数据融合理论与应用（第二版）课件：态势评估和威胁估计的基本理论

态势评估和威胁估计的基本理论10.1指挥、控制和通信系统的基础理论10.2军事问题的一般求解模型●补记

态势评估和威胁估计的主要任务，就是自动化或半自动化地提供以往由军事指挥员所进行的决策和指挥行动。人类在漫长的历史时期中已积累了丰富的军事理论，其中某些军事理论的大规模应用已取得了惊人的成功。如中国共产党依靠农村包围城市和游击战争的16字方针取得了解放全中国的伟大胜利。20世纪80年代以来，由于先进的武器系统的应用，使得战争的时空观念发生了重大的变化，军事理论除了把控制兵力分布问题的各个方面作为确信无疑的重点外，已延伸到对各种武器系统的响应，对机动能力和变换作战样式的能力的响应，以及通讯和数据处理等技术领域。

这一现状推动了数据融合理论的研究和使用。然而，为建立寄托于这种理论的决策支持系统，人们从一开始就发现了问题的复杂性和艰巨性。因为该类系统试图模仿或至少接近人的推理模式。一级数据融合采用数值方法，不论是理论研究还是实际应用方面都已取得了很大的成功。二级或三级数据融合需要采用符号推理的方法，这里所面临的不是一个连续型的处理，而是一个多重视图，是基于前后关系的处理。要求数据融合的设计师要理解进行融合处理的决策问题的各个方面的关系。

同时，还要能够提供最优决策指导的各种军事理论，各种不确定因素以适当的形式嵌入到该系统中，使系统能够在阐明并解决己方兵力部署问题的同时，努力破坏敌方的决策过程。通过对现有研究结果的仔细考察，作者发现，在态势评估和威胁估计方面，各国都没有取得突破性的进展，我们有可能在这一领域或这一领域的某些方面赶上和超过各发达国家，形成我国国防事业的局部优势。

10.1指挥、控制和通信系统的基础理论一个复杂系统的任何单元的功能都必须是可理解的，可建模的和可定量估算的，只有这样才能确定其对整个系统的有效性所起的作用。抱着这样的信念，研究者们对人类的战争行为从不同角度出发引入了战争模型，以表征各种军事作战单元的行为。不可否认，这一领域的尝试是充满艰辛的，已建立的战争模型还不能圆满地解释战争的各个方面，这些模型仅能在有限的范围里提供指导意义。我们期待通过对这些理论的进一步完善或创立新的理论，使得数据融合在系统建模和性能评估方面发挥有益的作用。

10.1.1兰切斯特(Lanchester)战斗模型

兰切斯特微分方程给出了交战双方力量损耗的经典表达式。这些方程把每方兵力的瞬时规模描述为消耗率系数的一个函数，而这些系数则表示一方兵力消耗另一方兵力的效能。

其中，y(0)表示兵力y(t)的初始规模，x(0)表示兵力x(t)的初始规模，a表示y(t)对x(t)产生的消耗率，b表示x(t)对y(t)产生的消耗率。

消耗率系数a和b描述了与其规模有关系的每一方兵力的总效能，包括火力以及指挥和控制效果。在这个基础模型中，还有许多假设，如兵力与其相关的有效性。

这个基础模型使得我们可以研究交战双方的兵力损耗并与实际战斗数据进行比较，以估计出能产生较高消耗率的因素。战斗行为的定量分析通常把兵力规模描绘为一个时间函数，随着战斗的进展表示每一方的损耗。

将这两个方程联立起来，就可以直接说明在任一时刻敌我双方的兵力规模。联立求解得到著名的Lanchester平方律关系:

Lanchester战斗模型揭示了交战双方的兵力效能彼此消涨的基本规律。进一步的研究中，通过在该模型中引入对战争行为更详细的影响因素(系数)，如射击率、单一杀伤率、传感器测量半径等，就可以把兵力效能作为最终的目标数据分化为几个单一度量的组合。另外，引入先进的数值计算技术，可以大大改善模型的逼近度。例如，使用随机常微分方程模拟噪声和随机性，使用模糊集变量模拟不确定性等。

10.1.2指挥、控制和通信模型

这类模型致力于描述大量C3I功能的相互作用，包括检测、通信、指挥、控制、信息处理等，这些描述用精确信息值把敌我双方的兵力效能联系起来。有影响的3个模型是热力学模型、规范模型和状态向量模型。

1.热力学模型

遵循气体体积压力的状态热力学气体定律方程，Lawson建立了如下的模型：

其中，P表示军事压力，V表示环境体积，N表示部队数，K和T分别表示效能和作战进度。

2.规范模型

规范模型是由Rona提出的。在这个模型中，一个多维转换操作机构把一组“激励输入”转换为能够说明军事效果的数据。这个转换操作机构容许在其内部进行学习，并预置了行动结果的反馈措施。

3.状态向量模型

Zracket提出的状态向量模型由一个动态状态方程来模拟战斗过程：

其中

x表示双方兵力的位置、规模和任务等；

u1和u2分别表示敌我双方兵力的控制状态；

W表示随机影响因素(如气象、通信、传感器噪声等)；

t表示时间。

10.2军事问题的一般求解模型

将军事问题求解和进行判定的过程予以模型化，然后向该模型中填充来自多渠道、多个彼此相关的观察点的数据，以形成一个实际的决策支持系统，这种研究方法极大地激发了研究人员的创造性。这样建立的军事问题求解模型为数据融合理论提供了基本框架，对于理解和处理更复杂的现象是一个很好的切入点。

10.2.1状态转移模型

大规模军事交战中涉及到离散的、复杂的实体配置，这些实体配置随着战争的进行而逐次进行重新排列，形成一种新的实体配置，这可以理解为从一种状态转移到另一种状态，如图10.1所示。图10.1状态转移

因此，我们可以研究如表10.1所示的状态转移的各种形式，建立状态转移模型，用以逼近军事问题求解和进行判定的过程。基本的状态转移模型在表10.1中给出，模型1称为直观模型，其中没有任何信息;模型8称为通俗问题，它的两种状态和处理方法(转移)都已知，军事问题的求解目标就是将其它模型归结为这个通俗情况。

表10.1判定问题模型分类

另外，就上述每种模型，还要考虑其初始状态、处理方法和结束状态是单一的还是多重的。例如，当一个行动有一个或多个结果时，就产生多结果状态，当从一个初始状态出发的两个或两个以上行为导致相同的结束状态时，就出现多转移情况，当两个或多个初始状态被转移到同一结束状态时，就出现多初始状态情况，如表10.2所示。

表10.2判定问题模型属性

对每种模型考虑上述8种可能的问题态势，研究其求解技术上的差异，将有助于建立更高一级的求解模型。

下面我们将探讨一种由目标驱动的求解方案，我们期望由当前态势和一个军事(政治)目标来产生行动方案，基本思想如图10.2所示。

图10.2军事问题求解方案

按照这一基本思路，我们可以从状态转移模型出发建立如图10.3所示的军事问题求解过程。

求解一个军事问题的最后阶段包括实施所选择的计划。这是一个动态过程，按照实际约定的结果和检测的兵力部署的变动要实时地进行少量改动。所产生的实时控制减少了战斗行动对状态和可能结果的精确估计的依赖性。这个控制就是在混乱的和不确定的战斗条件中实施有效的战役管理。因此，指挥员要确保己方武装力量战斗行动过程的顺利进行，必须同时破坏敌人的问题求解过程。

按照图10.3所描述的抽象的问题求解过程，eidelhnber提出了一个层次判定模型，用以反映多个军事单位的协同作战。在该模型中，假定指挥员对问题初始状态、期望状态或所期望的转移尚无把握，在经过一些问题求解步骤后，指挥员就走向最终是正确的方向和所期望的最终状态。

图10.3军事问题求解过程

10.2.2SHOR模型

20世纪80年代，Wohl建立了激励—假设—选择—响应(Stimulus-Hypothesis-Option-Re-sponse:SHOR)模型。该模型描述军事问题求解和进行判定的数据驱动或响应方法，而不是目标驱动的方法。SHOR模型致力于处理军事判定处理中信息输入的不确定性以及行动结果的不确定性，因而，该模型将假设的生成和评估以及行动方案的评估和选择作为中心内容，如图10.4所示。图10.4SHOR模型

SHOR模型中包含数据处理和信息处理。数据处理包括数据归并、压缩和聚集，数据搜索和扫描，合理安排数据，事件检测、识别和确认等。信息处理包括数据关联、状态和参数估计、假设生成、态势和威胁估计、判定状态估计等。该模型为用一般术语描述判定任务提供了一个工具。

●补记

本章概要介绍了C3基础理论及军事问题的一般求解过程，通过对战争行为中诸因素的量化和对战争过程的模型化，为态势评估和威胁估计提供理论依据。实践证明，上述理论还远不能满足