Many-vs-Many Missile Guidance via Virtual Targets

तकनीकी सारांश: वर्चुअल टारगेट्स के माध्यम से मेनी-वर्सेस-मेनी मिसाइल गाइडेंस

समस्या विवरण
यह शोध पत्र कई इंटरसेप्टर्स द्वारा कई युद्धाभ्यास करने वाले लक्ष्यों (मेनी-वर्सेस-मेनी एंगेजमेंट) को निर्देशित करने की चुनौती को संबोधित करता है। पारंपरिक दृष्टिकोण आमतौर पर $n$ इंटरसेप्टर्स को $m$ भौतिक लक्ष्यों से सीधे मैप करने के लिए वेपन टारगेट असाइनमेंट (WTA) एल्गोरिदम पर निर्भर करते हैं। इस प्रतिमान (पैराडाइम) की एक महत्वपूर्ण सीमा नियत (डिटरमिनिस्टिक) भविष्यवाणियों पर निर्भरता है; जब लक्ष्य युद्धाभ्यास करते हैं, तो इंटरसेप्टर्स को एक ही एकल-बिंदु भविष्यवाणियों के लिए असाइन करना संख्यात्मक श्रेष्ठता ($n > m$) का पूर्ण उपयोग करने में विफल रहता है। लेखक यह तर्क देते हैं कि इस जुड़ाव को 'मेनी-वर्सेस-डिटरमिनिस्टिक-पॉइंट' समस्या के बजाय 'मेनी-वर्सेस-डिस्ट्रीब्यूशन' समस्या के रूप में देखना, लक्षित व्यवहार की संभाव्यता (प्रोबेबिलिस्टिक) के लिए एक अधिक सुदृढ़ समाधान प्रदान करता है।

कार्यप्रणाली (मेथोडोलॉजी)
प्रस्तावित समाधान वर्चुअल टारगेट्स (VTs) का उपयोग करते हुए एक केंद्रीकृत मार्गदर्शन रणनीति पेश करता है। यह कार्यप्रणाली निम्नलिखित मुख्य घटकों के माध्यम से संचालित होती है:

1. संभाव्यता आधारित प्रक्षेपवक्र भविष्यवाणी (Probabilistic Trajectory Prediction): प्रत्येक लक्ष्य के लिए एक एकल नियत पथ की भविष्यवाणी करने के बजाय, प्रणाली एक नॉर्मलाइजिंग फ्लोज़-आधारित प्रक्षेपवक्र प्रेडिक्टर का उपयोग करती है। यह मॉडल प्रत्येक लक्ष्य के लिए $n$ विशिष्ट VT प्रक्षेपवक्र उत्पन्न करता है, जो भविष्य के संभावित युद्धाभ्यास के संभाव्यता वितरण (प्रोबेबिलिस्टिक डिस्ट्रीब्यूशन) का प्रतिनिधित्व करते हैं।
2. वर्चुअल टारगेट असाइनमेंट: इंटरसेप्टर्स को भौतिक लक्ष्यों को असाइन करने के बजाय, यह रणनीति प्रत्येक $n$ इंटरसेप्टर को एक विशिष्ट VT प्रक्षेपवक्र को असाइन करती है। यह प्रभावी रूप से इंटरसेप्टर बल को विविध प्रक्षेपवक्र परिकल्पनाओं (ट्रैजेक्टरी हाइपोथीसिस) में वितरित करता है।
3. दो-चरणीय मार्गदर्शन नियम (Two-Phase Guidance Law):
   • मिडकौरस चरण (Midcourse Phase): इंटरसेप्टर्स को उनके निर्धारित VTs की ओर ज़ीरो-एफर्ट-मिस (ZEM) गाइडेंस का उपयोग करके निर्देशित किया जाता है। यह चरण अनुमानित वर्चुअल पथ के सापेक्ष मिस डिस्टेंस को कम करने पर केंद्रित है।
   • टर्मिनल चरण (Terminal Phase): लक्ष्य के समीप पहुँचने पर, अंतिम इंटरसेप्शन निष्पादित करने के लिए मार्गदर्शन नियम प्रपोर्शनल नेविगेशन (PN) में परिवर्तित हो जाता है।

मुख्य योगदान

• डिटरमिनिस्टिक से प्रोबेबिलिस्टिक गाइडेंस की ओर बदलाव: यह शोध पत्र जुड़ाव के तर्क में एक मौलिक बदलाव का प्रस्ताव करता है, जो प्रत्यक्ष इंटरसेप्टर-टू-टारगेट असाइनमेंट से हटकर इंटरसेप्टर-टू-डिस्ट्रीब्यूशन फ्रेमवर्क की ओर जाता है।
• नॉर्मलाइजिंग फ्लोज़ का एकीकरण: विविध प्रक्षेपवक्र परिकल्पनाओं को सक्षम करने के लिए VTs उत्पन्न करने हेतु नॉर्मलाइजिंग फ्लोज़ का अनुप्रयोग, जटिल, मल्टी-मोडल लक्ष्य युद्धाभ्यास वितरणों को मॉडल करने की अनुमति देता है।
• संख्यात्मक श्रेष्ठता का दोहन: यह विधि स्पष्ट रूप से उन परिदृश्यों का लाभ उठाती है जहाँ इंटरसेप्टर्स की संख्या लक्ष्यों से अधिक होती है ($n > m$)। लक्ष्य व्यवहारों के संभाव्यता वितरण में इंटरसेप्टर्स को फैलाकर, सिस्टम यह संभावना बढ़ाता है कि कम से कम एक इंटरसेप्टर लक्ष्य के वास्तविक युद्धाभ्यास के साथ संरेखित हो जाए।

प्रायोगिक परिणाम
लेखकों ने 1–6 लक्ष्यों और 1–8 इंटरसेप्टर्स वाले विभिन्न विन्यासों में मोंटे कार्लो सिमुलेशन के माध्यम से दृष्टिकोण को मान्य किया। परिणाम दर्शाते हैं कि:

• समान संख्या ($n = m$): जब इंटरसेप्टर्स की संख्या लक्ष्यों के बराबर होती है, तो VT विधि बेसलाइन स्ट्रेट-लाइन प्रेडिक्शन विधियों के तुलनीय या उससे थोड़ी बेहतर प्रदर्शन करती है, जो 0–4.1% की सीमा में सुधार दिखाती है।
• संख्यात्मक श्रेष्ठता ($n > m$): जब इंटरसेप्टर्स लक्ष्यों से अधिक होते हैं, तो प्रदर्शन का अंतर काफी बढ़ जाता है। इन परिदृश्यों में, VT विधि बेसलाइन विधियों की तुलना में 5.8–14.4% का सुधार प्रदर्शित करती है।
• समग्र प्रभावकारिता: सिमुलेशन पुष्टि करते हैं कि संभाव्यता आधारित VTs, संख्यात्मक श्रेष्ठता के प्रभावी उपयोग को सक्षम करते हैं, जिससे मेनी-वर्सेस-मेनी परिदृश्यों में समग्र इंटरसेप्शन की संभावना में महत्वपूर्ण वृद्धि होती है।

महत्व
यह शोध पत्र दावा करता है कि इसका प्राथमिक महत्व यह प्रदर्शित करने में है कि मेनी-वर्सेस-मेनी जुड़ाव को 'मेनी-वर्सेस-डिस्ट्रीब्यूशन' परिदृश्यों के रूप में मानकर अधिक प्रभावी ढंग से प्रबंधित किया जा सकता है। वर्चुअल टारगेट्स उत्पन्न करने के लिए नॉर्मलाइजिंग फ्लोज़ का उपयोग करके, प्रस्तावित रणनीति डिटरमिनिस्टिक असाइनमेंट की सीमाओं को दूर करती है, जिससे इंटरसेप्टर की संख्यात्मक श्रेष्ठता का अधिक सुदृढ़ दोहन संभव होता है। परिणाम बताते हैं कि यह दृष्टिकोण इंटरसेप्शन की संभावना में ठोस वृद्धि प्रदान करता है, विशेष रूप से जटिल जुड़ावों में जहाँ लक्ष्य का युद्धाभ्यास अनिश्चित होता है और उपलब्ध इंटरसेप्टर्स की संख्या खतरों से अधिक होती है।