想定模型[1]的建立是為了產(chǎn)生仿真的腳本，通過傳感器對腳本的多次播放進行觀測，對傳感器在可觀測區(qū)域的觀測數(shù)據(jù)(比如實體的行為序列、類型、數(shù)量)進行分析和估計，分析和評估的結(jié)果與腳本進行對比，以此來驗證傳感器模型的有效性，接近腳本的觀測數(shù)據(jù)視為理想的傳感器模型的數(shù)據(jù)輸出。輸出的觀測數(shù)據(jù)作為融合跟蹤和目標識別的原始數(shù)據(jù)輸入,最終為態(tài)勢估計器服務(wù)。

    在面對大規(guī)模條件下虛擬戰(zhàn)場的仿真要求時，如何描述大量存在的各種各樣的實體模型成為一個難點。隨著仿真規(guī)模的不斷擴大，仿真的精度越來越高,要求模型能夠盡可能詳盡地模擬真實世界的概念和對象[2]。為了讓仿真更加貼近現(xiàn)實，如何描述模型之間存在著的各種復(fù)雜關(guān)系等問題就必須考慮進建模需求之中，要將眾多的復(fù)雜模型設(shè)計融合到一起，將給設(shè)計者帶來不小困難，解決問題的思路自然轉(zhuǎn)到以群體組織為中心的群體組織建模技術(shù)上[3]。對群體組織進行建模的時候，模型能夠較好地解決描述子群體組織或者原子實體間組織關(guān)系、交互關(guān)系和約束限制的問題，突出群體組織的特性。本文將本體引入群體組織建模技術(shù)中，并結(jié)合作戰(zhàn)想定生成的特點和作戰(zhàn)仿真的需求，實現(xiàn)一個基于本體的群體組織想定模型[4]。
    vsTasker4.0是一款仿真想定制作工具軟件。它能夠提供完全開放性的想定規(guī)劃及計算機兵力生成工具，用于仿真陸、海、空和空間實時虛擬戰(zhàn)場環(huán)境，用于開發(fā)、生成、執(zhí)行戰(zhàn)場想定，規(guī)劃戰(zhàn)場環(huán)境，可為態(tài)勢顯示平臺提供必要的仿真手段。
    可以通過vsTasker提供的圖形界面來編制想定，對應(yīng)的態(tài)勢顯示窗口可以全面地觀察虛擬戰(zhàn)場的變化。想定中的實體模型可以擴展，允許用戶將自己的模塊和應(yīng)用程序集成到vsTasker。
    針對想定中已經(jīng)添加過高斯白噪聲的傳感器觀測數(shù)據(jù)的不確定性，可以對傳感器觀測數(shù)據(jù)進行分析。
1 仿真數(shù)據(jù)與態(tài)勢估計的聯(lián)系
    按照想定模型設(shè)定、腳本的產(chǎn)生和播放、數(shù)據(jù)的觀測和分析、融合跟蹤和目標識別、態(tài)勢估計的流程順序即可將仿真數(shù)據(jù)最終服務(wù)于態(tài)勢估計器[5]。
    (1)想定模型的主要工作：根據(jù)設(shè)定的雙方作戰(zhàn)環(huán)境配置，生成具有時空約束關(guān)系的戰(zhàn)場群體劇情。設(shè)定的敵我雙方想定包括：雙方偵察傳感器地理坐標、工作參數(shù)、工作模式、觀測范圍、仿真時間等；訂制雙方主動探測雷達、雷達偵察設(shè)備、通信偵察設(shè)備等偵測系統(tǒng)工作狀態(tài)（如地理位置、工作參數(shù)、警戒范圍等）；雙方目標（海、空）類型、機群（海面艦隊、空中編隊）組成、任務(wù)、機動目標的規(guī)劃航跡以及實體之間的時空關(guān)系等。
    (2)腳本的產(chǎn)生和播放部分：主要是設(shè)定想定中實體交互過程中的條件性和隨機性，對設(shè)定好的想定模型進行多次仿真。通過對腳本的播放，傳感器獲得具有隨機性的觀測數(shù)據(jù)。
   (3)數(shù)據(jù)的觀測和分析部分：主要是根據(jù)設(shè)定的想定模型，通過地面上的傳感器對觀測區(qū)域內(nèi)的目標產(chǎn)生觀測數(shù)據(jù)，包括目標位置、目標類型和目標數(shù)量等，同時對實體交互過程的條件性和隨機性進行觀測，即觀測同一模型的不同變體。用對觀測數(shù)據(jù)的分析和估計的結(jié)果與腳本對比的匹配程度來驗證通過傳感器獲得的觀測數(shù)據(jù)是否可以作為最終進行態(tài)勢估計的有效無偏輸入。并將這些情報信息提供給融合跟蹤部分。
    (4)融合跟蹤部分：在進行必要的坐標轉(zhuǎn)換后進行機動目標跟蹤、多傳感器航跡級融合跟蹤，以提高目標的跟蹤精度和跟蹤可靠性。
    (5)態(tài)勢估計部分：在航跡形成和目標識別的基礎(chǔ)上，對目標進行行為預(yù)測與判斷，并給出各個目標的威脅判斷等級。
   由此可見想定建模和仿真研究是為態(tài)勢估計器服務(wù)的一種有效的研究方法。
2 基于本體的群體組織想定模型
    群體本體描述了想定中的概念以及概念與概念之間的關(guān)系，所以首先要盡可能列舉出想定中群體所涉及的所有概念，并且應(yīng)該對這些概念有明確的理解或詳細的解釋，這樣才有利于更好地理解群體本體建立的目標[6]。想定中群體組織相關(guān)的概念數(shù)量眾多，如果不加區(qū)別地逐一進行分析和描述會顯得混亂，給下一步概念之間關(guān)系的定義上帶來困難和混淆，所以首先對概念進行分類，再逐類理清概念的含義。定義的群體本體中的概念分為三類，分別是實體類型概念、屬性類型概念和交互類型概念。
    (1)實體類型概念，主要表示軍事仿真領(lǐng)域需要涉及到的各種實體、裝備、專有名稱等。概念的定義和區(qū)分在本知識領(lǐng)域的概念體系中起重要作用。概念基本上都是由名詞構(gòu)成，例如：艦隊、驅(qū)逐艦、護衛(wèi)艦、雷達、傳感器、飛行編隊等。
    (2)屬性，所有的概念都會具有若干個屬性，屬性本身也屬于概念的范疇。屬性的特點在于每一個屬性肯定描繪了某個或某些概念的特征和性質(zhì)。因此，當定義了一個概念的時候，就必然要定義其所具有的屬性。屬性也是由名詞構(gòu)成，例如對于飛行編隊來講，飛機的名稱、編號、坐標、航速、航向等都屬于屬性。
    (3)交互關(guān)系，某些概念之間存在交互和動作，用以改變相應(yīng)概念的屬性值和狀態(tài)，把這些交互和動作的定義歸類為交互關(guān)系。交互關(guān)系大多是由動詞構(gòu)成。例如：巡邏、偵查、護航等。
    定義了基本概念后，對這些概念進行分層組織，用于描述概念間的隸屬關(guān)系，借以體現(xiàn)想定中群體組織的層次結(jié)構(gòu)。做法是采用自底向上的方法，由最底層、最細小的概念定義開始，將這些細化的概念組織在更加綜合的概念之下，形成一個等級層次結(jié)構(gòu)，最終構(gòu)成群體本體。
3 仿真實例及其結(jié)果分析
3.1 仿真實例
3.1.1 劇情
    想定的實體包括A方（圖1中左側(cè)海岸線區(qū)域）的兩個雷達radar1、radar2和J-10，B方（圖1中右側(cè)海岸線區(qū)域）中的船ship、F16和預(yù)警機E3-A。環(huán)境是圖1所示海域。

    開始時，J-10在A方的一側(cè)巡邏，如圖1所示。J-10帶有機載雷達，如果機載雷達發(fā)現(xiàn)B方戰(zhàn)斗機或者預(yù)警機，J-10戰(zhàn)斗機將脫離巡邏路線前去攔截；如果J-10接收到地面雷達指令，也可以對B方的E-3A和F-16進行攻擊或者攔截。F-16在B方一側(cè)巡邏，接受E-3A的指令。E3-A在靠近B方的區(qū)域飛行，當E3-A到達雷達掃描交接和圖1中的長方形區(qū)域的交界處時，J-10接受地面雷達的命令后脫離巡邏路線前去攔截。當E3-A的雷達探測到飛行的J-10時，會向巡邏中的船ship和F16基地各發(fā)送一條信息，以此保護E3-A。同時巡邏中的F16接受消息后會朝著E3-A所在位置的方向起飛進而對J-10進行攔截以此保護E3-A。當?shù)孛胬走_觀測到F16的攻擊任務(wù)時會向J-10發(fā)送一條消息， J-10會在機載雷達觀測到E3-A時發(fā)射一枚導(dǎo)彈擊毀E3-A，然后返回基地。同時F16會朝著J-10飛行的方向追，當靠近邊界時F16隨后返回基地。
     A方的地面雷達1和雷達2對腳本的多次播放進行探測。隨后對觀測的數(shù)據(jù)（對方實體的行為變體和運動屬性等）進行分析。
3.1.2 利用vsTasker生成劇本

    主要包括以下幾個步驟：
     (1)創(chuàng)建數(shù)據(jù)庫和場景對象
     創(chuàng)建數(shù)據(jù)庫后，就可以在數(shù)據(jù)庫里創(chuàng)建場景對象。
     (2)創(chuàng)建想定中包括的所有實體對象
     向場景中添加2個Point Feature，包括2個飛機基地。2個飛機基地分別為A方的J-10基地和B方的F-16基地，分別命名為J10_Base和F16_Base； 另外還添加了矩形形狀的Special Zone，表示分界區(qū)域Border。
     設(shè)定了A方飛機的巡邏路線和B方飛機的偵察和逃跑路線。在場景中添加了3個Path Features。其中1條為A方J-10飛機的巡邏路線；1條為B方預(yù)警機E3-A沿邊界的偵察路線；1條為B方F-16的飛行路線。每條Path上的關(guān)鍵點都設(shè)置了位置和相應(yīng)的速度，速度就是飛機到達該點的速度。
    想定中總共有10個實體，其中A方有4個,包括J-10基地、J-10飛機和兩部地面雷達。B方有4個,包括F-16基地、F-16、一艘船，另外還包括2個導(dǎo)彈實體。
    (3)建立相關(guān)的邏輯類和知識類,將相應(yīng)的邏輯類和知識類加入到相應(yīng)的實體中
    添加好實體后，根據(jù)想定給每個實體添加相應(yīng)的Models，利用這些Models，實體才能進行相應(yīng)的活動。在創(chuàng)建實體時，vsTasker會根據(jù)所選實體模板（Template）自動添加一些Models。對A、B雙方的飛機都選用了模板basic_wing，則vsTasker會自動添加PtfStatus、WingDyn和Visual這幾個子Model。利用PtfStatus可以設(shè)置實體的敵我屬性、健康狀況等屬性。這里利用它區(qū)分A、B雙方的所有實體。由于雙方飛機都裝備了機載雷達，且都要從基地出發(fā)和返回基地，以及沿著指定的路線飛行，所以對所有的飛機實體,都要添加Radar、MotionGoto和MotionSlide三個子模型。對A方的兩部地面雷達，需要添加Radar模型。添加了Radar模型后，就可以對雷達的屬性進行設(shè)置。
    雷達屬性中的Detection Curve可以設(shè)置雷達的檢測概率曲線。需要先在Graphs中建立一條曲線，然后在這里選擇曲線。
    實體的動作流程在vsTasker中抽象為邏輯類和知識類。因此需要對各種實體動作流程建立相應(yīng)的邏輯類和知識類。
    定義好邏輯類后，就要給各個實體添加相應(yīng)的邏輯類實例了，并且要對各個實例的屬性和方法進行設(shè)置。對A方的兩部地面雷達，都為它們添加了邏輯類SaveRadarData的實例。雷達的保存數(shù)據(jù)邏輯可以用文本的方式記錄觀測數(shù)據(jù)。SaveRadarData類有5個成員變量，表示運動狀態(tài)的噪聲水平。
    (4)生成仿真引擎代碼、編譯和運行
　 到目前為止，態(tài)勢想定的設(shè)計工作就完成了，接下來就是要讓想定按照設(shè)計運行起來。運行一次就生成?？請鼍爸袑嶓w運動和交互的一次劇本，雷達對劇本推演的一次觀測生成一系列數(shù)據(jù)。推演結(jié)束后想定回到初始狀態(tài)，對實體添加不同的子模型可以生成同一類型想定的不同變體。
3.2 仿真結(jié)果分析
    添加了高斯白噪聲的傳感器radar1和radar2對場景中的F-16進入雷達觀測區(qū)域后進行觀測，觀測得到的是一系列間斷的時間點、三維坐標、瞬時速度等數(shù)據(jù)。
    雷達對進入雷達觀測區(qū)域的實體的運動屬性的觀測是隨機的，因為雷達上加了高斯隨機噪聲。雷達對觀測區(qū)域的實體的運動屬性通過一系列間斷的點反映出來，這些間斷的點在整數(shù)上不是連續(xù)的，有一些點因為雷達監(jiān)測概率小于1和高斯隨機噪聲存在的原因是檢測不到的。而真實情況在劇本的推演過程中雷達觀測點（觀測到的實體的時間點）在整數(shù)部分是連續(xù)的。通過雷達觀測的數(shù)據(jù)與真實劇本推演的過程產(chǎn)生的數(shù)據(jù)進行對比可以檢測態(tài)勢估計器仿真數(shù)據(jù)的有效性。
    通過雷達對F-16觀測的運動屬性的分析按照以下原則進行：
    (1)對進入radar1和radar2觀測區(qū)域雷達所觀測到的點平均分為10份，對每一份雷達觀測到的時間點進行分析，如果觀測到的時間點占真實數(shù)據(jù)（整數(shù)上連續(xù)的時間點）的比例超過75%，則認為此份觀測數(shù)據(jù)有效。
    (2)對每份數(shù)據(jù)進行分析后，對一次觀測的10份數(shù)據(jù)進行統(tǒng)計，如果超過8份的數(shù)據(jù)有效，則認為一次劇本推演過程中雷達觀測的實體運動屬性數(shù)據(jù)有效。
    (3)對劇本推演50次，如果對于每個雷達超過48次劇本推演過程中通過雷達觀測的實體運動屬性的數(shù)據(jù)有效，則認為此觀測數(shù)據(jù)可以作為態(tài)勢估計器的無偏輸入。
    Radar1一共觀測到112個真實時間點,而真實的數(shù)據(jù)是從251~390在整數(shù)部分上連續(xù)（一共140個時間點，分成10份，每份14個真實點），第一份真實數(shù)據(jù)從251~264，radar1沒有觀測到255、260、264三個時間點，觀測到的概率為79%，大于75%，可以認為第一份雷達觀測數(shù)據(jù)有效。用同樣的方法對第2到第10份數(shù)據(jù)進行分析，獲得觀測概率依次是57%、86%、79%、86%、86%、93%、86%、71%、86% 。超過75%的份數(shù)有8份，所以認為radar1對劇本第一次推演過程中的F-16的運動屬性的觀測有效。通過同樣的方法對radar1觀測場景的劇本推演50次，符合條件(1)和(2)的有49次，所以認為通過radar1觀測場景的劇本推演過程中的F-16的運動屬性觀測有效，可以作為最終實現(xiàn)態(tài)勢估計器訓(xùn)練和測試的仿真數(shù)據(jù)。
    對于radar2對F16運動屬性的觀測數(shù)據(jù)，真實的數(shù)據(jù)是從201~490在整數(shù)上連續(xù)的時間點，一共290個時間點，均分為10份，每份29個時間點。第一個時間點從201~229，radar2觀測到23個時間點，觀測到的概率為79% 。用同樣的方法對第2到第10份數(shù)據(jù)進行分析，獲得觀測的概率依次是86%、79%、89%、96%、93%、93%、86%、79%、86% ,符合條件(2)，所以認為radar2對劇本第一次推演過程中的F-16的運動屬性的觀測有效。通過同樣的方法通過radar1觀測場景的劇本推演50次，符合條件(1)和(2)的有48次，所以認為通過radar2觀測場景的劇本推演過程中的F-16的運動屬性觀測有效，可以作為最終實現(xiàn)態(tài)勢估計器訓(xùn)練和測試的仿真數(shù)據(jù)。
    利用同樣的方法可以對場景中預(yù)警機E3-A、船ship的運動屬性進行觀測，從而構(gòu)成對整個B方實體的運動屬性的觀測。
    以個體實體為中心的行為建模與表現(xiàn)方法已難以滿足現(xiàn)代軍事復(fù)雜多變的應(yīng)用需求，對群體組織行為建模和仿真技術(shù)的研究變得尤為重要，本文正是基于群體的建模方法研究。通過仿真獲得實體數(shù)據(jù)的代價與真實戰(zhàn)場場景相比要小得多，獲得實體數(shù)據(jù)的方式也更容易，所以有一定的應(yīng)用價值。
參考文獻
[1] 王寶樹,申屠曉鋒. 態(tài)勢估計模型的研究與實現(xiàn)[J].計算機工程,2004,30(6):125-127．
[2] 張國春. 面向體系對抗仿真的建模方法研究[D]. 北京：國防大學(xué), 2004.
[3] 張會.虛擬群體組織協(xié)同行為建模方法研究[D].長沙：國防科技大學(xué)，2006.
[4] 張磊，謝彥宏.基于UML的海軍作戰(zhàn)仿真想定設(shè)計方法研究[J].計算機仿真，2009,26(5):14-16.
[5] PEREZ A G, BENJAMINS V R. Overview of knowledge  sharing and reuse components; Ontologies and Problem Solving Methods [C].Proceedings of the IJCAI-99 workshop on onto logies and problem-solving method.2009.
[6] STUDER R, BENJAMINS V R, FENSEL D. Knowledge engineering, Principles and Methods[J]. Data and Knowledge  Engineering,1998,25(1-2):161-197.