一种基于目标意图识别技术研究

一种基于目标意图识别技术研究

谢倩婷

江南机电设计研究所  贵州贵阳 550009

摘要：对战场目标作战意图的快速、准确和自动识别, 是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成，因而目标状态呈现动态、时序变化特征，用类似于栈的编码建立特征集，将目标在多个时刻的属性作为输入，利用长短期记忆网络循环神经网络进行战术意图识别。

关键词：智能意图识别、特征、神经网络

1 引言

随着计算机技术、通信技术和微电子技术的发展，以及现代战争的复杂性日益提高，各种面向复杂应用背景的多源信息系统大量出现，迫使人们要对多种传感器和不同的信息源进行更有效的集成，以提高信息处理的自动化程度。

因此，从20世纪70年代起，一个新兴的学科：多传感器信息融合便迅速的发展起来，并在现系统中和各种武器平台上以及许多民事领域得到了广泛的应用，进一步对融合后的信息进行智能意图识别，这对军事方面的推进作用很大。

2 研究背景

意图识别技术的发展，最早可以追溯到20世纪70年代，美国首先开始了对意图估计领域的研究，到了20世纪80年代，随着传感器技术的飞速发展，以及武器攻击范围的大规模提升，意图识别等信息融合技术的重要性慢慢得到重视，美军也逐渐发展了C2（指挥，控制）、C3（指挥、控制、通信）到今天的C4ISR 系统——“指挥，控制，通信，计算机，情报，监视和侦查”系统。经过多年的发展，当前目标意图估计领域的热点逐渐转向空中战场环境不确定性因素的分析问题，以及对于意图估计结果的稳定性研究。空中作战具有突击威力大、对抗性能强、兵力机动快、作战区域广的特点，能够达到出其不意地摧毁敌方军事武装的效果。

经过多年的发展，当前目标意图估计领域的热点逐渐转向空中战场环境不确定性因素的分析问题，以及对于意图估计结果的稳定性研究。空中作战具有突击威力大、对抗性能强、兵力机动快、作战区域广的特点，能够达到出其不意地摧毁敌方军事武装的效果；来袭目标主攻方向的正确预测，使得指挥员能够在有效的时间内对当前战斗做出最优部署，从而获得空中作战制空权，基于来袭目标主攻方向预测技术在空中作战的重要地位，世界各国正不断加强相关技术的研究。1990年，美国领导的联盟军队对伊拉克发动了海湾战争，在这次战争中美国利用其空中武器所具有的在攻防对抗环境中对信息的感知能力及态势分析预测能力，成功确定敌主攻方向，因此获得压倒性的制空优势，取得战争的胜利。2011年，美军RQ-170“哨兵”无人机在执行任务时由于其主攻方向判定失误，致使无人机无法追踪原来定位的目标，导致其被伊朗军方诱导到伊朗飞机场降落，从而被伊朗捕获；2020年初，俄罗斯驻叙利亚的赫梅米姆空军基地的防空系统击毁了叙利亚武装分子试图攻击其军事设施的空中目标，此次攻击方向明确、精准打击，未造成不必要的物资损失及人员伤亡，如此高效打击效果的取得得益于其攻击前对敌目标主攻方向的精准预测。

3 研究内容

为辅助指挥员对战场态势的准确理解，做出高效作战决策，需对目标战术意图进行准确判别。例如空袭目标，它的战术意图主要是指该目标的作战任务，如：侦察、伴随干扰、低空突防、佯攻/主攻等，一般在战前都已确定，但作为防御方，其防空指控系统在对敌方情报掌握不完整的情况下仅能通过获取到的目标航迹信息，利用行为预测的分析方法获取作战飞机的战术动作，如：转弯、俯冲、跃升、加速上升、盘旋等，尚未对其代表的意图进行正确理解，需引入人工智能等技术，采用机器学习等方法，挖掘目标在体系内、在编队内作战协同关系，综合识别隐藏的战术意图。

来袭目标战术意图识别属于动态、对抗条件下的智能模式识别问题，需要在军事知识和作战经验的基础上，综合考虑战场环境、全局战场属性和目标状态等关键信息。拟通过调研、查阅文献和情报收集等方式获取体系化空袭作战中一些比较典型目标战术意图模式，结合文献和专家经验，进一步分析每种战术意图的特征，构建目标战术意图特征集；并在目标战术意图识别方面，拟利用神经网络、决策树等机器学习算法对方法中的权重系数进行训练，得到一种对目标战术意图识别准确率高的模型。

3.1目标战术意图的模式解析与特征集构建

目标战术意图识别是一种典型的模式识别问题，而实现模式识别的前提对分类模式有清晰的界定和描述，即确定问题域对应的模式空间。对于意图识别而言，针对不同的想定背景、不同的作战样式和不同的目标实体，所对应的模式空间是存在差异的。通过调研、查阅文献和情报收集等方式研究目标战术意图，得到比较完整的目标战术意图系统，本文以体系化空袭场景目标为研究对象，确立敌目标的战术意图空间包括{侦察、干扰、佯动、主攻、突防、诱敌、撤退} 七种模式。

在战术意图空间确立后，如何将人的认知模式抽象为指导模型训练的模式标签，并确定其在战术意图空间中所代表的分类模式，是将SAE 模型应用于战术意图识别的关键问题。分析指挥员推测敌方目标战术意图的过程可知，当指挥员看到战场态势数据或综合态势图后，需通过关键特征提取、结合自身认知经验并综合分析多种因素，最终推断敌方目标可能的战术意图。

3.3 目标战术意图智能识别模型构建

要实现对目标行为意图的准确识别，需结合指挥人员的军事知识和作战经验，通过关键特征提取、对比分析、联想与推理等的复杂思维活动实现，很难通过简单的数学公式进行归纳，因而需设计智能意图识别模型；而同时，从连续多个时刻而非单一时刻的战场环境、全局战场属性及目标状态中识别敌方战场目标的战术行为，将有效提高意图识别的准确性。因此，在设计对敌目标意图识别模型时，应重点考虑智能模型的知识表达能力和对时序特征的学习能力，而这恰恰是设计行为识別模型的难点和关键问题。

人工神经网络通过大量神经元之间的相互连接，实现对数据中的复杂关系进行建模，已经成为一种最常用的模式识别方法。但常用的深层ANN模型，如深度置信网络、堆栈自编码器等，均属于前馈神经网络，虽然具有很强的特征学习能力，但通常只考虑单一时刻的数据特征，不具备对时序特征的建模和学习能力。循环神经网络通过引入带自反馈的神经元，具有良好的对动态行为和时序特征的表达能力。可以采用循环神经网络来进行目标行为估计。

4 研究意义

随着分布式作战、多域战、马赛克战等新型作战概念的提出和临近空间高超声速等新型武器的发展，未来防空战场环境呈现出高实时、高对抗、高智能、高自动化、高资源冲突等特征，一旦处于高时敏环境，面对众多的信息，无法快速满足应对威胁高动态变化的多目标信息融合和智能意图识别的需求，作战行动计划将更加复杂，作战过程将更加难以预测，对多源目标信息融合和智能意图识别技术提出了更高的要求。

目标战术意图智能识别技术是在数据挖掘、相关性分析、深度推理等技术的研究基础上，从历史作战和演习数据，以及防空作战体系内多层次多体制探测器的实时探测数据中，通过对复杂输入输出的强大抽象和映射，基于深度自主学习，识别出来袭目标战术意图，以支撑我方作战进程中高效、准确、自适应地作战决策，对我们军事指挥决策方面帮助很大。

参考文献

[1]多传感器信息融合的目标识别算法研究，任步延，2012，重庆邮电大学

[2]军事信息系统中融合关键技术研究，吴荣春，2016，电子科技大学