Tactical Intent Recognition of Complex Air Targets Based on PACA

doi:10.3969/j.issn.1009-086x.2024.03.006

Abstract

Abstract:

In view of the dynamic nature of air target track， time sequence variation and multiple intentions in battlefield， this paper proposes a recognition method based on end-to-end generic attribute learning， which is used as the basic framework of intelligent multi-intention recognition model. By integrating the time sequence features and attribute characteristics of the target track， the unified input coding information is compressed and modified to encapsulate the knowledge and experience of experts as labels， and the commander's thinking mode of wartime situation judgment is learned to eliminate the interference factors brought by its concealment， deception and confrontation， so as to obtain the complex tactical intention of the specific target. Through the simulation experiment， the common multi-classification evaluation system is used to analyze the influence of the end-to-end training method on the results， and the comparison analysis with the relevant methods shows that the proposed algorithm is more effective and valuable for multi-intention recognition， and can be used to support the establishment of the correlation between non-cooperative targets and defense important places in the combat planning system.

Key words: tactical intention recognition, temporal features, multi-label classification, air target, end-to-end probabilistic label specific feature learning for multi-label classification（PACA）, track sequence

摘要：

针对战场中空中目标航迹动态性、时序变化性及意图多样的特性，提出一种基于端到端类属属性学习的识别方法，作为智能多意图识别模型的基本框架。融合目标航迹中的时序特征及属性特点，通过压缩及修正预处理统一输入编码信息，封装专家的知识经验为标签，学习指挥员战时情况判断的思维方式，消除其隐蔽性、欺骗性和对抗性所带来的干扰因素，得出特定目标的复杂战术意图。通过仿真实验，采用常用多分类评价体系分析端到端训练方式对结果的影响，以及与相关方法的对比分析表明，所提算法针对多意图识别更具有效性和参考价值，可用于支撑作战筹划系统建立非合作目标与保卫要地的关联关系。

关键词: 意图识别, 时序特征, 多标签分类, 空中目标, 面向多标签分类的端到端类属属性学习, 航迹序列

CLC Number:

E917

Xiaocheng SONG, Shuting FENG, Tao JIANG, Zhi LI. Tactical Intent Recognition of Complex Air Targets Based on PACA[J]. Modern Defense Technology, 2024, 52(3): 48-54.

宋晓程, 冯舒婷, 姜涛, 李陟. 基于PACA的复杂空中目标战术意图识别方法[J]. 现代防御技术, 2024, 52(3): 48-54.

Figures/Tables 6

Fig. 1 Air target intention representation and prediction process

Fig. 2 Sample visualization examples and their corresponding tag values

Fig. 3 Air target track

Fig. 4 PACA target operational intent identification flow chart

Table 1 Number of tracks with different number of tags

携带标签数（个）	1	2	3
航迹数（个）	18 098	1 754	148

Table 2 Performance comparison of multi label classification based on different algorithms

算法	评价指标
算法	HL	RL	Cover	Error	AP
MLKNN^［21］	0.284 5	0.303 5	3.124 5	0.258 3	0.802 4
Googlenet^［22］	0.371 6	0.423 4	4.334 5	0.432 3	0.673 8
C2AE^［23］	0.391 2	0.318 7	2.523 6	0.312 7	0.654 2
LSTM^［24］	0.272 4	0.275 8	2.212 5	0.198 4	0.784 2
本文算法	0.115 2	0.193 4	1.367 3	0.228 3	0.824 5

References 24

1	刘秋辉，崇元. 基于OKNN的目标战术意图识别方法［J］. 现代防御技术， 2021， 49（3）： 73-79， 85.
	LIU Qiuhui， CHONG Yuan. Tactical Intention Recognition Based on Operation Knowledge Neural Network［J］. Modern Defence Technology， 2021， 49（3）： 73-79， 85.
2	乔殿峰，梁彦，马超雄，等. 多域作战下的群目标意图识别与预测［J］. 系统工程与电子技术， 2022， 44（11）： 3403-3412.
	QIAO Dianfeng， LIANG Yan， MA Chaoxiong， et al. Recognition and Prediction of Group Target Intention in Multi-domain Operations［J］. Systems Engineering and Electronics， 2022， 44（11）： 3403-3412.
3	陶景，于淼. 联合作战筹划中的态势评估［J］. 国防科技， 2018， 39（4）： 119-122.
	TAO Jing， YU Miao. A Brief Discussion on the Situation Assessment in Joint Operational Planning［J］. Defense Technology Review， 2018， 39（4）： 119-122.
4	SONG Guibao， LIU Zhenyu， LIU Tie， et al. Research on the Method of Warship Formation Threat Assessment Based on Structural Contribution Degree［J］. Journal of Physics： Conference Series， 2021， 1861（1）： 012066.
5	奚之飞，徐安，寇英信，等. 基于PCA-MPSO-ELM的空战目标威胁评估［J］. 航空学报， 2020， 41（9）： 211-226.
	XI Zhifei， XU An， KOU Yingxin， et al. Target Threat Assessment in Air Combat Based on PCA-MPSO-ELM Algorithm［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）： 211-226.
6	祝学军，赵长见，梁卓，等. OODA智能赋能技术发展思考［J］. 航空学报， 2021， 42（4）： 10-19.
	ZHU Xuejun， ZHAO Changjian， LIANG Zhuo， et al. Thoughts on Technology Development of OODA Empowered with AI［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 10-19.
7	CHEN Wei， LI Qin， ZHANG Di， et al. Research on Fighter Tactical Intention Recognition Based on Air Combat［J］. DEStech Transactions on Engineering and Technology Research， 2017： 14770.
8	尹翔，张萌，陈梦乔. 基于判别分析的空中目标作战意图识别［J］. 弹箭与制导学报， 2018， 38（3）： 46-50.
	YIN Xiang， ZHANG Meng， CHEN Mengqiao. Combat Intention Recognition of the Target in the Air Based on Discriminant Analysis［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2018， 38（3）： 46-50.
9	QING Jin， XIANTAI Gou， WEIDONG Jin， et al. Intention Recognition of Aerial Targets Based on Bayesian Optimization Algorithm［C］∥2017 2nd IEEE International Conference on Intelligent Transportation Engineering （ICITE）. Piscataway， NJ， USA： IEEE， 2017： 356-359.
10	陈霞. 基于贝叶斯网络的防空目标攻击意图评估［J］. 舰船电子工程， 2014， 34（6）： 52-55.
	CHEN Xia. Air-Defense Target Attack Intension Assessment Based on Bayesian Network［J］. Ship Electronic Engineering， 2014， 34（6）： 52-55.
11	XU Linxuan， QIAO Dianfeng， LIANG Yan， et al. A Novel DBN-Based Intention Inference Algorithm for Warship Air Combat［C］∥2020 IEEE 9th Joint International Information Technology and Artificial Intelligence Conference （ITAIC）. Piscataway， NJ， USA： IEEE， 2020： 916-921.
12	周旺旺，姚佩阳，张杰勇，等. 基于深度神经网络的空中目标作战意图识别［J］. 航空学报， 2018， 39（11）： 195-203.
	ZHOU Wangwang， YAO Peiyang， ZHANG Jieyong， et al. Combat Intention Recognition for Aerial Targets Based on Deep Neural Network［J］. Acta Aeronautica et Astronautica Sinica， 2018， 39（11）： 195-203.
13	欧微，柳少军，贺筱媛，等. 基于时序特征编码的目标战术意图识别算法［J］. 指挥控制与仿真， 2016， 38（6）： 36-41.
	Wei OU， LIU Shaojun， HE Xiaoyuan， et al. Tactical Intention Recognition Algorithm Based on Encoded Temporal Features［J］. Command Control & Simulation， 2016， 38（6）： 36-41.
14	刘钻东，陈谋，吴庆宪，等. 非完备信息下无人机空战目标意图预测［J］. 中国科学（信息科学）， 2020， 50（5）： 704-717.
	LIU Zuandong， CHEN Mou， WU Qingxian， et al. Prediction of Unmanned Aerial Vehicle Target Intention Under Incomplete Information［J］. Scientia Sinica（Informationis）， 2020， 50（5）： 704-717.
15	ZHOU Tongle， CHEN Mou， WANG Yuhui， et al. Information Entropy-Based Intention Prediction of Aerial Targets Under Uncertain and Incomplete Information［J］. Entropy， 2020， 22（3）： 279.
16	葛顺，夏学知. 用于战术意图识别的动态序列贝叶斯网络［J］. 系统工程与电子技术， 2014， 36（1）： 76-83.
	GE Shun， XIA Xuezhi. DSBN Used for Recognition of Tactical Intention［J］. Systems Engineering and Electronics， 2014， 36（1）： 76-83.
17	胡剑光，吴晓锋，冷画屏. 海战场对敌战术意图序贯识别技术研究［J］. 舰船电子工程， 2007， 27（3）： 8-12.
	HU Jianguang， WU Xiaofeng， LENG Huabing. Sequential Tactical Intention Assessment to Foe Technology Research in Marine Battlefield［J］. Ship Electronic Engineering， 2007， 27（3）： 8-12.
18	滕飞，刘曙，宋亚飞. BiLSTM-Attention：一种空中目标战术意图识别模型［J］. 航空兵器， 2021， 28（5）： 24-32.
	TENG Fei， LIU Shu， SONG Yafei. BiLSTM-Attention： An Air Target Tactical Intention Recognition Model［J］. Aero Weaponry， 2021， 28（5）： 24-32.
19	HANG Junyi， ZHANG Minling， FENG Yanghe， et al. End-to-End Probabilistic Label-Specific Feature Learning for Multi-Label Classification［C］∥Proceedings of the 36th AAAI Conference on Artificial Intelligence. Palo Alto， CA， USA： AAAI Press， 2022： 6847-6855.
20	宋嘉庚，张扶桑，金蓓弘，等. 基于频繁航路模式的航迹类型识别［J］. 计算机科学， 2021， 48（9）： 59-67.
	SONG Jiageng， ZHANG Fusang， JIN Beihong， et al. On Aircraft Trajectory Type Recognition Based on Frequent Route Patterns［J］. Computer Science， 2021， 48（9）： 59-67.
21	ZHANG Minling， ZHOU Zhihua. ML-KNN： A Lazy Learning Approach to Multi-label Learning［J］. Pattern Recognition， 2007， 40（7）： 2038-2048.
22	SZEGEDY C， LIU Wei， JIA Yangqing， et al. Going Deeper with Convolutions［C］∥2015 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway， NJ， USA： IEEE， 2015： 1-9.
23	YEH C K， WU W C， KO W J， et al. Learning Deep Latent Space for Multi-label Classification［C］∥Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence. Palo Alto， CA， USA： AAAI Press， 2017： 2838-2844.
24	欧微，柳少军，贺筱媛，等. 战场对敌目标战术意图智能识别模型研究［J］. 计算机仿真， 2017， 34（9）： 10-14， 19.
	Wei OU， LIU Shaojun， HE Xiaoyuan， et al. Study on the Intelligent Recognition Model of Enemy Target's Tactical Intention on Battlefield［J］. Computer Simulation， 2017， 34（9）： 10-14， 19.

[1]	Cheng SHANG, Zhiming XU, Yang ZHANG, Kaiyu ZHANG, Qihua WU, Yiqi ZHU, Xiaofeng AI. Design and Realization of an Dynamic Electromagnetic Scattering Data Simulation System for Air Target [J]. Modern Defense Technology, 2024, 52(2): 163-171.
[2]	Zhe LI, Yiqi TONG, Wenbo XIA, Yuxin YING. A Multi-source Centralized Air Target Classification Method [J]. Modern Defense Technology, 2023, 51(4): 53-62.
[3]	Zhi-yuan CHEN, Di SHEN, Fu-ping YU, Rui-si TAN, Tian-yu YANG, Yi-heng HUANG. Air Target Comprehensive Identification Method Based on Airspace Coordinating Measures [J]. Modern Defense Technology, 2022, 50(3): 61-77.