基于多源数据融合技术的情报侦察系统效能评估体系
1 引 言
多源数据融合是20世纪70年代随军事应用而诞生的, 广泛应用于军事领域, 尤其是在情报侦察系统中应用更多, 多源数据融合情报侦察系统包括多个、多类传感器和情报中心, 具有复杂的层次结构, 加上复杂的应用背景[1], 对其进行客观、综合的评估既是作战能力有效提升的需求, 又是系统研制和发展的需要。面对这样一个复杂的大系统, 目前缺乏一个科学合理且相对完善的指标体系指导和规范多源数据融合情报侦察系统的效能评估工作[2]。
本文将科学理论、经验和判断有机结合, 应用模糊数学、专家系统、系统工程和系统仿真的方法, 建立信息融合的综合效能评估的指标体系, 并制定完备可靠的评价体系。其中, 评价指标体系是制定评价的指标集;评价体系是在指标体系的基础上, 对评价对象的效能水平进行度量的框架。前者是解决“评估什么”的问题, 后者是解决“如何评价”的问题。
2 效能评估指标体系
效能指标是衡量方案满足问题需求的评估标准, 任何潜在方案都必须在效能指标这一特殊属性上表现一定的程度, 它独立于方案且不确定方案需要达到的标准, 其合理性直接影响到效能评估的有效性。科学合理且完备的评估指标体系, 是确保评估有效性的关键。
通过对相关理论进行分析研究[3,4,5,6], 初步形成一个信息融合系统评价指标体系, 如图1所示。从指标体系架构分析, 每一个层次的性能由下一层组成要素来支撑, 但每一个上层要素的效能不是构成该要素的下一层要素效能的简单总和, 最终对每个性能要素都可以采用可定义、可计算的量化指标参数考核。
图1 多源数据融合效能评估指标体系框架 Fig.1 Block diagram of multi-source data fusion effectiveness evaluation index system 下载原图
图1中, 信息融合效能描述体系主要从数据预处理、目标关联及航迹融合、目标识别、态势综合决策4个方面描述。图中竖行框表示性能要素项, 横向框表示指标参数项。下面将详细介绍性能要素的定义及指标参数的解析方法。
所谓性能要素, 是组成多源数据融合效能评估指标体系的基本性能项, 顶层的性能由下一层性能要素来支撑, 最下一层的性能要素可以采用指标参数来量化和考核。
2.1 数据预处理性能要素
描述融合系统接收情报数据、完成数据格式转换、时空配准等预处理和进行数据的存储转发功能, 主要的指标参数包括总的情报数、收集的情报数和有效处理的情报数。其中总的情报数是指整个侦察系统产生的情报总数;收集的情报数是指由于各种外因素的影响, 融合系统实际能收集的情报条数, 与总情报数相对比, 收集的情报数越高, 意味着情报的丢失率越小;有效处理的情报数是由融合系统处理能力所决定的可及时完成处理的情报数, 它表明了系统处理的整体效率。
2.2 目标关联及航迹融合性能要素
目标关联及航迹融合性能描述系统接收多个侦察设备上报的目标信息, 实现对目标去重、目标关联、航迹融合的性能。
2.2.1 目标关联及去重能力
目标关联包括目标互联和去重。目标关联是将收集到的上报数据分为一系列组, 每一组代表某一目标;目标去重主要包括目标相关性判断以及数据配对、目标聚合等。衡量目标关联和去重的指标参数项包括以下几项。
(1) 总目标数
该指标可细分成以下3个指标。
实际的目标数:整个区域所存在的、真实的目标总数 (可细分成水下、空中、海上, 或是目标、军用、民用) 可采用一个分级表格方式动态显示。这个指标是由侦察设备对目标捕获性能决定的。
各手段上报的目标数:下一级所包含各个系统、或手段, 分别上报的针对目标的情报条数。
总的上报目标数:是各个手段上报情报条数的一个总和, 针对一个目标, 可能有多个系统或手段都在报, 即有多重性, 如果希望能够细化显示这种多重性, 则可向下分解成最小或最大目标重叠率、平均目标重叠率等。
(2) 正确关联目标数
经系统融合处理后, 给出具体处理后的目标个数, 具体到每个目标的属性、位置信息, 并补全整个情报信息参数, 基本的关键指标参数项包括:
关联率1:关联后的目标总数/关联前上报的目标总数 (一般情况下小于100%) ;
关联率2:关联后的目标总数与真实的目标总数之比 (可为任意值, 可大于100%, 如果大于100%表示误关联;如果小于100%, 表示有漏关联;即使是100%, 也有可能有错融合) ;
正确关联的目标数:需要和真实目标匹配后才能给出的值, 且需要提前指定匹配的程度。
(3) 丢失目标数
与正确关联目标数的定义相同, 即确定错误关联的目标数, 另外还有虚假目标数、不明目标数。这些不同的目标还需要态势图上分别显示。
2.2.2 航迹融合
目标航迹融合是指通过对去重后的同一目标航迹数据进行融合、关联、验证或补充, 从而获取较为完整的目标航迹。衡量的指标参数项包括以下几项。
(1) 航迹关联
总的航迹数:处理系统收到下级系统上报的目标总数, 会对应一个航迹总数 (并非一一对应, 因为有可能一个目标有几条航迹, 也有可能几个目标共享一条航迹 (所谓目标群的概念) ) , 衡量航迹关联的关键参数项包括真实的航迹条数、系统收到的总的上报航迹条数、融合后的航迹条数。
融合率1:融合后的航迹总数与融合前上报的航迹总数之比 (小于100%) 。
融合率2:融合后的航迹总数与真实的航迹总数之比 (任意值, 可大于100%, 如果大于100%表示误融合;如果小于100%, 表示有漏融合;即使是100%, 也有可能有错融合) 。
正确 (错误) 融合的航迹数:对当前仿真时刻前面的各个融合航迹点, 计算误差统计值, 如果误差值在某个范围内, 则认为与航迹点吻合, 属于正确融合的航迹;否则判为错误融合的航迹。
漏跟:真实航迹存在, 但结果始终无航迹。
误跟:融合航迹误差过大, 判为不正确融合航迹。
失跟:以前的仿真时刻, 针对该目标的航迹断续存在, 但是该仿真时刻航迹点是丢失的。
(2) 航迹跟踪
对航迹的跟踪和监视, 形成连续的目标航迹的能力。衡量航迹跟踪的关键参数包括航迹跟踪精度、航迹跟踪目标容量、目标稳定跟踪概率、漏跟率、失跟率、误跟率和航迹处理时延。
航迹跟踪精度:各航迹测量点与真实航迹点位置和速度的方差。
航迹跟踪目标容量:系统能同时处理的目标数量。
目标稳定跟踪概率:正确融合的航迹数的平均值, 该值为正确融合的航迹数量与真实的航迹总数相除结果。
(漏跟、失跟、误跟) 率的定义与目标稳定跟踪概率类似。
航迹处理时延:给出的航迹结果的当前仿真时刻下和所对应的仿真时刻下的航迹点, 计算相对的时延。
2.3 目标识别性能
目标识别指对来自多个信息源的目标属性数据进行组合, 以综合与身份有关的数据进行目标身份识别, 目标识别包括属性识别和状态识别。
此部分强调的是目标的属性。一般情况下, 目标属性包括型号、类别、敌我、军民、国别等信息, 但对于目标识别, 最理想状态是属性填全, 但很多时候目标识别无法填全, 因此, 为便于处理, 建立根据以上优先等级排序并给出细化的目标识别正确率, 包括型号 (目标) 识别率、敌我识别标志 (目标) 识别率、军民识别、平台种类识别率、国家识别率和军种识别率等, 它们均存在有正确识别率和漏识别率。
最后完成对目标的综合识别率, 为各识别率与其权值的乘积相加。
2.4 态势综合性能要素
数据级、特征级的数据融合后实现的决策级态势融合主要包括态势估计和威胁评估两大部分。
2.4.1 态势估计
评估分析主要包括态势提取、态势分析、态势预测以及态势图生成等功能。
(1) 态势要素提取
由不完整的数据集合建立一般化的态势表示, 对前面数据及目标处理产生的情况给出一个合理的解释, 然后通过对复杂战场环境的正确分析与表达, 导出敌我态势的推断以及意图分析等。其主要的指标参数包括要素完整率和提取时延。
(2) 态势分析
主要包括目标及目标群关联、目标分群以及态势生成, 进而对战场目标的行为意图进行判定。其下又包括目标分群和态势生成。
目标分群定义如下:
当前仿真想定下, 真实群数x、融合处理后的群数y, 则目标分群率y/x (任意值, 若大于100%表示误分群;若小于100%表示有漏关联, 但即使是100%, 也有可能有错分群) ;
目标分群正确率:对某个特定的目标群, 如果本应成群, 却判断为不成群正确分群率为0%;或本应不分群, 却判断为成群, 则正确分群率为0%;
相互关系分群正确率:融合目标群内包含m个目标, 其中p个目标包含在n个真实目标群中, 相互关系分群正确率则是p/n。
态势生成通过前面的数据融合生成的目标态势、区域态势进而产生整个战场的综合态势, 从而为指挥决策部门提供全方位多层次的战场态势服务。衡量其主要的指标参数项包括态势匹配度/态势完整性、态势置信度、态势生成时延和态势刷新时间。
(3) 态势预测
就是对形成战场态势的各目标以及目标群未来位置的预测, 此外, 通过仿真系统推演对战场态势进行预测估计, 主要包括目标未来位置推理以及态势推演的功能。衡量其主要的指标参数项包括意图分析准确率和预测超前时延。
(4) 态势图生成
在对战场目标等进行了一连串的处理基础之上系统自动生成战场态势, 并满足不同的战场态势显示需求进行分级分类分层显示, 包括战略、战役以及目标、目标群的显示功能。衡量其主要的指标参数项包括态势要素展示完整性、态势图响应时间、态势图刷新时间。
2.4.2 威胁评估
威胁评估主要是分析我方和敌方力量的薄弱环节, 对我军和敌军的编成估计、危险估计、临近事件的指示和预警估计等, 主要包括威胁判断、威胁等级评估以及辅助决策等。其中, 对威胁判断、威胁等级评估的指标参数项包括威胁等级匹配度和威胁告警时间, 辅助决策包括仿真推演、效能评估和侦察预案制定几个方面。
3 效能评估的评价体系
效能评估的评价体系的3个具体目标包括全面覆盖指标体系的各方面属性、能够对各方面属性进行综合评价与比较、能够根据评价结果找出可能存在的问题。根据以上目标, 信息融合系统评价体系框架如图2所示。
图2 系统评价体系示意图 Fig.2 Block diagram of evaluation system 下载原图
指标体系中各指标的评价确定必须遵循先进性、合理性、完备性、准确性和可达性原则[7]。
先进性:随着新技术的发展, 侦察设备对目标的探测侦察监视能力急需提高, 采用适用于新体制、新技术的指标体系可以有力提高系统的作战能力。
合理性:任何工程都不是一蹴而就的, 需要进行科学部署, 在顶层统一设计的指导下, 合理安排投资强度, 根据需求紧迫程度和技术实现的可行性分析, 分步实施, 不断完善, 分阶段实施是提高大系统效能的最佳途径。
完备性:指标体系的架构必须全面、完备, 全方位反映评估对象的性能属性。
准确性:每一项指标的设计都必须准确, 准确可信的指标是评估结果正确的有力保障。
可达性:在指标设计中必须考虑操作者能力的差异以及会受到某些因素的干扰和限制的问题, 确保系统的适用范围。战场联合感知系统一般都在极其恶劣的环境 (地理环境和电磁环境) 条件下探测、侦察、监视敌方电磁信号, 并从中提取对我方有用的情报信息, 因此必须充分考虑其可行性、环境适应性、可靠性、使用性等要求。
4 评价体系与指标体系的关系
指标体系是需要考核的指标因子集, 评价体系是以一定的目标、需要和目的为准绳的价值判断过程。两者应从不同角度实现对效能的全面考核, 评价体系与指标体系的关系如图3所示, 图中横坐标内容参见图2, 纵坐标内容参见图1。
图3 指标体系与评价体系的相互关系示意图 Fig.3 The relationship between index system and evaluation system 下载原图
5 结束语
本文在分析相关理论的基础上, 建立了一个科学完备且相对全面的基于多源数据融合技术的情报侦察系统的效能评估指标体系, 并对各性能要素和指标参数进行了定义和描述, 建立了评价体系框架, 并将评价体系和指标体系有机结合, 丰富了多源数据融合情报侦察系统效能评估相关理论和方法, 可指导和规范多源数据融合情报侦察系统的效能评估工作, 为正确、客观评价系统综合性的动态效能提供依据。但在实际作战过程中效能评估不仅仅是对系统本身性能的描述, 而且它与作战环境、系统布局等都有密切的关系。接下来的工作是进一步研究情报侦察系统的工作实现原理, 以提炼出更丰富的指标, 使得评价体系更加全面可信。