32381部隊 北京 100072）

1 引言

從近幾場局部戰爭和武裝沖突中可以看出，無人機在戰場中使用的頻率越來越高，使用的領域越來越廣，從最初的執行戰場偵察監視任務，發展到現在可以執行多種復合任務，比如戰場評估、自殺襲擊、察打一體和通信中繼等。無人機具有采購來源豐富、操作使用簡單、雷達反射截面小、作戰使用靈活多樣等特點，使其在戰場中具有獨特的優勢，能夠很多的執行“偵、控、打、評、?！钡榷喾矫娴娜蝿?，在現代戰場的使用越來越廣泛［1］。近年來發生的幾場局部沖突中，隨處可見無人機的影子。2020年下半年的納卡沖突［1］，阿賽拜疆僅靠簡易無人機的靈活使用，就取得了豐碩的戰果。2022 年初的俄烏軍事沖突中，更是給了無人機大顯身手的平臺，有報道顯示，2月24日至3月25日期間，烏軍使用土耳其制造的“TB-2 旗手”無人機對俄羅斯軍隊的裝甲車和地面武裝力量實施攻擊，擊毀了部分裝甲車輛，造成大量人員傷亡，給俄軍的軍事行動帶來了很大挑戰。

無人機在現代軍事中的廣泛使用和出色表現，迫使各國開始思考針對無人機作戰的應對策略，紛紛著手研制反無人機系統。當前的主要反無人機手段主要分為兩種，一是以毀傷空中無人機為目標的“硬殺傷”手段，包括以高炮、防空導彈為代表的傳統硬殺傷手段，和以激光、高功率微波武器為代表的新質“硬殺傷”手段；二是以干擾無人機的通信鏈路、遙控鏈路、導航鏈路等為目標的“軟殺傷”手段，主要包括無線電干擾、導航干擾等。為提高對無人機的抗擊效率，需要復合運用多種抗擊手段，這也是當前反無人機系統研制的主要方向。本文以某“軟、硬”相結合的反無人機系統為研究對象，利用BP 神經網絡對其作戰效能進行評估和預測，為武器系統的設計研制，以及作戰使用研究提供決策依據。

2 評估指標體系

該武器系統綜合集成有源、無源探測手段和“軟”、“硬”殺傷手段，具備對無人機實施復合探測和多重抗擊的能力。通過對系統能力進行梳理，可以建立該系統效能和分系統能力之間的映射關系，如圖1所示。

圖1 系統效能和分系統能力之間的映射關系

1）目標探測能力

該系統的目標探測手段有無線電探測和雷達探測。

無線電偵測能力的實現主要是通過對無線電信號進行接收，然后對信號的特征進行分析，以此來判斷該信號是否是無人機的下行信號。通過對偵察結果的實時統計，可以得到遙控鏈路信號的頻率、幅度、方位以及時間信息，進而對目標信號進行快速參數測量和分析，為下一步實施定位和干擾打下基礎。無線電偵測能力的高低主要受下列因素影響，分別是無線電偵測的距離、測向精度、測頻精度等。

雷達探測是當前對空中目標探測的最主要手段之一，基本工作原理為主動向空中發射電磁波，然后通過接收經空中目標反射的電磁波來實現對其定位、測速、測距等功能，支撐雷達實現對空探測能力的戰技指標主要有最大探測距離、距離測量精度、方位測量精度、俯仰測量精度和同時跟蹤目標數等。

2）指揮控制能力

指揮控制是武器系統的“大腦”，是戰斗力生成的“粘合劑”。指揮控制系統主要完成情報信息的融合、分發、態勢更新、通信聯絡等功能，其關鍵指標有情報處理融合能力、輔助作業能力、情報分發能力等。

3）壓制干擾能力

無線電干擾壓制該反無人機系統對無人機實施抗擊的主要手段之一，主要通過對無人機的通信鏈路和導航鏈路實施壓制干擾，以達到驅離或迫降的目的。決定無線電壓制干擾效果的主要戰技指標有遙控鏈路壓制干擾距離、導航壓制干擾距離、干擾反應時間等。

4）激光毀傷能力

激光毀傷是該系統中“軟”“硬”結合抗擊方式中的“硬抗擊”方式，激光武器作為新質武器裝備，在抗擊無人機方面具有獨特的優勢，比如，可以實現光速打擊，具有較高的費效比和無限彈倉等特性［1］。影響激光毀傷效應的因素主要有以下幾點：最大毀傷距離、最大毀傷時間、連續工作時間等。

由此可得該反無人機系統作戰效能評估的指標體系，如圖2所示。

圖2 作戰效能評估指標體系

3 效能評估模型

1）數據處理模型

在對指標數據正式計算前，需要對指標進行標準化處理，通過對本文指標的分析可以看出，該指標體系中的指標除了有定量指標外，如歸大毀傷距離、干擾反應時間等，還存在部分無法通過直接測量而得的定性指標，如輔助作戰能力等。對于定量指標，可以在實戰環境下進行測量，只需要對其進行標準化處理便可代入評估模型中進行計算；而對于定性指標，則需要首先對其量化處理，在本文中采用模糊評估的思想對定性指標進行量化。

定量指標處理方法。定量指標是可以直接通過測量而采集的指標，這類指標按在效能評估中發揮作用的機理不同，可以分為效益型指標和成本型指標。效益型指標采用極值處理法，函數表達式如

式（1）所示，其中cij表示指標uij的實測值，表示指標uij的最小有效值，表示指標uij的滿意值。對于成本型指標，需要用一定的數學方法將其轉換成效益型指標，以便后續在同一模型中進行處理，常見的數據一致化處理方法有倒數一致化法和減法一致化法，此處采用減法一致法對成本型指標進行原始數據處理［5］，如式（2）；然后再利用式（1）對其進行標準化處理。

定性指標處理方法。對于定性指標利用模糊綜合評判的思想進行量化處理［6］，給定指標5 級評語集V=｛好、較好、一般、較差、差｝，對應的評分集為θ=｛0.9，0.7，0.5，0.3，0.1｝，指標對評語集的模糊隸屬度為μi，則定性指標的量化結果為

2）指標權重計算模型

采用層次分析法（AHP）［7］對指標權重進行確定，AHP 作為經典的權重確定方法，可以有效地將定性分析與定量計算相結合，具有層次明了、步驟清晰、易于實現的特點［8］，適用于一些復雜的、難以量化的系統決策問題。主要有以下幾個步驟。

Step 1 構造判斷矩陣

對于一個由n 個平行指標構建的指標體系，由專家根據其工作經驗對指標之間的重要性進行兩兩比較，可得判斷矩陣如式（4）：

Step 2 指標權重求解

利用AHP 求指標的權重，可以將其轉化為求判斷矩陣的特征向量，首先對矩陣Aij(n×n)按行求積：

然后，計算Mi的n次方根：

最后，對向量進行歸一化處理：

Wi即為第i個指標的層次權重。

Step 3 一致性檢驗

為避免專家在打分的過程中出現邏輯性錯誤，需要對判斷矩陣進行一致性檢驗，如式（8）和式（9）所示，其中RI取值通過查表可得。

當CR<0.1 時，則判斷矩陣具有較為滿意的一致性。

3）效能評估模型

分系統Ui的效能Ei為其下屬子指標的加權求和，表達式如式（10）所示。

通過對系統抗擊無人機的作用機理分析可以看出，壓制干擾手段和激光毀傷手段二者只需要其中一個發揮效用，便可實現對無人機的有效抗擊，因此可以列出該系統作戰效能評估的表達式（11）。

4 基于集成堆疊神經網絡的反無人機系統預測模型

經典的作戰效能評估方法，需要依靠大量的專家經驗作為評價依據，本文采用基于集成堆疊神經網絡［11］的方法構建評價模型，該方法是一種改進的神經網絡算法，不僅能夠克服經典效能評估弱點，還能克服基于神經網絡預測評估過程中，泛化能力弱的缺點［12］。該方法實現如圖3所示。

圖3 集成堆疊神經網絡預測模型

如圖3 所示，該方法采用兩種不同結構的神經網絡，對數據集進行特征提取，然后將生成的特征進行堆疊，最后通過淺層神經網絡對作戰效能進行評估。本文中，神經網絡神經元結構設置如圖4 所示。

圖4 神經網絡神經元結構設置

如圖4 所示，兩種神經網絡結構設置為輸入層12 維，隱藏層8 維，輸出層2 維，以及輸入層12 維，隱藏層6 維、4 維，輸出層2 維，最后淺層神經網絡輸出層設置為1維，輸出結果為概率值。

1）神經網絡

本文采用兩種神經網絡提取特征值，特征重構的重要手段。能夠有效避免模型過擬合導致重構特征缺乏能力弱的缺點，單個神經元結果如圖5 所示。

圖5 神經元結構

其中，Ui,j為輸入值，權重W={w1,w2,…wj}，計算公式如下：

通過激活函數f(?)將τ進行非線性變換，本文采用sigmoid 函數，作為激活函數，計算公式如下：

2）堆疊

單一結構的神經網絡重構特征，其泛化能力具有一定局限性［9］，汲取集成學習思想，本文將兩種神經網絡進行堆疊重構，對預測集合測試自己進行特征重構得到特征Unew，表示如下：

其中，i?N，表示訓練集數量。

3）預測設置

預測階段，本文采用神經網絡對重構數據進行預測評估，輸入層為Unew，表示作戰效能評估的4個重構特征，輸出層為1 個神經元，其輸出值為概率值。本文設置作戰效能評估為四個等級：優、良、中、差，設置如下所示：

5 效能評估實例分析

1）數據集

本文實驗數據為某反無人機系統作戰試驗和演習演訓中采集而得，涵蓋該武器系統將來可能面臨的多種作戰環境，共包含數據7521 條，其中按照7：3比例，將數據集分為訓練數據集5264條和測試數據集2256條，實驗用數據集如表1所示。

表1 實驗用數據集

2）實驗結果與評估

實驗中，使用訓練集訓練模型，當訓練迭代次數達到160 次，模型訓練結束，模型趨向穩定，如圖6所示。

圖6 訓練迭代次數與誤差值關系示意圖

本文將基于集成堆疊神經網絡的反無人機系統預測結果、與單一神經網絡（隱藏層設置數為8）［10］效能評估、經典效能評估方法進行了對比試驗，預測數據如表2所示。

表2 預測數量對比表

實驗結果顯示，集成堆疊神經網絡對比經典效能評估和基于單一神經網絡效能評估，效能評估為“優”的數據最多，但是其評估值為“差”的數量也多于經典效能評估，分析原因是在訓練過程中，特征值設置較少，在訓練中容易陷入局部最優解。

6 結語

針對反無人機情報偵察系統作戰效能評估，本文采用人工智能算法，構建基于集成堆疊神經網絡的評估模型。實驗結果顯示，該方法不僅能夠實現效能評估，而且評估為“優”的占比值為79.12%，優于經典作戰效能評估和基于單一神經網絡的評估模型。該方法不僅能夠克服泛化能力弱的缺點，而且減少了專家經驗對評估結果的影響，具有一定研究價值，可為后續反無人機情報偵察系統作戰效能評估，提供有益參考。