Serebryakov Yu.I., candidate of technical sciences, associate professor
Ganiev A.N., candidate of technical sciences
Chebotar' I.V., candidate of technical sciences
Cherepovets highest military engineering college of radio electronics
Russian Federation 162600 Vologda Region, Cherepovets, Sovetsky Ave., 126
Abstract. The military operator of the RM complex operates in a complex electronic environment in the ergatic automated system of organizational and technical type, into which it is included as an active element of the subsystem. In the article the questions of increasing the efficiency of the military operator the ergatic RM system by improving its ergatic functions.
Keywords: radiomonitoring, ergatic system, ergatic functions, engineering psychology, psychology of labor soldier, military operator, professional selection, training, proficiency.
УДК 519.2
ГРНТИ 78.21.53
ЛОГИКО-ВЕРОЯТНОСТНАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ОБЪЕКТОВ ОПЕРАТИВНОГО ЗВЕНА УПРАВЛЕНИЯ ПРИ ПРОВЕДЕНИИ МЕРОПРИЯТИЙ ОПЕРАТИВНОЙ
МАСКИРОВКИ ЭВЕНТУАЛЬНЫМ ПРОТИВНИКОМ
Удальцов Н.П., кандидат военных наук, профессор
Кузьмин В.В.
Военная академия связи им. Маршала Советского Союза С.М. Будённого
Российская Федерация, 194064, г. Санкт-Петербург, Тихорецкий пр., 3
Аннотация. В статье приведено описание подхода по распознаванию объекта при проведении эвентуальным противником мероприятий оперативной маскировки с применением логико-вероятностной модели, позволяющей устанавливать тип и принадлежность объекта в оперативном звене управления. В основе предлагаемого подхода лежат методы распознавания образов, аппарат алгебры логики и теории нечетких множеств, ранее не применявшиеся в рассматриваемой предметной области.
Ключевые слова: логико-вероятностная модель, оперативная маскировка, объект эвентуального противника, мониторинг, демаскирующие признаки.
| Л |
огико-вероятностная модель применяется при рассмотрении сложных объектов эвентуального противника в условиях ограничений, по возможности выделения демаскирующих признаков объекта и определения вероятных характеристик идентификации каждого признака средствами мониторинга.
Модель базируется на математическом аппарате алгебры логики и теории множеств, а задача оперативной маскировки (ОМ) (или имитации) решается как задача распознавания объектов, образы которых искажены за счет проведенных мероприятий ОМ или других причин. Распознавание сводится к преобразованию входной информации, в качестве которой рассматриваются некоторые параметры, признаки объекта, в выходную информацию, представляющую собой заключение о том, к какому классу принадлежит распознаваемый объект.
В основу построения модели выдвигается гипотеза о том, что для оценки мониторинга объектов эвентуального противника существует априорная осведомленность о наличие у сил и средств мониторинга определенных эталонов. При отсутствии эталонов процесс ведения мониторинга (распознавания) становится в принципе трудоемким, а при некоторых обстоятельствах иррациональным.
При использовании логико-вероятностной модели распознавания объектов важнейшим этапом является наличие словаря признаков. Он используется для априорного описания каждого объекта, поступающего на вход распознающей системы. Признаки подразделяются на логические (детерминированные) и вероятностные (стохастические) [4].
Логические признаки рассматриваются как элементы высказывания, принимающие два значения истинности «да» - «нет» или «истина» - «ложь» с полной определенностью. К логическим признакам относятся признаки, не имеющие количественного выражения и представляющие собой суждения качественного характера (например, наличие или отсутствие следов движения техники, наличие или отсутствие радиостанции определенного вида). В качестве логических рассматриваются признаки, у которых важна не величина, а факт попадания или непопадания их в заданный интервал. В пределах данных интервалов проявления различных значений признаков у распознаваемых объектов предполагается равномерным. К вероятностным признакам относятся такие случайные, значения которых распределены по всем классам объектов, при этом значение о принадлежности распознаваемого объекта к определенному классу принимается только на основании конкретных значений признаков данного объекта, определенных в результате соответствующих испытаний.
В теории распознавания образов [2] при составлении словаря признаков вводятся следующие ограничения: в словарь включаются только:
· признаки, относительно которых получена априорная информация, достаточная для описания классов; признаки, не обладающие разделительными свойствами, не включаются в априорный словарь (т.е. признаки для решения задач распознавания являются малоинформативными);
· признаки, которые невозможно определить (измерить) ввиду отсутствия технических средств мониторинга.
Вследствие установленных ограничений априорный словарь признаков применяется только в качестве основы построения реально используемого в системе распознавания рабочего словаря признаков (табл.1).
Таблица 1
Вариант рабочего словаря признаков объектов
| Условное обозначение признака | Описание признака | Значение истинности признака |
| x 1 | Объект состоит из элементов: В, С, D. | |
| x 2 | Элементы В, С, D характеризуются определенным взаимным расположением на объекте | |
| … | … | … |
| xn-1 | Элементы В, С, D обладают определенными тепловыми свойствами | |
| xn | Элемент D характеризуется излучением радиосигнала особого вида | 1;0 |
Для признака xn запись в третьей графе таблицы значение истинности (1;0) означает, что данный признак на объекте может присутствовать или отсутствовать.
Таким образом, следует, что каждый объект характеризуется множеством демаскирующих признаков [3], по каждому из которых возможно сделать соответствующий вывод о состоянии объекта или выделить его от других объектов. Из различных сочетаний демаскирующих признаков (свойств) складываются образы данного объекта. Например, база хранения боеприпасов может выражаться несколькими образами в зависимости от типа хранилищ, степени оборудования подъездными путями, режима функционирования.
При допустимых ограничениях, что каждый демаскирующий признак выражает одно из состояний объекта, определить, как предикат типа «объект Аi характеризуется наличием демаскирующего признака хj » или «объект характеризуется отсутствием демаскирующего признака 
», то рассматриваемый объект представляется в виде логической функции его демаскирующих признаков (1):
. (1)
Из выражения (1) следует, что объект Аi - есть объединение Li множеств, каждое из которых является образом объекта, состоящее в свою очередь из пересечения одноточечных демаскирующих признаков хj, ,принимающих в описании образа значения истинности соответственно «1» и «0».
В общем случае объект Аi является элементом множества А эталонов, описываемых одним и тем же множеством Х демаскирующих признаков. Для решения задач распознавания с учетом возникающих «помех» множество А дополняется некоторым условным объектом в котором, каждый элемент Аi (i = 
) описывается логическим отрицанием функции (2).
, (2)
Общее потенциально возможное количество N комбинаций образов из n признаков составляет:
, (3)
а потенциально возможное количество Ni образов, описывающих i - объект
, (4)
где bi – количество признаков в i -м объекте, значения, истинности которых могут быть как «1», так и «0».
Все потенциально возможные комбинации образов получаются путем построения последовательности двоичных чисел в n -разрядном коде от 0 до (N -1), связанных между собой операцией объединения. Из данной последовательности исключается пустое множество Ø – физически невозможные комбинации вида хp, 
(например, признак 
- радиостанция на объекте отсутствует, хp - радиосигнал от нее поступает),
. (5)
Относительная доля наличия ψi (хj) или отсутствия ψi (хp) признака в описании каждого i - объекта равна:
(6)
где 
, 
- количество образов в i -м объекте (i = 
), в которых j -й признак принимает значения истинности соответственно «1»и»0»; Li - общее количество образов, составляющих i -й объект, с учетом исключения пустых множеств.
Степень принадлежности j -го признака i -му объекту определяется выражениями:
(7)
С учетом вышеизложенного общая логическая функция объекта принимает следующий вид:
. (8)
При распознавании происходит сравнение неизвестного образа G объекта с эталонами из множества А* (в котором включен и условный объект Аm+1). Неизвестный образ также выражается в виде логической функции его демаскирующих признаков:
. (9)
Однако данной функцией отражаются оперирующей стороной (осуществляющей мероприятия ОМ) не все, а только один образ объекта противника, который и представляется степенью подобия Г (G, Аi) образа G с объектом Аi и определяется выражением:
, (10)
где Li – количество образов, описывающих i -й объект из множества А*;
n – количество демаскирующих признаков, описывающих множество А*;
μij – величина, вычисляемая по формуле (6);
qj (G,Ril) – функция, показывающая, совпадает или не совпадает значение истинности j -го демаскирующего признака в описании образа G и l- го образа i -го объекта:
.
Вероятность P (Ai / G) отнесения неизвестного образа G к любому i -му объекту из А * будет равна:
(11)
Решение о принадлежности образа G к тому или иному объекту принимается в общем случае из условий:
, если 
. (12)
В данном случае необходимо иметь ввиду, что если для некоторого k -го объекта (в одном или нескольких его образах):
. (13)
Для остальных объектов из множества А *:
. (14)
Следовательно, решение о принадлежности образа G принимает следующий вид:
. (15)
Учет условий выражений (13-14) значительно сокращает объемы вычислений.
Рассмотренные выражения построены из условия, что демаскирующие признаки распознаваемого образа G идентифицируются со значениями истинности «1» (если он присутствует в описании) и«0» (если его нет). При учете возможностей технических средств мониторинга необходимо ввести дополнительную величину – вероятность Рид. идентификации j -го признака (вероятность получения информации средствами мониторинга о значении истинности «1» данного признака). Для данных условий используется теорема гипотез [1]. Под гипотезой понимается появление (формирование) по результатам мониторинга (идентификации демаскирующих признаков) некоторого случайного образа Gz (Z = 
, N 0 ≤N) из всей совокупности комбинаций, образованных множеством Х. Вероятность Р (Hz) Z -й гипотезы имеет следующий вид:
(16)
где f (xj) – функция, которая зависит от значения истинности j -го признака («1» или «0») в образе Gz:
. (17)
Общее количество N 0 гипотез составляет:
, (18)
где n 0 – число признаков, вероятность идентификации которых равна нулю (т.е данный признак полностью скрыт в действительном объекте или не воспроизводится в ложном объекте).
Полная вероятность P (Ai / G) отнесения к i -му объекту образа G, принимающего различный вид вследствие Рид. ≠ 1, определяется выражением:
. (19)
Полученное выражение является справедливым как для действительных, так и ложных объектов. Входящая в выражения (19) условная вероятность вычисляется по формулам (10-15).
Логико-вероятностная модель распознавания является универсальной по масштабности применения в различных условиях мирного и военного времени. Модель может использоваться как для одиночных объектов (танк, колонна машин, стартовая позиция), так и для групповых объектов (пункт управления, аэродром, батальон, бригада). Универсальность модели заключается также в возможности учета в ней практически всех способов ОМ по достижению скрытности объектов противника.
Математический аппарат, положенный в основу данной модели, является вполне корректным. Однако достоверность результатов будет зависеть от достоверности исходной информации и, главным образом, от объективности составления рабочего словаря признаков объектов, описывающего его свойства (демаскирующие признаки) с учетом средств наблюдения.
Рассмотренная модель позволяет решать задачи по оценке эффективности мероприятий по ОМ, имитации и демонстрационным действиям, проводимым на отдельных одиночных и групповых объектах. При применении данной модели возможно раздельно или в совокупности учесть и оценить «вклад» в общую эффективность проводимыми противником мероприятиями по ОМ отдельными видами различных войск противника (инженерными, химическими, РЭБ). В этих целях в рабочем словаре признаков, описывающем действительный и ложный объект, должны присутствовать демаскирующие признаки, подлежащие устранению (ослаблению) при маскировке или воспроизведению при имитации и демонстрационных действиях. Например, для воздушного наблюдения должны присутствовать признаки в оптическом, радиолокационном и тепловом диапазоне волн, скрываемые с помощью различного рода маскировочных покрытий и материалов общего назначения, для радиомониторинга - признаки, характеризующие работу радиоэлектронных средств узлов связи и их систему.
Основная задача при оперативной маскировке объекта [3] заключается в затруднении или, в частном случае, полном исключении получением противником информации о демаскирующих признаках. Поэтому наиболее приемлемым показателем W эффективности маскировки объекта является вероятность его нераспознавания. Применительно к рассмотренной модели показатель W принимает следующий вид:
или (20)
, (21)
где P (
/ G) – вероятность отнесения неизвестного образа замаскированного объекта А не к объекту А (или вероятность нераспознавания объекта А), определяемая по формулам (6-15) для условия, когда вероятности идентификации демаскирующего признака 
;
P (Ai / G) – то же для условия Рид.j ≠ 1 с использованием выражений (16-19).
При имитации [3] проводится оборудование ложных объектов (пунктов управления, аэродромов, позиций). Основной задачей имитации является: отвлечь внимание мониторинга от истинных, заставить средства поражения нанести огневой удар по ложному объекту (свойственно для одиночных объектов), сохранив тем самым истинный, для групповых объектов «распылить» (ввести в заблуждение) средства наблюдения по возможно большему району.
В ложном объекте должны имитироваться все или некоторые наиболее характерные признаки истинного объекта, которые в наилучшей степени могут идентифицироваться средствами наблюдения. Для определения структуры ложного объекта (определение оптимального набора воспроизводимых на нем признаков истинного объекта) используется логико-вероятностная модель распознавания.
При создании ложного объекта А ʌ с образом G ʌ, имитирующий некоторый истинный объект А, то в качестве обобщенного показателя W эффективности ложного объекта применяется вероятность P (A / G ʌ) принятия его средствами мониторинга за истинный объект, т.е.
. (22)
Порядок расчета вероятности P (A / G ʌ) аналогично P (Ai / G) отнесения неизвестного образа G к любому i -му объекту из множества А *(в который входит и условный объект Аm+1) - формулы расчета (6-15). Естественно, что в данной ситуации множество А *состоит из действительного объекта А = А1, и условного объекта = А2.
Если вероятность идентификации демаскирующего признака 
, то для расчета полной вероятности P0 (A / G ʌ), учитывающей формирования множества G случайных образов при наблюдение ложного объекта, используются формулы (16-19). В данном случае выражение принимает следующий вид:
. (23)
Разновидностью совместных мероприятий по маскировке и имитации является легендирование важного объекта под другой, имеющий меньшую значимость, второстепенный объект - объект прикрытия. Таким образом, у большинства демаскирующих признаков важного объекта значения истинности изменяются на противоположные, скрываются признаки, которые для него наиболее характерны (информативны) и имитируются те, которыми он в действительности не обладает, а обладает ими некоторый второстепенный объект.
В случае легендирования [3] кроме показателя эффективности выражения (20) или (21), определяющего вероятность P ( / G) нераспознавания данного объекта А, целесообразно также вычислять показатель W, характеризующий вероятность P (Ak / G) отнесения искаженного проведенными мероприятиями маскировки и имитации объекта А с образом G к объекту прикрытия Ak выражение принимает вид:
. (24)
Если некоторый действительный Рд объект характеризуется вероятностью его обнаружения (распознавания) . и этот объект одновременно прикрывается имитирующими его N ложными объектами, каждый из которых с вероятностью Р ʌ принимается за действительный, то за счет этого вероятность обнаружения (распознавания) РN данного объекта уменьшается и рассчитывается по формуле:
. (25)
Демонстративные действия [3], заключаются в осуществлении противником преднамеренного показа деятельности объектов в частности, и войск в целом на отвлекающих направлениях (в районах) специально выделенными силами и средствами (создание группировок войск и обозначение их деятельности, подготовка и ведение боевых действий). С позиции модели распознавания отдельные ситуации (объекты) демонстрационных действий можно трактовать как некоторые «своеобразные мероприятия по имитации», только осуществляемые другими силами и средствами. В обоих случаях ложные признаки (свойства), ложные действия представляются как действительные. Математический аппарат универсален, различие заключается только в исходной информации, в описании этих признаков, свойств, действий. Эффективность оценивается одинаково – вероятностью принятия ложного объекта (ситуации) за истинный объект (ситуацию), вероятностью принятия ложной гипотезы (подготовленной оперирующей стороной, осуществляемой мероприятия ОМ) за действительную гипотезу (со стороны мониторинга).
Таким образом, модель распознавания и показатели эффективности, применяемые для оценки имитации, в такой же степени могут применяться и для оценки отдельных демонстрационных действий, рассматриваемых как мероприятия, проводимые на отдельных сложных объектах (ситуациях).
Литература
1. Вентцель Е.С. Теория вероятностей. М.: Издательский центр «Академия», 2005. 576 с.
2. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Изд. «Высшая школа».1977. 232 с.
3. Мацуленко В. А. Оперативная маскировка войск. М., Воениздат, 1975. 200 с.
4. Справочник по вероятностным распределениям. Спб.: Наука, 2001. 287 с.
References
1. Venttsel E.S. Probability theory. M.: Publishing center "Akademiya", 2005. 576 pages.
2. Gorelik A.L., Skripkin V. A. Recognition methods. M.: Prod. "Higher school".1977. 232 pages.
3. Matsulenko V. A. Expeditious masking of troops. M, Voyenizdat, 1975. 200 pages.
4. Reference book on probabilistic distributions. SPb.: Science, 2001. 287 pages.