事后空中场景还原方法范文

本站小编为你精心准备了事后空中场景还原方法参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《计算机应用与软件杂志》2015年第十一期

我国空域复杂，东西部发展不平衡，通信导航监视设施差异很大，雷达管制、雷达监控下的程序管制、程序管制等各种方式共存，再加上防空预警需求。空中交通系统是一个时间连续、空间广阔、组成元素众多、关系复杂、安全概率要求非常高的一个动态系统［1］。空中场景是指某一特定时间、特定区域空中所有飞行器(目标)活动情况的总和。其中，某一飞行器在场景中的活动轨迹称为航迹。通过探测设备获取的实时航迹信息在专业领域也称之为情报。在进行空中管制和预警时，如果能够获取所有目标的飞参和机载GPS记录信息，就可以得到相当准确的真实空中场景。但由于各种飞行器长期、大量、频繁地飞行，获取这些信息并不是容易的事，更何况地面(如高速列车)和低空的有些目标也能被探测到，而这些目标的探测信息很难用其他情报数据来验证。因此，现实可行办法是主要依靠能够稳定获得的相关情报数据，运用技术方法进行空中场景的还原。对这些数据的利用在技术上存在三个方面的困难。一是数据缺失问题。每次任务下来，不一定是所有渠道的情报都有，有时有些渠道的情报未能及时获得。二是情报内容不确定问题。对于一次具体任务，有的情报虽然有，但是情报内容不是一个确定的值。例如预飞报，其预告的时间可能比目标实际飞行时间推后或者提前，甚至取消。第三是情报之间互相冲突问题。特别是复杂战场环境情况下，各种情报之间冲突很厉害。几种情报提供的内容，相互之间产生矛盾。典型常见的一个例子就是电子侦察表明有目标而预警雷达探测表明没有目标。

1空中场景还原基本流程

获取完整的空中场景数据是非常困难的。好在空中运动平台上通常载有多种传感器，如机载雷达、红外(IR)、电子支援措施(ESM)、敌我识别(F)等［2］。空中场景还原的基本思路是利用这些传感器和能够收集到的各类情报数据进行关联，实现空中场景的近似还原。这些情报数据包括空基预警雷达综合情报、地面雷达情报网情报，飞行计划、GPS航线数据等。每类数据源都提供了航迹信息或辅助信息，但是特点各异。如飞行计划、预飞报存在临时取消、时间偏移、航线调整等可能性，具有“一次有效”的特点，即一次计划一次执行。再如航路信息，对按航路飞行的目标提供了较高的判别可信度，但不提供准确的航迹时间信息，具有“多次有效”的特点，即一条航路往往支持多条航迹。各类情报相互关联、印证是判断的基本依据和方法。由于各类情报形式各异，每个渠道获得的情报都或多或少存在数据缺失和不确定的情况，建立其间的关联关系十分复杂，因而传统上主要采用针对重点批次进行人工分析的方式。这种方式一是效率低，每次只能针对一批或者几批目标进行分析;二是参考依据查证困难，很多情报事后已经很难查证;三是各个参考依据有时互相矛盾，比如空基雷达探测到一个目标，电子侦查没有发现该方位有目标，二次雷达返回的识别码显示该目标经纬度在另一个位置。D-S证据理论是关于证据和可能性推理的理论。它主要处理证据加权和证据支持度问题，并且利用可能性推理来实现证据的组合。从数学角度来讲，证据理论是概率论的一种推广。对应于概率论中的分布函数和概率密度分布函数，D-S证据理论中定义了信任函数和基本概率分配［3］。我们运用证据理论，发挥其在不确定信息的表示和组合方面的优势，将多渠道信息归一为统一的“证据”。对空中关联识别的基本过程如图1所示。运用证据理论进行空中场景关联识别的基本流程主要包括5个关键步骤。步骤1定义辨识框架。辨识框架分为两类。第一类是对每一维情报源，进行在多种情报数据中的对应关系辨识。辨识以下四种情况:①1对1:对应一条真实航迹;②1对0:虚警;③1对n:混批。第二类是对大、中、小机型属性进行辨识;再对中、小机型进一步实施机型种类的辨识。例如:歼七、歼十、苏27、苏30等。大型机一般是民航、国产运输机和轰炸机，对大型机不做进一步区分。步骤2进行基本信度分配。基本信度分配表示了每一维情报可信程度的一种度量，是一种判断，这种判断受各种因素的影响，不同的先验知识会构成不同的基本信度分配。步骤3使用证据理论组合规则对情报的基本信度分配进行合成。步骤4确定决策规则。得到合成信度后要选择一个适合关联的决策规则。步骤5进行情报数据的关联。

2两阶段空中场景还原方法

空中场景还原是将多种情报源分别作为证据，经过航迹判别和航迹还原两个阶段，得到某区域某时段的还原后的空中场景。空中场景还原的主要方法是对每一条情报数据中出现的航迹，由各个情报源进行内部的比对，提出各自“证据”，证据中含有肯定、否定的信度，经过基于证据理论的合成、决策，得到该航迹真、假和相关属性的判别信度。对每一条航迹，所有情报都提供证据，经过证据理论的合成和决策，形成对该航迹的判别，同时反馈给各情报源记录关联关系。证据生成器提供一个数据源对某航迹的信度。信度分配问题分为两个层次:一是对每个证据的基本信度分配;二是对每个情报源的信度分配。对每个证据的基本信度分配利用历史数据的累积和专家打分，通过已知的情报关联关系逐渐求精，以提高关联精度;对每个情报源的信度分配则是利用经验知识赋予某些情报对特定类型证据的高信度。由于空中场景还原是事后进行的，因此无需对下一航迹点的时间、位置进行外推，主要根据按照时序的航迹点的位置，以及航迹的走向、形状进行关联。但有些情报没有时序属性，对其不考虑时间对准，例如航路信息就不带有时序属性。不同情报对航迹真假和属性的支持信度具有不同的特点。比如:高山、高铁等地理环境数据对于虚假航迹判别具有较强的信度，但对于真实航迹的支持信度很低;飞行器导航或GPS航线数据如果存在，具有很强的支持信度;地面雷达情报网情报对于其探测到的航迹具有较强的支持信度，但对于低空等目标的否定信度不高;机场对于航迹起始和停止点的真实性可以提供一定的支持，也可以对飞机的属性进行支持;二次雷达情报对于进行过敌我识别或询问的飞行目标航迹具有一定的支持等。空中场景还原具体过程分为两个阶段:阶段一:航迹判别。对每一条未关联的航迹，执行下列3个主要关键步骤，直至遍历所有航迹。①由各证据生成器提供证据:数量(0～n)、机型。这里数量不是指该批目标由几架飞机组成，而是指由几条航迹组成。数量为0表示认为是假目标，大于1表示认为混批。机型可以是具体机型，也可以是大、小型机的粗分类;②合成、决策，确定该航迹的判别结果(数量、机型);③判别结果通报给各证据生成器，各证据生成器记录关联信息。如果产生与之前已关联航迹再次关联情况，则比较信度，撤销信度低的关联。阶段二:航迹还原。对于预警探测到的真实航迹，以空基预警雷达为主进行还原。关键步骤包括:①去除频繁起批航迹;②修正航迹中的奇异点;③对航迹中漏掉的点迹进行插值计算;④确定机型、架次信息;⑤对于空基预警雷达漏点的航迹，以地面雷达组网情报或我机导航或GPS航线数据为主还原;⑥对于虚假航迹，进行明确标示。

3基本信度分配方法

利用证据理论进行空中场景还原，其实质是对每个情报来源的基本信度分配进行组合，因此每个情报来源的基本信度分配将直接影响关联分析结果的可信度。我们确定基本信度分配的方法是先对已知的还原场景进行多次“学习”，达到稳定状态后用于后续的基本信度分配。根据初始N次场景还原的情报，先指定初始参数，并初步构造出Platt后验概率模型。随着训练次数不断增加，场景还原次数也同步增加，对数据的测试也不断进行，再根据识别准确率对参数进行验证和调优。经过长期大量数据的验证，后验概率值和分类器可信度逐步得到了优化。为了对简单情况下的识别效果进行性能验证，我们进行了测试实验。实验中随机选取某次演习中多路探测装备情报数据，包括空基预警雷达情报、地面雷达情报和电子支援措施情报三类传感器情报源。在演习时，我们能够通过演习的导演部和讲评员获取所有真实的空中场景信息，用其作为识别方法验证和评判的依据。实验中，我们假设航迹识别结果为三种:正常航迹、虚警航迹或者混批航迹。随机选取该次演习中30批目标作为实验的训练样本，再将剩下的所有批次目标作为测试样本，三类传感器探测情报已经做过预处理，对同一目标已进行关联。用前文所述的基本信度分配确定的方法与DS理论相结合进行融合航迹判别，共进行50次实验，航迹判别准确率结果如图2所示，计算识别准确率的均值为96．04%、方差为2．65。从识别准确率来看，该方法在航迹判别方面能达到较高的识别精度，同时，方差值2．65也反映了该方法具备稳定性，可以达到较好的航迹识别效果。在接下来的还原过程中，由所有航迹判别为正常的航迹组成的集合就可以初步构建出特定时间段内的真实空中场景。

4证据冲突时的处理方法

证据之间相互冲突时对辨识正确结果会产生不利影响。能不能解决好证据冲突时的辨识，对实际应用至关重要。很多学者对此进行了重点研究。文献［6］从证据理论新的研究方向出发，提出了一种新的证据判别方法，通过冲突证据检测因子定量描述证据间的冲突程度，并对其进行分类，找出导致高度冲突的根本原因。以此为基础改进了证据合成公式，对不同类别的证据采取不同的修正方法。文献［7］针对DS证据理论存在的诸如一票否决、证据冲突过大的问题，提出利用指数函数对证据进行重新定义，以避免零焦元元素对融合结果的影响。文献［8］提出运用折扣证据融合规则合成专家意见实现权重和定性指标值的确定。文献［9］通过定义证据间的冲突因子和证据间一致性来度量证据间的相关度以解决冲突证据融合问题。以上方法对解决证据冲突问题都有很好的启发。在事后空情场景还原过程中，各情报源经常会出现对目标属性识别的不一致，存在各种程度的冲突情况。比如电子侦察表明有目标而预警雷达探测表明没有目标。但是在各种探测装备中，由于各自的工作特点及工作方式，使得某些情报源的可靠性很高，如二次雷达/敌我识别器等。因此其关于目标属性的信息可信度也相应很高。

PCR规则一直被公认为是比较有效的处理冲突的组合规则，它是将冲突信度按照某种比例分配到合成信度上，从而更有效地利用证据。根据分配比例的不同，PCR规则分为PCR1至PCR6规则。由于PCR6规则不仅能得到很好的合成结果，而且在计算量上比其他PCR系列规则有优势。我们结合空情场景还原实际，采用了一种改进的PCR6规则，充分利用特殊传感器可靠性高的优势，使可靠性高的情报源关于目标航迹的基本信度分配的信任度增大，即增大两信度之间的比值，使大信度对应的分配因子增大，小信度对应的分配因子减小，从而提高其合成精度。因此，不再完全按照已知证据得到分配比例，而是对原始分配比例进行加权，权重为已知信度的函数。分配比例由已知信度的比值改进为已知信度函数的比值。这样就结合经验知识考虑了信度的优势，使得信度值越大的证据比重获得就越大，就越利于对合成结果的决策。为了对证据之间有冲突的情况下识别效果进行性能验证，我们选择使用5类传感器情报源，即地面雷达情报(m1)、ESM情报(m2)、二次雷达情报(m3)、空基预警雷达情报(m4)和敌我识别情报(m5)。采用的模型为Shafer模型。为方便起见，假定辨识框架为Θ={N，F，M}，其中N表示正常航迹，F表示虚警航迹，M表示混批航迹。实验中，5部传感器获得的基本信度分配如表1所示，属于Shafer模型下高冲突情况。为信度函数次数增大后，计算量也随着增大。实验中取f(x)=x2，满足增函数要求。为进行效果比较，对传统PCR6也进行了融合识别，其结果如表2所示。根据表2的识别结果，改进的PCR6规则融合后该航迹为正常航迹的信度增大，该航迹为虚警航迹和混批航迹的可信度降低，尤其是混批信度降为0．0071，几乎可以忽略。从对比结果可以看出改进的PCR6规则的融合优于传统PCR规则。最后进行航迹判别，该航迹属于正常航迹，也就是说它属于还原场景中真实存在的一条航迹。

5结语

为了解决获取空中场景这一难题，我们运用证据理论的最新成果，实现了事后对多传感器情报源的证据生成，并对空中目标进行了基本信度的分配，在航迹识别结果为三种的情况下进行了实验测试，达到了较高的识别正确率。空中场景还原时经过航迹判别和航迹还原两个阶段，利用探测到的空中目标航迹及其他各种证据进行证据运算，在证据之间有冲突时采用改进的PCR6规则进行识别。实验结果表明，该方法不仅能还原证据低冲突情况下的空中场景，在证据高冲突时依然可以较好地还原空中场景。

作者：蒋苏蓉 蓝江桥 单位：空军预警学院