空战智能态势评估技术研究与展望
自20世纪70年代以来，以美国为代表的西方军事强国对态势评估（SA）进行了广泛研究，已经取得了一系列研究成果，如美军的陆军分析系统（TCAC）、战场开发与目标获取（BETA）、Kirillov的基于规则的专家系统模型等。
进行空战态势评估是进行威胁评估、目标分配和机动决策的前提条件。由于现代空战中目标机动性的增强和战术意图的不确定性增大，如何在复杂空战环境下准确进行态势评估，帮助飞行员做出正确决策，成为目前研究的热点。
随着新型武器装备的快速装备运用，以及理论战法的创新使用，空战环境日趋复杂，发展智能态势评估系统，满足飞行员对空战态势评估的质量和可靠性的要求，已经成为共识。特别是在分布式空战中，智能态势评估系统收集和处理的数据呈现指数级增长，并且不同飞行员对态势的需求是不一致的，特别是受到敌方干扰等影响，态势评估趋于复杂，对系统的要求也越来越高。现有的态势评估系统在计算能力、准确性、可靠性、可视化等方面难以满足现有空战发展需求。构建一个高效的智能态势评估系统，增强对空战复杂环境的态势感知能力已成为当前的研究热点。通过态势感知，可以获得对整个战场态势的准确把握，并根据态势评估结果进行态势运用，为提高空战的智能化调整和控制水平提供支撑。
空战智能态势评估技术研究与展望
智能态势评估的内涵
态势评估作为数据融合领域的一种新概念，目前并没有形成统一的定义，各种文献针对不同的空战环境，给出的概念也不尽相同。但被大多数人所接受的一种理解是：态势评估是指在特定时空环境中的要素感知，并给予要素理解，估计态势在未来一段时间内的发展趋势。
为了适应复杂空战环境下态势评估的要求，使空战态势评估从单独评估当前时刻静止态势，割裂个体和群体之间的态势关系，逐步向群体之间态势评估，并且能够根据当前空战态势预测未来一段时间的空战态势，为飞行员决策提供支撑。空战智能态势评估技术需要实现以下目标：对空战环境进行实时态势评估，准确快速判断己方当前所处态势，并基于己方态势的历史状态记录，为己方飞行员或指挥员提供较为准确的空战态势发展趋势；具备超前预测功能。即在某一个重大态势转折点发生之前，能够给飞行员提前预测，为飞行员制定合理的攻击策略和防御措施提供依据，做到提前防范和应对；通过采用先进智能算法，如监督学习、强化学习、遗传模糊树算法等，使态势评估系统能够具备自学习和自适应能力，而且可以智能评估空战态势，实现空战态势评估的智能化；能够根据态势评估结果，动态灵活的产生各种指令，让飞行员进行相应调整和控制，使空战态势朝着有利于己方方向发展。
智能态势评估关键技术
在复杂空战环境中，飞行员要根据当前空战态势的变化情况，准确的进行决策，这就需要创立一个系统化、层次化、集成化的态势评估模型，对来自各个方面的多源信息进行融合，以实现对空战环境的态势评估、实现对于未来的态势发展的超前预测，并进行态势表达，以此为基础实现态势运用。
态势感知技术是根据己方合理配置信息探测工具，以获取所需要的数据。态势感知技术主要包括：探测设备优化配置技术、数据分级管理技术、复杂环境下探测系统重构技术。
空战实际数据是智能态势评估系统进行态势感知的基础，通过机载探测设备和数据链系统完成多源信息的采集，通过某种规则进行组合，为态势理解、预测、表达、运用提供支撑。
但是，现有的复杂空战环境下，各种探测设备难以对整个空战实际数据进行采集，即并不能保证态势感知的完整性。因此，对于空战双方而言，如何利用有限的探测资源，得到尽可能多的、有效的空战数据，以提高态势感知的实时性和准确性，为空战态势评估打下坚实基础。所以，空战态势感知技术的核心就是考虑实际探测系统性能，综合考虑信息获取精度、可靠性、鲁棒性和数据安全等多个方面，实现对探测资源的合理分配和使用，通过各种探测设备混合配置，增强探测系统的鲁棒性。
态势理解是对空战环境的等能力进行评估，获取所收集数据中蕴含的潜在信息。态势理解技术主要包括：分布式的多源信息融合技术、分布式的多源信息预测技术、态势评估系统的生存能力和灵活性技术、态势评估系统的云计算技术。其中，分布式的多源信息融合和预测技术是态势评估系统的基础工具。
为了处理海量数据，需要开发计算速度快和数值稳定的高性能算法，也需要考虑以下方面的内容：高精度的状态估计、探测系统和数据链所得信息的不确定性、空战态势模式识别和战机参数辨识。
态势评估系统的生存能力，主要是指面对突发自然气象条件、己方探测设备降低效能和敌方进行电子干扰时对空战态势的负荷处理能力和恢复能力，可以理解为态势评估系统主动采取措施保证系统的运行状态，恢复系统的负荷计算能力。
态势评估系统的灵活性，是指在性能约束和时间约束条件下，态势评估系统快速有效的调用现有资源，快速响应空战态势变化，调整空战关键影响因素的能力。灵活性可以充分考虑到战场态势的变化情况，无论态势评估系统负荷多少，都可以在规定时间内得到需要的结果。
可视化技术能提高飞行员决策的效率和准确度
随着空战环境日趋复杂和作战模式的变化，空战态势评估系统需要收集大量数据，并进行实时处理，而分布式作战理论的发展，数据链的接入，必然会为空战态势评估系统提供更多数据。在如此复杂的数据中，如何对数据进行预处理，整理、分选、融合、挖掘，从中获得实时精准的态势信息，并且深入挖掘内在的潜在内容，是态势理解技术应用的重要内容。
态势估计技术，也叫态势预测技术，就是对空战环境中各种态势因素，如角度、距离、高度、轨迹、作战意图的变化进行预测，对空战态势的风险等级进行评估和预警，并进行有机结合，最终形成空战战场综合态势图。态势估计技术主要包括：态势因素分级预测技术、不确定性因素影响预测技术、随机性因素影响预测技术、空战战场态势分析和风险预警技术。
在进行态势估计时，需要充分考虑空战态势评估系统的运行机理和时空相关性，各作战单元的建模和辨识，并估计不确定性因素对态势评估的影响。
实际空战过程中，由于受探测设备能力限制，数据链传输限制、复杂自然条件限制和敌方采取的各种欺骗、干扰措施的限制，实时获取完备的空战态势信息是不现实的。加强各作战单元之间的信息共享，提高探测设备的探测能力和抗干扰能力，有助于及时准确把握空战战场态势，为飞行员及时发现威胁，作出相应机动决策，提高战场生存能力，赢得空战胜利提供必要条件。
态势表达，也称态势可视化，是态势评估发展的高级阶段。空战态势的可视化是一个从单纯数据到抽象信息，再到获取认知的过程。在作战过程中，飞行员对图形的敏感程度远远大于对数据的敏感程度，采取传统的文本方式，无法给飞行员提供一个直观的空战态势，而态势表达技术可以将大量抽象的数据变成图形，形成态势分析建议并制作态势图，采用不同表现形式，使得飞行员可以直观了解当前空战态势和未来发展趋势，提高飞行员的决策效率和准确度。因此，研究融合多源信息的空战态势可视化技术，具有十分重大的意义。
目前，各国在态势可视化方面都取得了一定成果。著名的如美国海军研究所管理的虚拟现实实验室开发的“龙”战场可视化系统，该系统采用三维的方式来显示战场信息，这些信息可以在指挥官和参谋人员之间进行信息共享。该系统可以接受相应的情报信息，并且可以定期更新战场可视化信息，用户可以通过代入场景来获得更好的战场态势体验，并查询相关信息。
与传统空战相比，随着第四代空空导弹、智能无人机和隐身飞机的大量使用，电子战能力的广泛运用，以及体系化、一体化空战的发展，战场态势更加复杂，这对态势可视化技术又提出了更高的要求。空战不再遵循统一的框架，态势图不再是战斗机之间简单的静态对抗，如何借助计算机技术，形成能够快速识别和感知的动态态势结构是未来的研究方向。此外，如何将多源数据的显示有机结合起来，确定态势显示的标准和规范，提高显示的互操作性和准确度，增强人机交互能力，这都是态势可视化技术下一步需要着重关注的问题。
态势运用是在态势评估的基础上，实现对空战态势朝着有利方向进行的动态调整和控制。空战智能态势运用技术的关键是如何现实飞行员、态势评估系统、作战飞机和多元用户之间的协同配合，明确各自在态势运用中的作用以及相互配合。智能态势运用技术主要包括：智能目标分配技术、智能路径规划技术、智能战术选择技术。
目标分配，即在满足技战术指标、作战任务要求、武器性能约束和战机战术使用等前提下，将不同位置、价值和威胁的目标合理的分配给编队中的战机，使得整体作战效能最优，损失最小。
隐形战机、无人机、新一代导弹的应用将增大态势评估的复杂性
但是，现有的目标分配算法存在以下缺陷。一是不考虑信息传输延迟和信息的正确性。实际上任何通信系统必然存在延时，而且随着电子战的运用以及通信设备的能力限制，所得的信息不一定是完整的，甚至不一定是正确的。二是全局信息依赖大。现有的目标分配系统过分依赖全局态势信息，一旦态势信息出现延迟和错误，所得的目标分配结果必将和实际战场态势产生误差。三是限制条件大。为了提高目标分配的实时性和准确性，现有算法都会有比较多的假设条件，这严重降低了算法的通用性，不适合空战的复杂作战环境。
从空战现状和未来发展趋势出发，当前应着重聚焦小规模机群编队间的目标分配，重点在于威胁评估的准确度和区分度，协同攻击时的战术使用问题和多目标攻击时的体系兼容问题。从长远来看，分布式目标分配算法是趋势，通过采用各种群智能算法，解决目标规模和态势变化的影响，提高目标分配的实时性和准确度。
传统的路径规划方法包括遗传算法、人工势场法、粒子群算法、蚁群算法和A*算法等，但是均存在相应不足，如遗传算法实时性不够好，需要占据很大的存储空间；人工势场法容易陷入局部最优而不能达到最佳的规划效果；粒子群算法由于搜索空间有限，容易陷入局部最优等。
智能路径规划技术的目的就是基于某一指标函数，为己方飞行员规划路径提供参考，使作战飞机按照该路径执行，将机动决策产生的结果变成飞机的飞控系统能够理解的轨迹指令或者导航指令，从而实现决策目标。
国外学者很早就对空战战术决策理论进行了研究，并提出许多方法，如矩阵对策法、专家系统法、影像图法、神经网络法和微分对策法等。
战术选择本质上是空战决策，而智能战术选择系统就是通过人工智能，构造一个模拟飞行员决策思维的系统，能够根据最终实现智能决策和辅助决策。随着人工智能的飞速发展和相应算法的飞速发展，面对各种与空战态势相关的参数，经历态势感知、态势理解、态势预测和态势可视化过程，智能态势评估系统能够给飞行员提供战术选择决策支持，减轻飞行员的反应时间和思维负担。
结 语
到目前为止，态势评估技术的智能化程度还不够高，其核心技术，如多源数据融合技术、大数据处理技术、模式识别技术等尚未取得实质性突破，尤其是针对态势估计技术的研究，由于缺乏对空战决策机理的研究，估计结果的准确度难以得到保证。如何将态势评估的各种技术进行融合，并与态势运用技术相互配合，实现功能一体化是未来空战的关键。