康维维

（中国电子科技集团公司第十研究所，四川 成都 610000）

1 几种典型的电子目标间业务关联关系

1.1 通联关系

在信息化军事活动过程中，所有目标对象都不是孤立一个节点，目标要完成通信、识别、导航等业务动作，必须通过各种通信网络与配套对象进行消息互通，一般采用的通信手段包括电台通信、卫星通信、数据链、IFF、塔康等。这样目标对象之间通过各种类型的信号构成了通联关系网络。通过对战场信号的截获、处理和分析，可获取信号之间的通联关系，挖掘信号中隐含的目标通联关系。

图1展示了某无人机工作过程中与地面站、卫星及预警机等对象的通联关系示意图。

图1

1.2 指挥引导关系

在军事活动中，因为对象之间存在上下隶属、业务指导和数据牵引的约束要求，所以相关目标之间往往通过通信手段来完成直接或间接的指挥操作，便于上级目标对象完成指令和信息的传达，下级目标对象接收指令，遂行战斗任务，及时反馈状态信息。如：指挥中心向下级部队下达作战指令；预警机向战斗机、无人机传递打击对象信息；机场塔台向飞机发出驻泊注意事项等。所以可见指挥引导关系基础是来源于通联关系，但因为业务场景的特殊限制，这种关系链路上承载的数据流向有明显的指向性。

1.3 协同组网关系

在军事活动中，大量存在由于任务规模、时空条件、功效限制以及其他外部因素，常需要多个目标对象为完成军事任务同步/异步开展配合和协作，此类行为往往具有以下特点：（1）相互配合的目标对象种类相同、相似或者功能同质化，如：一批多架次的反潜机共同前出侦察；X国沿海多个对海雷达站为全面跟踪侦察一个敌方目标采取组网模式进行监视（接力/共视/协同）。（2）基于军事动作的及时性和完成度要求，协作组网的目标对象往往在时间/空间以或者电磁辐射属性特征上具有高度的相近，如：电子干扰机同一时间远程支援战斗机进行突防；航母编队内层的多艘驱逐舰长期肩负近程防空反导，保卫航母的任务。以下将针对电子目标这三种典型的关联关系如何分析获取展开描述。

2 电子目标典型关联关系的综合分析方法

2.1 基于累积功率值聚类和主成分分析的目标通联关系分析

众所周知，在真实的电磁战场环境中，由于大部分被侦察的通信网络都是非合作的，且普遍采用了跳频/扩频信号并从下而上层层加密(从物理层到链路层、网络层、传输层等)，导致即使完成信号解调后仍然难以通过逐层推算解密的方式获取准确的通信情报内涵，因此，需要尽可能地绕开对这些加密手段的解码，尝试基于物理层特征信息来识别上层通联关系。通过研究发现，目标之间通信时的功率累积量对比其未进行通信时的数值是偏大的（因为在未进行通信时，网络中各节点只需交换必要的网络维护信息，所以其天线发射功率较低），并且通信发起方与接收方的功率累积量也有显著不同，这样就可以进一步推断出不同通信行为的各节点组成的功率累积值的向量一定存在较为明显的特征区别，所以针对这一数据特点，可尝试采用k-means算法等聚类算法对各侦察时刻的累积功率进行聚类积分，形成累积功率信息，判断哪一侦察时刻是否有通信行为发生，并基于主成分分析方法，完成对指定网络通联关系的识别。其分析实现流程图如图2。

图2

（1）首先，加载待观察的辐射源信号形成网络节点功率谱，通过分时积分形成目标节点累积功率信息矩阵。（2）进一步计算观察时间段内节点累积功率信息矩阵X的协方差矩阵A，利用该矩阵旨在评估节点之间的相关性，即是否存在通联行为。（3）基于主成分分析法,再将A的特征向量按照特征值大小进行排列组合，选择特征值占比大于95%以上的前k个特征值（k为网络中通联关系数量）。（4）最终获取的最大节点组即是存在通联关系的目标节点集合。

2.2 基于因果校验的目标指挥引导关系分析

电子目标之间的指挥关系如果没有内涵情报的辅助支撑，即使掌握了其间的通联行为，也很难从通联关系中直接获取，一般而言，出入度比较高的节点（边比较多）是指挥节点的概率相对较高，但是，在真实网络中，这样的节点可能充当中继或者路由的作用，并非是指挥节点，如卫星。所以换一种思路，我们可认为普通节点与指挥节点之间的互动关联是一种基于某种因果关系或者相反的关系，比如，自顶向下，普通节点往往接收来自指挥节点的信息，并受其控制做出对应的举动；又或者自下而上，指挥节点基于接收下级普通节点的反馈从而产生控制下级普通节点的行为。

因此，我们可先利用通联关系或者其他未定性关联关系构建分析对象的贝叶斯网络，这其中的网络结构用于表示网络中节点之间的概率依赖关系和条件独立关系，具有相对清晰独立的因果关系和语义特征；而网络中每个节点所自带的网络属性参数则映射该节点所对应父节点集的条件概率分布表，如频繁的时序关系，这是用于量化表征节点和其父节点集之间的依赖程度，同时也可作为是网络中节点间不确定性的度量，得到多轮计算后的候选结果集后，再利用因果推断来分析目标节点间活动的潜在因果关系，推理出可能的指挥关系节点。整个分析逻辑流程图如图3。

图3

（1）首先采用多目标的时序模式分析得到各目标节点之间的频繁时序模式。（2）根据得到的频繁时序模式，可以得到目标之间经常出现的模式，一旦两个节点之间存在某种频繁模式，认为它们存在某种依赖关系。（3）然后采用IDA算法来分析他们的因果关系，如目标A和目标B之间存在因果关系，则认为A和B之间可能存在指挥关系。（4）然后，再根据外部情报资料来辅助研判或修正，最终得到可信度较高的目标之间指挥引导关系。

2.3 基于概率非负矩阵分解算法的目标组网关系分析

虽然现实世界中的军事活动是一个交互无处不在且极其复杂的网络，但通过很多事后研判分析表明，很多看似毫无关联的、形态迥异且时空无法严格对准的真实网络存在高度相似的拓扑结构，它们的度分布大多遵循幂律分布且具有小世界特性，并呈现出非常明显的“社区”结构，也就是说：该网络中存在多个由节点内聚形成的子网络，单个子网络内部的节点间连接较为频繁，而不同子网络的节点之间的互动相对稀疏。这就是军事网络模块化与异质性的真实典型反映，所以我们几乎可以宏观地认为，任何一个军事网络都是由许多不同类型节点各自聚合形成的，而这些高内聚的节点对象（目标）往往具有类似的行为或者存在协作关系，唯一的区别就是复杂度和规模大小。

综上所述，由于军事网络的异质性导致其中每个子网络大小实际可能很不均匀，即整个网络中节点规模大的子网络极少，绝大多数是由十分稀疏的节点组成的小规模子网络。所以，在这种现状下，广泛采用的模块度优化方法将很难保证发现真正最优的子网络集合。所以在本文中，我们将网络（以通联关系为主，固有关系为补充）构建为一个矩阵，并对该矩阵采用概率非负矩阵分解的办法进行组网关系发现。分析实现流程图4。

图4

（1）首先要基于已经获取到的指定目标对象之间的通联关系。（2）进一步将目标简单通联关系作为数据矩阵。（3）采用贝叶斯非负矩阵分解方法NMF对其进行分解，从而得到新的特征空间的基矩阵和节点在该特征空间的系数矩阵，即：隶属度矩阵H。（4）再通过阈值过滤，就可以得到节点属于哪一个网络，基于节点与目标的映射关系可以大概分析得到哪些目标属于一类网络，进而证明其存在组网关系。（5）后续还可以进一步添加业务约束：如隶属相同的战斗单位、种类相近、时空标签接近等条件对已形成组网关系的目标集合进行范围精确缩小。

3 结语

在电磁空间中，利用电磁信号分析电子目标之间的业务关联关系对挖掘掌握敌目标之间的网络拓扑结构、通联建立过程、路由情况、关键节点、信号对应目标的工作模式乃至战场状态分析等有重要的价值和意义。本文综合了电子目标几种典型业务关系的分析方法，可以看到越广泛翔实的业务数据获取将越能对相关分析服务的算法验证和成果孵化带来支撑，数据量的多寡和数据项是否完备会带来对服务关键算法效果的影响风险，除了进一步验证算法并增加对比实验外，还需要对输入数据的来源进行充分调研，并基于数据需求细化业务数据模型，对于确实难以获取的数据或者局部核心属性字段，尽量利用先验知识或者默认经验值进行有效填补，否则暂时舍弃该属性，尽量避免大量空值导致数据过于稀疏。