基于多Agent建模的弹道导弹多特征综合识别框架(通讯)

基于多Agent建模的弹道导弹多特征综合识别框架(通讯)

                   田康生¹，  李鸿飞^1，2，金宏斌¹，  吴长飞¹

    （1．卒军预警学院四系，武汉430019;2．中国人民解放军95174部队，武汉430040）

摘要：由于弹道导弹目标特征具有积累时间各异、分类方法繁多、存在干扰等难点，需要系统具备智能、自适应和协作的能力来完成目标的综合识别。在传统综合识别的基础上，提出了一种基于多Agent建模的弹道导弹多特征综合识别框架，构建了Agenl的推理规则库和内部状态库，描述了Agent的处理流程与交互关系。基于Swarm平台仿真验证表明，该框架能有效进行多特征综合识别，给出正确的识别结果。

关键词：弹道导弹；综合识别；多Agent建模；推理规则库；Swarm

中图分类号：TN958. 93   文章编号：1671  - 637X( 2016) 04 - 0001  - 05

0引言

    在弹道导弹防御过程中，弹道导弹的识别是其核心任务，也是实现拦截的基础之一。X波段雷达精度高且能够获取目标的多种特征信息，在识别过程中处于核心地位。由于弹道导弹的综合识别模型和机理都十分复杂，因此构建合理的综合识别框架是问题分析、建模及实现的基础。

    对于弹道导弹综合识别框架问题，许多专家学者都给出解决方案。提出了基于证据理论的目标综合识别模型，模型充分考虑了时间域融合、空间域及专家知识和环境信息，但融合时没有考虑特征的积累时间不同；通过模糊综合评判的方法对特征信息进行加权融合，对特征稳定的情况有较好的识别效果，但没有考虑存在干扰的情况；通过对导弹预警特征的分析，建立了序贯识别系统，重点解决了处理冲突证据的能力，但没有考虑不同特征的可信度和有效性问题；研究了弹道导弹融合识别中不同特征的可信度问题，却没有考虑特征积累时间的差异问题。还有其他学者对时空域融合、综合识别算法、传感器可靠性等综合识别涉及的问题进行了研究。分析以上研究，有3类问题弹道导弹综合识别必须要解决：首先选择特征提取与分类方法并能够对环境自适应；再者要充分利用单特征的时域积累信息及多特征信息进行综合；第三，干扰、杂波等造成的错误识别结果要有较强的容错能力。而传统方法只是部分解决了这些问题，不能满足弹道导弹综合识别的需求。

    多Agent系统能模仿人类专家进行识别时的思维逻辑过程：包括观察、推理、分析和对策。多Agent系统具有智能、自适应、协作的能力，将复杂的综合识别问题分解，并组合这些相对简单的任务实现融合决策。根据弹道导弹综合识别的军事需求，提出了一种基于多Agent的弹道导弹多特征综合识别框架，构建了多特征融合Agent和特征识别Agent的模型、内部状态库和规则库，描述了Agent的处理流程与交互关系。最后通过Swarm平台仿真算例说明了综合识别框架的基本编程结构及其有效性。

1  弹道导弹多特征综合识别框架

    弹道导弹综合识别框架，是参与识别过程的识别单元在模型空问上的逻辑映射。在基于多Agent的综合识别框架中，特征识别Agent和融合Agent是行为主体，是模型基本的、核心的组成元素。在一定状态下，它能对外界事件做出响应，从事各种活动、进行状态转换或激发新的事件。行为是智能体感知环境，与其他智能体和环境进行交互的过程，是响应其环境条件、内部状态和其他驱动事件的活动的集合。不同Agent的相互关系如图1所示。

    在这些Agent中，特征识别Agent完成对单特征的初步识别，多特征融合Agent完成单特征识别结果的融合，这两类Agent及其交互作用是综合识别框架的基础。这两类模型在其他Agent的配合下，完成综合识别任务。通过Agent的结构、推理规则和内部状态三类对Agent进行完整的描述和分析。

2 Agent结构

2.1特征识别Agent模型

    特征识别Agent是综合识别的基本单元之一，根据识别特征的不同将特征识别Agent分为弹道特征Agent，RCS特征Agent，极化特征Agent，一维距离像Agent，二维距离像Agent和微动特征Agent。特征识别Agent模型的结构如图2所示。

    Agent的最大特点是赋予其“智能”识别能力，实现智能识别的前提是系统具备完备的推理策略，也是构建智能系统涉及的核心内容，包括了内部状态库和推理规则库。其中，推理规则库由一系列推理规则构成，用于对特征识别的信息接收、分类、识别等进行处理。结合特征识别的实际，对Agent规则进行如下程序化描述：IF自身状态，任务THEN采取的行动，状态转换。

    不同特征的识别过程基本一致，下面以弹道特征为例说明推理规则库的组成，如表1所示。

推理规则库表示了Agent的推理过程，其中的内部状态反映特征识别Agent的不同状态特征，通过图3所示内部状态转移图可以更直观地了解Agent的运行过程及其与其他Agent的关系。

2.2多特征融合Agent模型

    如图4所示，多特征融合Agent是多特征弹道导弹综合识别的核心，其内部结构和交互关系的有效性直接决定融合效果。其结构与特征识别Agent类似，但其推理规则库比特征识别Agent复杂。

  多特征融合Agent要完成单特征识别信息的时域融合、多特征融合以及威胁目标分类，还有基于威胁目标的资源调度以及对特征识别Agent的反馈，这些都在推理规则库中体现，具体见表2。

多特征融合Agent的内部状态如图5所示。

3  仿真及结果分析

    本文通过Swarm平台对多特征综合识别框架进行了建模。Swarm基于Java语言，是一个高效的、可重用的软件实验平台。Swarm对模型和模型要素之间的交互方式不做任何限制，这使其比StarL ogo，NetL ogo，Re-past的使用更加灵活，也更适合复杂军事系统的建模仿真。图6显示了Java编程结构，Startldentification是整个程序的入口，完成各项初始化和激活各Agent，Iden-tificationObserverSwarm完成图形显示界面，Identifica-tionModelSwarm主要完成不同主体及其行为、执行序列的有机封装，FusionAgent为融合Agent的内容和行为建模，IdentificationAgent为特征识别Agent内容和行为建模，Simulation完成环境的配置。

    仿真背景：1）目标群中的目标数为4，目标1为真弹头；2）识别过程可以获取4种特征，其积累时间分别是1，2，3，1，且起始时间不同；3）每种特征的专家可信度不同。

    下面给出了目标1的4种特征时域识别结果和多特征识别结果。

    基于Swarm仿真是随时间动态进行的，图7截取了仿真前50 s的仿真结果。

    从图中可以看出，框架对弹道导弹综合识别中的多种特征进行了有效的动态处理。在17 s特征4出现了明显的误判，在35～40 s特征1和特征2出现不稳定的波动，但综合识别结果仍保持正确。

4结束语

    本文基于多Agent技术提出一种多特征弹道导弹综合识别结构，充分考虑了综合识别过程中的时序处理、多特征处理及Agent之间的交互问题。下一步工作主要从下面3个方向进行完善：1）对威胁度评价和目标分类表的生成进行研究；2）研究适合多特征综合识别的权重构建方法；3）针对时域和多特征融合对组合方法的需求不同，研究与之相适应的组合方法。