制等；
d) 通讯功能：包括控制站发送命令给UCAV和有效载荷、接收来自UCAV的
状态信息及有效载荷数据；同时保证与其它组织的通信，用于整个体系对抗条件下对UCAV的指挥控制以及UCAV收集到信息的分发处理； e) 操作员训练功能。 4 系统功能特点
UCAV任务系统的功能包括： a) 实时任务规划；
b) 一体化指挥、引导和协同作战； c) 联合攻击； d) 先进对面精确打击。
UCAV任务系统的功能特点可概括为： a) 作战空间一体化； b) 作战网络化、信息最大化； c) 作战信息环境复杂化； d) 决策智能化； e) 指挥控制自动化； f) 战术和轨迹生成自动化； g) 传感器管理和武器控制自动化； h) 作战行动可视化。
三、 主要关键技术
1 任务规划技术 1.1 解决的问题
根据我方资源、战场态势和作战任务，为UCAV规划出作战和任务计划，使得我方能够以最小的代价获取最大的作战效能。 1.2 采用的方法和技术
a) 任务分层
6
将UCAV的任务分为三个层次分别进行规划（见图4）：
1) 第一层：编队组成与任务分配层（Team Composition & Tasking，TCT）
——完成战场敌方威胁、地形、天气、任务等的分析，完成初步的任务分配
2) 第二层：编队作战安排与战术层（Team Dynamics &Tactics，TDT）——
依据预先确定的性能指标,一般根据UCAV飞行的任务要求、安全要求、飞行时间和其他战略、战术考虑等因素组合确定,以此最优性能指标为标准,生成各个UCAV参考航迹，主要采用Rollout Algorithm、基于HTN的SHOP算法和基于遗传算法的动态资源调度方法等算法来实现。 3) 第三层：协同路径规划层（Cooperative Path Planning，CPP）——利
用启发式A*算法、匈牙利算法等在具体战场地形，威胁模型等基础上，形成UCAV作战实施的飞行航路。航路生成后还要根据参考航迹周围的威胁情况和UCAV自身的性能指标对参考航迹进行局部航路的实时规划,以便适应战场瞬息万变的要求。
b) 威胁建模
在UCAV执行任务之前需要对任务进行规划,预装任务航路数据其中包括航
UCAV 图4 UCAV任务规划层次关系划分
不确定性操作员任务 编队组成与任务分配（TCT） 编队作战安排与战术（TDT） 协同路径规划 （CPP） 态势评估 （SA） 7
路的几何形状特征（航路形状、高度、气候和敌方防空火力等），然后自动生成任务航路的最优航迹。威胁建模是一个复杂的综合问题，它随着威胁的种类、特征和飞行任务的变化而变化。UCAV在起飞后将保持一定的高度进入巡航阶段，巡航阶段的威胁主要来自敌方防空火力、气候条件、地形等。可将各种威胁简化建模为具有一定作用半径的圆柱体或圆锥体等几何体的组合。如雷达模型建立为：
Rmax
PG2λ2σ=4(4π)3Smin
（1）
其中：P为雷达能量，G为雷达天线增益，λ为信号波长、σ为目标雷达截面积（RCS）、Smin为探测返回信号的最小值。
防空火炮的模型为：
4fr2v4
（2） R=
133ua2ln
1?pk其中：R为有效距离，f为射击频率（发/秒），r为杀伤半径（m），v射击速度，u目标速度，a目标侧向加速度，Pk需要的杀伤概率。
c) 航路重规划
在威胁模型和数字地图的基础上，采用快速航路规划算法生成飞行器的安全飞行航路。兼顾威胁、航程、约束等多种条件其代价函数取为：
fij=
1
exp(min(di,dj,dij)×Dij)?1
×Dij （3）
采用的算法主要是启发式A*算法和匈牙利算法等。 2 传感器数据处理与信息融合技术 2.1 解决的问题
a) 提高复杂信息环境下目标探测、跟踪、识别性能
不同的杂波环境和传感器工作状态下，满足远距探测的高探测率、低虚警率要求，有效跟踪多个机动目标，全面描述目标的特性；利用融合数据估计传感器的效用，为传感器调度提供依据；综合所有跟踪存储信息，实现对目标的识别并进行杀伤评估。
b) 满足协同作战信息要求
8
通过信息融合，为协同作战的每架飞机提供协同作战所需的数据。 2.2 采用的方法和技术
采用分布式多分辨率融合方法解决上述问题。采用分布式动态融合结构解决协同融合需求，用多分辨分析手段来描述复杂作战环境下,不同传感器不同工作状态下目标探测性能的差别。各个传感器通过Kalman滤波器实现对目标的跟踪估计，将其信息通过小波变换为最高分辨率水平，处理中心在此尺度上完成信息融合，产生对目标参数的最佳估计，满足对目标的探测、跟踪、识别要求。
a) 在融合中心由当前时刻计算下一时刻目标状态
?x
_m+1|m
?(KN)=Am(KN)x
_m|m
(KN) （4）
T
T
Pm+1|m(KN)=Am(KN)Pm|m(KN)Am(KN)+Bm(KN)Qm(KN)Bm(KN) （5） b) 利用小波变换将中心估计变换为不同分辨率传感器的本地估计
?x?(Ki)?_m+1|m????Y(Ki)?1_?m+1|m?=LT?(KN) （6） idiag{T(ki),....,T(ki)}LNx__m+1|m?:?gi?)?
()YKN?1??_+1|
?mm?c) 利用本地测量数据更新本地估计
?x
_m+1|m+1
?(Ki)=x
_m+1|m
(Ki)+Km+1(Ki)(Z
?m+1
?(ki)?Cm+1(Ki)X
?m+1|m
(ki)) （7）
d) 利用小波逆变换将本地估计变换为中心估计
?x?(Ki)?
_m+1|m+1????Y(Ki)?
iTTT_? （8） ?x(KN)=giLNdiag{T(ki),....,T(ki)}Li?m+1|m+1_m+1|m+1?:?
?)?Y(K)?_N?1??m+1|m+!?e) 对估计进行融合，获得高分辨率目标状态估计
?Xm+1|m+1(KN)=
Pm+1|m+1(KN)[∑(P
i=1N
i
m+1|m+1
?1?i?i(KN))Xm+1|m+1(KN)?(N?1)Pm+1|m(KN)Xm+1|m(KN)]
?1
（9）
3 传感器管理技术 3.1 解决的问题
a) 减轻操作员工作负担
多种传感器提供给操作员数量巨大战场信息，通过传感器管理使操作员控制
9
传感器获得所需信息的直接判断时间、大幅度减少操作时间。
b) 适应战术任务需求，合理、有效地控制传感器
自动控制传感器工作方式、搜索区域，有效分配传感器负载以协调运用传感器，满足对本机空域及协同空域的目标搜索和跟踪需求，减少传感器的余度运用，同时控制传感器在不同任务阶段的辐射等级，增强作战隐蔽性。
c) 为系统综合化提供支持
传感器集中控制，整个传感器资源动态可重构，有一定的故障容错能力。 3.2 采用的方法和技术
采用知识库的方法进行操作员传感器操作描述，利用统计决策理论描述不确定的决策行为，建立贝叶斯判决网络，运用层次分析法进行判决。
a) 利用知识库对战术任务、操作员传感器操作进行描述
利用知识库描述不同战术任务下哪些传感器可用，传感器可采用哪种工作方式，可对哪个目标跟踪，操作员的操作习惯，将不同操作控制组合列出。
b) 计算操作组合的效用值
对每个传感器的操作控制建立效用值函数，效用值反映传感器目标探测性能、操作员操作行为的期望、对目标探测转为跟踪的概率等。
U(δ,t)=∑P(τ)∑P(α)U(α,τ,δ,t) （10）
ταU(τ,α,δ,t)=U(τ,δ,t)?U(τ,φ,t) （11） c) 通过建立在贝叶斯概率基础上的转换图来描述不确定的决策行为，建立贝叶斯判决网络，体现获得一定价值目标信息的概率
P(E|Hi)P(Hi)
p(Hi|E)= （12）
∑P(E|Hi)P(Hi)
i目标层 整体探测性能要求
方案层传感器操作组子准则层优先级请求目标的分布回波强度传感器工作时间传感器处理时间驾驶员的操作时间隐蔽性传感器的效用值持续工作时间工作时序分配准则层目标的价值探测的代价成功概率
图5 传感器管理层次结构
10