想定模型[1]的建立是為了產生仿真的腳本，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域的觀測數據(比如實體的行為序列、類型、數量)進行分析和估計，分析和評估的結果與腳本進行對比，以此來驗證傳感器模型的有效性，接近腳本的觀測數據視為理想的傳感器模型的數據輸出。輸出的觀測數據作為融合跟蹤和目標識別的原始數據輸入,最終為態勢估計器服務。

    在面對大規模條件下虛擬戰場的仿真要求時，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實，如何描述模型之間存在著的各種復雜關系等問題就必須考慮進建模需求之中，要將眾多的復雜模型設計融合到一起，將給設計者帶來不小困難，解決問題的思路自然轉到以群體組織為中心的群體組織建模技術上[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系、交互關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中，并結合作戰想定生成的特點和作戰仿真的需求，實現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場環境，用于開發、生成、執行戰場想定，規劃戰場環境，可為態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，對應的態勢顯示窗口可以全面地觀察虛擬戰場的變化。想定中的實體模型可以擴展，允許用戶將自己的模塊和應用程序集成到vsTasker。
    針對想定中已經添加過高斯白噪聲的傳感器觀測數據的不確定性，可以對傳感器觀測數據進行分析。
1 仿真數據與態勢估計的聯系
    按照想定模型設定、腳本的產生和播放、數據的觀測和分析、融合跟蹤和目標識別、態勢估計的流程順序即可將仿真數據最終服務于態勢估計器[5]。
    (1)想定模型的主要工作：根據設定的雙方作戰環境配置，生成具有時空約束關系的戰場群體劇情。設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、工作模式、觀測范圍、仿真時間等；訂制雙方主動探測雷達、雷達偵察設備、通信偵察設備等偵測系統工作狀態（如地理位置、工作參數、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、機動目標的規劃航跡以及實體之間的時空關系等。
    (2)腳本的產生和播放部分：主要是設定想定中實體交互過程中的條件性和隨機性，對設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據。
   (3)數據的觀測和分析部分：主要是根據設定的想定模型，通過地面上的傳感器對觀測區域內的目標產生觀測數據，包括目標位置、目標類型和目標數量等，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。用對觀測數據的分析和估計的結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據是否可以作為最終進行態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)態勢估計部分：在航跡形成和目標識別的基礎上，對目標進行行為預測與判斷，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勢估計器服務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的概念數量眾多，如果不加區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。概念的定義和區分在本知識領域的概念體系中起重要作用。概念基本上都是由名詞構成，例如：艦隊、驅逐艦、護衛艦、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。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)交互關系，某些概念之間存在交互和動作，用以改變相應概念的屬性值和狀態，把這些交互和動作的定義歸類為交互關系。交互關系大多是由動詞構成。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系，借以體現想定中群體組織的層次結構。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構，最終構成群體本體。
3 仿真實例及其結果分析
3.1 仿真實例
3.1.1 劇情
    想定的實體包括A方（圖1中左側海岸線區域）的兩個雷達radar1、radar2和J-10，B方（圖1中右側海岸線區域）中的船ship、F16和預警機E3-A。環境是圖1所示海域。

    開始時，J-10在A方的一側巡邏，如圖1所示。J-10帶有機載雷達，如果機載雷達發現B方戰斗機或者預警機，J-10戰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方一側巡邏，接受E-3A的指令。E3-A在靠近B方的區域飛行，當E3-A到達雷達掃描交接和圖1中的長方形區域的交界處時，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。當地面雷達觀測到F16的攻擊任務時會向J-10發送一條消息， J-10會在機載雷達觀測到E3-A時發射一枚導彈擊毀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。隨后對觀測的數據（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)創建數據庫和場景對象
     創建數據庫后，就可以在數據庫里創建場景對象。
     (2)創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，表示分界區域Border。
     設定了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上的關鍵點都設置了位置和相應的速度，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個導彈實體。
    (3)建立相關的邏輯類和知識類,將相應的邏輯類和知識類加入到相應的實體中
    添加好實體后，根據想定給每個實體添加相應的Models，利用這些Models，實體才能進行相應的活動。在創建實體時，vsTasker會根據所選實體模板（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可以設置實體的敵我屬性、健康狀況等屬性。這里利用它區分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置。
    雷達屬性中的Detection Curve可以設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的邏輯類實例了，并且要對各個實例的屬性和方法進行設置。對A方的兩部地面雷達，都為它們添加了邏輯類SaveRadarData的實例。雷達的保存數據邏輯可以用文本的方式記錄觀測數據。SaveRadarData類有5個成員變量，表示運動狀態的噪聲水平。
    (4)生成仿真引擎代碼、編譯和運行
　 到目前為止，態勢想定的設計工作就完成了，接下來就是要讓想定按照設計運行起來。運行一次就生成海空場景中實體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據。推演結束后想定回到初始狀態，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、瞬時速度等數據。
    雷達對進入雷達觀測區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上不是連續的，有一些點因為雷達監測概率小于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）在整數部分是連續的。通過雷達觀測的數據與真實劇本推演的過程產生的數據進行對比可以檢測態勢估計器仿真數據的有效性。
    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據（整數上連續的時間點）的比例超過75%，則認為此份觀測數據有效。
    (2)對每份數據進行分析后，對一次觀測的10份數據進行統計，如果超過8份的數據有效，則認為一次劇本推演過程中雷達觀測的實體運動屬性數據有效。
    (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據有效，則認為此觀測數據可以作為態勢估計器的無偏輸入。
    Radar1一共觀測到112個真實時間點,而真實的數據是從251~390在整數部分上連續（一共140個時間點，分成10份，每份14個真實點），第一份真實數據從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據有效。用同樣的方法對第2到第10份數據進行分析，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，可以作為最終實現態勢估計器訓練和測試的仿真數據。
    對于radar2對F16運動屬性的觀測數據，真實的數據是從201~490在整數上連續的時間點，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份數據進行分析，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，可以作為最終實現態勢估計器訓練和測試的仿真數據。
    利用同樣的方法可以對場景中預警機E3-A、船ship的運動屬性進行觀測，從而構成對整個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方法已難以滿足現代軍事復雜多變的應用需求，對群體組織行為建模和仿真技術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據的代價與真實戰場場景相比要小得多，獲得實體數據的方式也更容易，所以有一定的應用價值。
參考文獻
[1] 王寶樹,申屠曉鋒. 態勢估計模型的研究與實現[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, 2004.
[3] 張會.虛擬群體組織協同行為建模方法研究[D].長沙：國防科技大學，2006.
[4] 張磊，謝彥宏.基于UML的海軍作戰仿真想定設計方法研究[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.