李冯敬， 姚佩阳， 唐 剑， 张杰勇

(空军工程大学电讯工程学院，西安 710077)

0 引言

现代战争中，各种反侦察、反干扰等手段的大量使用，战场信息呈现出不完整性和不确定性，因此如何有效识别敌通信系统中的关键节点、重要目标，并迅速对目标的干扰优先等级作出评估是目前通信对抗指挥决策中必须要解决的关键问题。当前依靠人工智能辅助决策的方式对目标干扰优先等级的评估成为主流趋势，而在此基础上应用各种模型算法解决这一问题，可以有效地提高评估的速度和准确性。

目前，各领域评估问题的研究方法很多，如文献［1－2］中提出利用神经网络建立评估模型，并取得了预期效果。但由于神经网络本身是一种迭代算法需要对网络进行训练，因此难以满足在实时战场环境中对目标干扰优先等级做出快速评估。贝叶斯网络作为一种综合利用概率论和图论进行不确定性分析和推理的有效工具，与其他算法相比，不但具有坚实的数学理论基础，同时具有直观的知识表示形式，能方便快速地处理不确定信息间的因果关系，且算法简单，运算量少，收敛性和实时性较好［3－4］，目前已在战场目标识别［5］、态势评估［6］和威胁估计［7］等领域广泛应用。由于现代战场环境存在大量的不确定性因素，因此对目标干扰优先等级的评估必定是一个概率行为，而贝叶斯网络正是在非完全信息条件下进行不确定性推理的一种有效手段［8］，可用于解决通信对抗目标干扰优先等级评估的问题。……