非完备信息下无人机智能攻防决策技术研究现状与展望(2)

实现无人机自主攻防决策可极大增强多无人机协同作战能力，而非完备信息下的无人机攻防决策，包括非完备信息处理、目标意图预测、多机协同多目标攻击决策等多个环节，是我方无人机群从感知敌方无人机到击毁敌方目标的全过程。其结构如图 1 所示。

图 1 非完备信息下的无人机攻防决策技术原理框图
本文将介绍非完备空战环境信息下的无人机攻防决策技术相关研究的最新进展。首先，针对现代空战信息具有不确定性和不完备性的特点，阐述了空战中非完备信息处理的相关研究进展；然后，为了给无人机有效攻防决策提供基础，介绍了敌方目标意图预测的一些研究成果；接着针对国内外多机协同多目标攻击技术的研究现状进行了分析总结；最后展望了在非完备信息条件下无人机攻防决策技术遇到的挑战及未来的研究方向。
1 非完备信息处理研究现状
由于现代空战战场具有强对抗、强博弈特点，使其具有高度的复杂性，如存在各种噪声、电子对抗和电磁干扰，因此传感器检测到的战场环境数据会受噪声影响，从而与实际战场环境存在一定偏差；同时，由于无人机和地面站所装备的传感器本身存在限制，以及敌机可能会隐藏自身的某些特征信息等问题，使得空战部分特征数据无法获取，从而导致所采集的数据集有部分缺省值，而无法直接使用。常用的非完备信息处理方法可以分为数据补齐法和模型扩展法两类。图 2 给出了这两种方法的处理非完备信息的基本过程。

图 2 处理非完备信息技术路线
数据补齐法主要是采用某种方法，如概率统计方法对不完备信息系统中对象的未知属性值预先进行填补，或删去含有未知属性值的对象，把不完备信息系统转化为完备信息系统。通常利用连续数据前后数值之间的关联对缺失数据进行修补，常用的修补方法有最小二乘法、多项式拟合和贝叶斯方法等。现有研究成果中，利用最小二乘法解决了被动雷达 / 红外复合导引头的数据融合过程中，两个不同采样频率的传感器测量数据时间不同步的问题，通过最小二乘法完成时间对准，对采用间隔的缺失数据进行修补。在分析多传感器数据融合时间不同步和数据率不一致的特点基础上，也有研究人员提出了利用曲线拟合的方法进行时间对准，该方法可以将不同传感器测得的不同采样周期的数据对准到同一时间点上，以便进行特征提取与数据融合。由于贝叶斯网络具有语义的因果关系，根据专家和数据域的先验知识，利用贝叶斯网络可以建立有效的预测模型，通过直接地进行因果先验知识的分析，从而可获得较准确的先验知识进行数据缺失信息处理。