ACTA AERONAUTICAET ASTRONAUTICA SINICA >
Beyond-visual-range air combat threat prediction and dynamic evasion method based on all-domain fire field theory
Received date: 2025-05-07
Revised date: 2025-06-13
Accepted date: 2025-06-27
Online published: 2025-07-03
Supported by
Young Talent Fund of Xi’an Association for Science and Technology(0959202513098)
To address the threat prediction issue in beyond-visual-range air combat situational awareness， a global fire field-based threat prediction and dynamic evasion methodology is proposed. Firstly， a vector field theory-driven all-domain fire field modeling framework is established， formally defining the concepts and mathematical models of single-aircraft all-domain fire field， joint all-domain fire field， and their corresponding evasion fields. Subsequently， a real-time fire field computation method based on Multi-modal Residual Fusion Network （MRFNet） is developed， which resolves the computational bottlenecks and discrete field distortion issues inherent in traditional Monte Carlo approaches via an “offline training-online inference” deep learning paradigm. Concurrently， a short-term trajectory prediction algorithm employing a Vector Autoregressive Model （VAR）is introduced to enable real-time forecasting of multivariate flight states for both adversarial and friendly aircraft. The proposed methodology allows real-time computation of global and local threat assessments in complex distributed combat scenarios， providing targeted threat warnings and evasion recommendations. Experimental results demonstrate that the MRFNet-based approach reduces single fire field computation time from minute-level to millisecond-level while maintaining fitting errors below 5×10-4， exhibiting excellent data smoothing and extrapolation generalization capabilities. The VAR-based trajectory prediction achieves longitude/latitude errors below 8.73×10-4， outperforming various state-of-the-art deep learning-based time series prediction methods， with relative error losses remaining under 22% under strong positional deviation interference in threat detection. Comprehensive simulation analyses confirm that the proposed methodology aligns with pilots’ cognitive logic in real combat scenarios， demonstrating high fault tolerance， strong robustness， and low latency characteristics. This work shows significant practical value and operational relevance for adapting to complex distributed combat environments.
Leyan LI , Rennong YANG , Anxin GUO , Qi SONG , Jialiang ZUO . Beyond-visual-range air combat threat prediction and dynamic evasion method based on all-domain fire field theory[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2026 , 47(4) : 332205 -332205 . DOI: 10.7527/S1000-6893.2025.32205
| [1] | 丁鹏， 宋亚飞. 代价敏感的空中目标意图识别方法［J］. 航空学报， 2023， 44（24）： 328551. |
| DING P， SONG Y F. A cost-sensitive method for aerial target intention recognition［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（24）： 328551 （in Chinese）. | |
| [2] | RUSSELL S， ABDELZAHER T. The Internet of battlefield things： The next generation of command， control， communications and intelligence （C3I） decision-making［C］∥MILCOM 2018 - 2018 IEEE Military Communications Conference （MILCOM）. Piscataway： IEEE Press， 2018： 737-742. |
| [3] | 吴傲， 杨任农， 梁晓龙， 等. 基于信息素决策的无人机集群协同搜索算法［J］. 北京航空航天大学学报， 2021， 47（4）： 814-827. |
| WU A， YANG R N， LIANG X L， et al. Cooperative search algorithm based on pheromone decision for UAV swarm［J］. Journal of Beijing University of Aeronautics and Astronautics， 2021， 47（4）： 814-827 （in Chinese）. | |
| [4] | 何友， 刘瑜， 李耀文， 等. 多源信息融合发展及展望［J］. 航空学报， 2025， 46（6）： 531672. |
| HE Y， LIU Y， LI Y W， et al. Development and prospects of multisource information fusion［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（6）： 531672 （in Chinese）. | |
| [5] | 侯岳奇， 梁晓龙， 何吕龙， 等. 未知环境下无人机集群协同区域搜索算法［J］. 北京航空航天大学学报， 2019， 45（2）： 347-356. |
| HOU Y Q， LIANG X L， HE L L， et al. Cooperative area search algorithm for UAV swarm in unknown environment［J］. Journal of Beijing University of Aeronautics and Astronautics， 2019， 45（2）： 347-356 （in Chinese）. | |
| [6] | COSTA A N， COSTA P C G. Simulation-based air mission evaluation with Bayesian threat assessment for opposing forces［M］∥Disciplinary Convergence in Systems Engineering Research. Cham： Springer International Publishing， 2017： 281-295. |
| [7] | YIN Y F， ZHANG R T， SU Q R. Threat assessment of aerial targets based on improved GRA-TOPSIS method and three-way decisions［J］. Mathematical Biosciences and Engineering， 2023， 20（7）： 13250-13266. |
| [8] | 王宇航， 董宝良， 公超， 等. 基于意图识别的空中群目标动态威胁评估［J］. 计算机与现代化， 2023（12）： 100-104， 111. |
| WANG Y H， DONG B L， GONG C， et al. Dynamic threat assessment of air swarm targets based on intent recognition［J］. Computer and Modernization， 2023（12）： 100-104， 111 （in Chinese）. | |
| [9] | 和烨龙， 张鹏飞， 赵永娟， 等. 基于CRITIC和AHP组合赋权的TOPSIS法蜂群威胁评估研究［J］. 火炮发射与控制学报， 2024， 45（1）： 28-35. |
| HE Y L， ZHANG P F， ZHAO Y J， et al. A TOPSIS method using CRITIC and AHP combined weighting for swarm threat assessment［J］. Journal of Gun Launch & Control， 2024， 45（1）： 28-35 （in Chinese）. | |
| [10] | 唐磊， 冀春雷， 韩鹏. 四代机编队超视距作战效能评估模型研究［J］. 指挥控制与仿真， 2021， 43（3）： 49-52. |
| TANG L， JI C L， HAN P. Research on evaluation model of beyond-visual-range combat effectiveness of fourth-generation aircraft formation［J］. Command Control & Simulation， 2021， 43（3）： 49-52 （in Chinese）. | |
| [11] | 谢岚风， 陈军， 焦璐， 等. 未来空战全域火力场研究［J］. 航空学报， 2024， 45（5）： 529699. |
| XIE L F， CHEN J， JIAO L， et al. All-domain fire field in future air combat［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（5）： 529699 （in Chinese）. | |
| [12] | 曹玥瑶， 薛涛， 何闪闪， 等. 超视距空战全域火力场计算及态势评估和辅助决策应用［J/OL］. 北京航空航天大学学报， （2024-09-09） ［2025-05-07］. . |
| CAO Y Y， XUE T， HE S S， et al. Calculation of global fire field in over-the-horizon air combat and application of situation assessment and auxiliary decision-making［J/OL］. Journal of Beijing University of Aeronautics and Astronautics， （2024-09-09） ［2025-05-07］. （in Chinese）. | |
| [13] | 闫孟达， 杨任农， 左家亮， 等. 基于深度学习的空空导弹多类攻击区实时解算［J］. 兵工学报， 2020， 41（12）： 2466-2477. |
| YAN M D， YANG R N， ZUO J L， et al. Real-time computing of air-to-air missile multiple capture zones based on deep learning［J］. Acta Armamentarii， 2020， 41（12）： 2466-2477 （in Chinese）. | |
| [14] | 胡东愿， 杨任农， 闫孟达， 等. 基于自编码网络的导弹攻击区实时计算方法［J］. 航空学报， 2020， 41（4）： 323571. |
| HU D Y， YANG R N， YAN M D， et al. Real-time calculation of missile launch envelope based on auto-encoder network［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（4）： 323571 （in Chinese）. | |
| [15] | 游航航， 宋帅， 高阳阳， 等. 超视距空战中指挥引导效能的发挥［J］. 飞航导弹， 2019（11）： 70-72. |
| YOU H H， SONG S， GAO Y Y， et al. Exertion of command and guidance efficiency in over-the-horizon air combat［J］. Aerospace Technology， 2019（11）： 70-72 （in Chinese）. | |
| [16] | 夏博远. 马赛克战中面向杀伤网的作战环推荐方法研究［D］. 长沙： 国防科技大学， 2021： 6-8. |
| XIA B Y. A study of operation loop recommendation methods for kill web in the mosaic war［D］. Changsha： National University of Defense Technology， 2021： 6-8 （in Chinese）. | |
| [17] | 张健， 罗鑫悦， 黎宗孝， 等. 基于动态贝叶斯网络的无人机航迹模型研究［J］. 中国安全生产科学技术， 2023， 19（11）： 188-193. |
| ZHANG J， LUO X Y， LI Z X， et al. Research on UAV track model based on dynamic Bayesian network［J］. Journal of Safety Science and Technology， 2023， 19（11）： 188-193 （in Chinese）. | |
| [18] | 石庆研， 岳聚财， 韩萍， 等. 基于LSTM-ARIMA模型的短期航班飞行轨迹预测［J］. 信号处理， 2019， 35（12）： 2000-2009. |
| SHI Q Y， YUE J C， HAN P， et al. Short-term flight trajectory prediction based on LSTM-ARIMA model［J］. Journal of Signal Processing， 2019， 35（12）： 2000-2009 （in Chinese）. | |
| [19] | XUE H， CHAI T. Vessel track prediction based on fractional gradient recurrent neural network with maneuvering behavior identification［J］. Scientific Programming， 2021， 2021（1）： 5526082. |
| [20] | ZHENG Y Z， LV X M， QIAN L， et al. An optimal BP neural network track prediction method based on a GA-ACO hybrid algorithm［J］. Journal of Marine Science and Engineering， 2022， 10（10）： 1399. |
| [21] | VASWANI A， SHAZEER N， PARMAR N， et al. Attention is all you need［J］. arXiv preprint： 1706.03762，2017. |
| [22] | ZHOU H Y， ZHANG S H， PENG J Q， et al. Informer： Beyond efficient transformer for long sequence time-series forecasting［J］. Proceedings of the AAAI Conference on Artificial Intelligence， 2021， 35（12）： 11106-11115. |
| [23] | SEPP H， JURGEN S. Long short-term memory［J］. Neural Computation， 1997， 9（8）： 1735–1780. |
| [24] | LI L Y， YANG R N， LI H Y， et al. Unsupervised contrastive learning for automatic grouping of aerial swarms［J］. IEEE Transactions on Vehicular Technology， 2024， 73（5）： 6249-6258. |
/
| 〈 |
|
〉 |
CJA