数据驱动的态势认知技术及发展思考

2022 年 7 月 12 日 专知

首先由态势处理技术发展的历程，深入辨析了感知和认知技术内涵；然后面向实体、活动及相互作用关系的识别、理解与分析研判的能力需求，以体系对抗的视角提出了态势觉察、态势理解、态势预测和态势评估4个循环迭代的态势认知核心处理环节；最后结合认知计算技术发展，分析了数据驱动下态势认知4个环节未来技术发展的脉络、重难要点，并给出了该领域技术路线选择的思考。

智能技术飞速发展，泛在网络支撑下的智能感知和打击装备的普遍运用，催生了智能化作战体系的雏形，对传统的作战体系形成了更加强烈的冲击［1］。随着作战样式、作战空间和作战节奏的变化，战争对抗形态的变化对态势认知能力提出更高要求。面向瞬息万变的复杂的体系化作战，指挥信息系统在态势认知的广度、深度和速度，及研判预测准确性、可靠性等方面面临挑战。从作战指挥内在需求看，态势认知是新一代指挥信息系统的必备能力。高度对抗的战场环境下，分布式智能自主决策的装备大量部署，战争资源敏捷最优化调度，加速了战场OODA 嵌套环路的迭代。对战场全面精准觉察、判明战场态势是指挥决策和行动的先决条件，缜密迅速的战局预测和对抗效果评估，是支撑作战筹划、机动部署和遂行任务效率提升的基石。联合作战指挥员对态势认知提出了多维战场感知、深度洞察理解、战局演进预测以及对抗效果评估等深度认知［2］方面的能力需求。从数据分析使能技术看，新兴技术发展为态势认知能力提供了新的发展途径。随着军队数字化转型工作持续推进，数据已然提升到“作战要素”的高度，技术推动了作战能力增值、业务模式重构。当前以机器学习为代表的人工智能新技术日新月异发展，与作战业务活动融合，其叠加效应、倍增效应正通过大数据技术及集成应用快速释放。互联网、物联网、云计算、区块链等数字化技术发展，在数据挖掘、关联分析知识图谱等智能计算技术推动下，赋能趋势预测、形式研判、辅助决策等战场应用［3］。由此可见，数据发现和有效利用是态势认知的重要基础。对抗条件下非合作方式获取的数据，呈现残缺不全、隐真示假和高维开环等特征，同时多方威胁引发数据安全保密手段的竞争性加固，加剧了数据发现的难度。发现战场数据潜在关联特征，拓展感知的维度和深度，提升数据利用率，是支撑深度透析的基础，包括三个方面的技术。

1) 基于数据提炼知识。从历史记录数据、武器装备功能性能、战法规则结合持续积累的战场主体活动模型数据、虚实对抗的模拟数据，从中获取军事实体、活动的知识，研究知识体系结构，知识提炼方法和知识演化机制，构建可持续演进的态势认知的知识体系。

2) 基于数据驱动认知。综合融合当前观测的多元态势数据，结合先验知识数据，识别战场实体的属性和关系，预测对手的作战企图，评估其威胁影响范围，生成多粒度态势。

3) 基于数据构造环境。利用实时获取的战场数据，驱动战场实体的行为模型，引入交战环境数据，构造数字孪生战场，形成复杂对抗条件下的态势研判推演平台，支撑全流程的态势认知活动。