2）空间维度：覆盖陆、海、空、天、网和电等全维战场空间。
3）互作用对象：涵盖敌、我、友和战场环境等全部互作用对象。
4）服务对象：服务于不同层级和类型的对象，以达到对局部或全局战场态势的一致性理解。
5）平台支撑：屏蔽不同支撑平台对一张图理解上的差异。
6）数据支撑：在对多源异构数据融合处理过程中，数据可挖掘、可聚合、可发现和可溯源。
3
态势一致性
3.1 要求
战场态势一致性是战场态势一张图核心要求，具体包括5个方面：
1）态势信息描述一致性。来自不同信息源的态势信息在其描述过程中应保持一致，避免可能引起的不一致描述。
2）态势信息存储一致性。在对海量态势信息进行组织存储过程中，应将存储设备的硬件、系统、环境和偶然人为等态势信息存储误差控制在允许范围内。
3）态势信息更新一致性。态势信息更新过程中，由于时间、更新机制、同步方式等因素可能会导致态势信息的更新误差。
4）态势信息查询一致性。避免由于时空差异、查询平台误差、查询机制、态势信息更新机制等因素可能导致的不同用户查询的态势信息不一致。
5）态势信息分发一致性。避免因分发模式设计、分发方案实现误差、分发态势更新机制等因素的影响而导致态势信息分发不致性。
3.2 解决思路
为了解决态势信息一致性，应实现对战场空间任一目标、任一区域、任一要素和任一侧面描述的唯一性，故需建立完整描述战场空间的数据体系，所有的要素和内涵均通过该数据体系来表征。解决思路主要包括：
1）数据统一标识：多源数据和生成的半成品/成品统一标识，解决态势信息描述一致性问题。
2）数据关联：建立以目标/区域/要素为中心的数据关联关系，控制存储精度误差，解决态势信息存储一致性问题
3）统一处理职能：战场空间描述数据体系中的任一数据要素仅有一个出口，解决态势信息更新一致性问题。
4）相互确认与协商机制：建立信息共享环境，通过相互确认和协商机制确保数据唯一性，解决态势信息查询一致性问题。
5）层次化展现规范：对战场空间进行描述的数据只有一套，但需要根据不同层级、不同用户的要求进行展现。通过对情报产品的合理组织，聚焦各自任务需求，使不同用户看到的态势信息不同，但却是战场态势不同侧面和视角的正确反映，解决态势信息分发一致性问题。
4
战场态势一张图生成
战场态势的生成，从发现、汇集、处理到体系融合，实际上是一个由点、线到面和体的过程，即由单一、局部图像（单一的空图、陆图和海图等）到共用战术图（CTP），再到用户定义作战图（UDOP）的过程，从而使战场态势具备共享性、一致性、全局性和精准性。
战场态势一张图生成流程如图1所示。
图1 战场态势一张图生成流程
4.1 多源融合
多源融合处理过程如图2所示。通过对各个传感器在空间和时间上冗余或互补数据，依据规则进行组合，以获得对被测对象的一致性描述或理解 [3]。
图2 多源融合处理过程
多源融合处理在接收到不同来源和类型的原始信息后，首先，进行时空统一和报文内涵统一等处理，并对信源进行优化处理；其次，构建统一的融合规则库，分别开展实时和非实时信息融合处理，主要包括航迹跟踪、关联去重和属性估计等；再次，对实时和非实时融合信息进行多源信息融合处理，包括语义分析、属性关联等，输出完整的多源融合信息，生成多源融合产品；最后，在多源融合产品库的基础上进行融合知识提取，将提取或优化的融合规则补充完善至多源融合规则库，实现多源融合处理的闭环及持续优化。
多源融合解决的是单一信源信息掌握不全以及多源信息冗余的问题，为后续态势分析、态势显示及分发服务等提供了一致性基础。
4.2 态势目标分群
由于实际战场环境中各种目标数量众多，敌我目标交错夹杂在一起，如果不加以精简和凝练而所有目标同时显示在态势图上，必然会形成“蚂蚁图”，导致指挥员无法聚焦重点目标并把握战场态势。态势目标分群是信息融合的基础上，需将目标按任务和组织等进行分类。通常是按敌我属性相同、类型相近、运动状态相近、执行相同作战任务或对另一方具有相同威胁的目标进行分群合并，以实现精简战场态势信息，降低指挥员的信息筛选量。态势目标分群的本质是一个数据聚类问题，常用计算方法有Ｋ均值算法、模糊Ｃ均值算法、迭代自组织数据分析算法、最近邻算法和改进空间划分算法等。
态势目标分群解决态势目标聚焦问题，为后续体系态势分析、威胁估计、趋势估计和态势产品组织、显示和服务提供了基础。
4.3 态势分析
态势分析是信息融合中高层次信息融合处理，其处理过程主要包括态势要素提取、态势评估推理和态势预测，具体包括以下内容：
1）结合历史积累的目标知识信息，进行行为意图分析和趋势分析；
2）根据目标行动规律和威胁告警规则，对目标进行威胁评估；
3）根据目标的多源信息关联印证结果，结合目标作战能力分析，通过各类目标威胁评估模型，辅助分析目标的威胁范围和程度；
4）根据敌我双方作战力量、战斗部署和作战意图等，给出战场主动权等形势分析；
5）生成战场情况分析报告。
态势分析解决了有态无势的问题，为战场态势一张图提供了综合辅助决策信息。
4.4 体系态势生成
体系态势实现了目标态势向体系态势聚合与解耦，是生成战场态势一张图的关键。体系态势分析重点关注体系节点分析、任务主题分析和体系态势展现。体系态势生成过程：
首先以关注的态势实体为中心，对各融合要素进行按需关联和组织聚合，形成面向目标、系统和体系的层次化战场态势融合成果；
其次，围绕战场全域态势一张图构建，融合陆、海、空、天、网和电等分域战场空间态势，综合敌、我、友和战场环境各类感知信息，分析目标与目标之间的关联关系、目标与体系的映射关系、体系与体系之间的铰链关系；
最后，通过对态势要素信息之间的关联、印证、聚合、研判和决策分析等，形成体系化、多层次的战场态势感知能力体系图谱。
通过体系解聚，为不同层级和不同作战任务的用户聚焦态势信息提供了基础。 体系态势生成解决了态势信息多与散、上下一般粗的问题，实现对战场态势的全面和精准掌控，为作战指挥决策提供体系化情报保障能力。
4.5 态势服务
态势服务是在目标分群处理和体系态势分析的基础上，针对不同指挥层级以及同一层级不同作战任务，聚焦战场空间内的关键节点和重要目标，通过对态势信息的合理组织，为用户提供有针对性的态势产品，主要包括态势信息的组织、显示和分发服务。
通过合理的态势信息组织、显示和分发服务，在保证态势信息的一致性的基础上， 解决了不同层级和不同作战任务的用户对态势信息的差异性需求。
5
关键技术
5.1 多源信息融合技术
多源融合技术主要包括多源态势属性融合技术、态势目标航迹融合技术、异类信息关联融合技术等。移动物联网、云计算、大数据和人工智能等技术的快速发展和应用，为多源信息融合处理能力提升提供了技术基础。未来重点发展方向包括分布式态势情报协同分析、基于联合情报云的战场态势融合处理、基于战场环境大数据的态势分析以及基于情报大数据的规律挖掘和异常分析等。
5.2 基于知识图谱的态势信息关联分析技术
态势信息关联分析是以认知为基本线索，建立数据、信息、知识和智慧之间的内在联系，是对态势信息的深层次融合。目前，关联分析通常是基于图模型来开展的。战场态势知识图谱构建过程如图3所示：
图3 战场态势知识图谱构建过程
在知识图谱基础上，对战场态势进行关联展示、演变分析、异常检测和规律统计等联机分析，多角度和多层次地分析数据，实现态势信息的深层次融合，提升态势信息处理系统高级融合处理能力。
5.3 态势图一致性生成技术
战场态势图一致性生成技术主要包括两个方面：1）从信息内容、粒度、时效性等方面对用户或作战单元对态势信息的定制需求进行规范化描述；2）通过多源融合处理生成系统唯一的、无歧义的态势信息，并借助多维组织管理方式，确保态势信息在描述、存储、更新、查询和分发等过程的一致性。
战场态势一致性首先应确保所有节点获得的战场综合态势信息是一致的，包括各方作战力量准确的配置信息、行动信息、目标信息和任务状态等；其次要求态势数据全网共享、实时更新和粒度适度。在战略、战役和战术等层面，通过态势信息的聚合与解耦，实时调整粒度，实现既能“谋全局”，又能“谋一隅”。
6
结束语
网络信息体系下的战场态势是以体系态势为核心，综合运用多源信息融合、目标关联聚合和态势图一致性生成等技术，对敌作战体系关键节点、薄弱环节、体系重心、形势预测和威胁估计等分析和预测，形成态势一张图，辅助指挥员对战场形势判断，支撑体系化联合作战。