空中目标战术意图层次推理框架及实现

以提高对空态势感知能力为目的,着眼于构建以专家系统为特征的目标意图推理决策支持系统,首先根据目标意图的含义从意图、行动和状态三个层次进行了层次表示,并简要分析了实现意图推理的六种途径.根据空中目标的作战使用等领域知识将其意图从属性类型、战术类型、威胁类型和任务类型四个层次进行了分解.基于意图推理输入信息的分布性特征以及意图的层次分解建立了基于判定树的意图层次推理框架以及数据驱动的推理控制机制.该框架为建立空中目标战术意图的推理实现方法提供了重要的依据.     

基于贝叶斯推理的海战场空中目标意图分层识别方法

针对海战场敌方空中目标意图识别方法都是一次性完成空中目标的意图识别,会在运算过程中带来消耗时间较多、效率较低的问题展开深入研究,在给出了海战场敌方空中目标相关特征参数计算和筛选公式的基础上,结合目标意图特点,依据指挥员的思维逻辑,提出了一种基于贝叶斯推理的海战场敌方空中目标意图分层识别新方法。该方法运用分层思想实现对更关注的目标意图更快捷的贝叶斯推理识别,可作为常规方法的简化过程,因此,可减少消耗时间,提高识别效率。基于实测数据的仿真实验验证了所提方法的有效性。     

基于模糊随机贝叶斯网络的意图估计方法

意图估计是数据融合五级模型中态势评估的重要研究内容。意图估计结果的稳定性对于辅助战场决策具有重要意义,在分析了影响意图识别结果稳健性的基础上,将模糊随机贝叶斯网络应用于战场目标的意图分析。在研究了战场环境下网络结点构造及推理方法的基础上,结合具体场景给出示例并进行了仿真验证。     

基于MEBN的战术级空中目标意图识别

战术级空中目标意图识别是现代化防空作战中理解战场态势、预测目标行动的关键.构建空中目标意图识别模型的核心问题是如何表示不确定的意图因素以及它们之间的关系.分析了具有典型防空作战意义的想定,并结合军事经验总结了影响意图识别的因素.提出了应用多实体贝叶斯网络(Multi-Entities Bayesian Network)描述空中目标意图,在贝叶斯推理中融入逻辑理论,采用具体的基于知识的SSBN构建算法动态地进行空中目标意图识别.通过仿真实验,验证了此方法的有效性和可行性.     

一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

基于ANFIS的空袭目标攻击意图量化方法

为准确评估空袭目标的威胁程度和提高指挥员的防空决策水平,采用自适应神经模糊推理系统(ANFIS)对空袭目标的攻击意图量化分析。该方法将模糊推理和人工神经网络有机地结合起来,充分利用专家知识,综合集成了航向角攻击意图系数和高度攻击意图系数。仿真结果表明,建立的攻击意图量化系统反映了影响因素和攻击意图的映射规律,方法合理有效,能够为防空作战提供决策支持。     

潜艇对水面舰艇编队攻击意图推理研究

为量化编队的对潜攻击意图,首先从潜艇能够获取的信息中提取攻击意图检测值;其次采取基于目标信息要素聚类的编队群体识别,将潜艇探测到的所有目标按照编队分群;最后采取基于可变权多目标决策的编队攻击意图推理将编队攻击意图的明显程度量化为编队攻击意图系数。研究使得编队对潜攻击意图表征成为可能,为威胁判断后续工作打下基础。     

美国陆军数据战略目标及实施

为深入研究美陆军数据战略目标及实施策略,为我军数据战略研究提供借鉴,文章对美陆军2016年发布的最新《陆军数据战略》进行分析,指出其目标是实现数据的可视化、可获取、可信任、可理解和互操作,并对美陆军数据战略的具体实施策略进行了剖析,指出美国陆军数据战略推动的是美军军事作战理论转型,从"网络为中心"转变为以"数据为中心"作战理念,其核心意图在于以数据优势实现指挥决策优势。     

海战场的规划识别研究

规划识别可分为锁眼型(keyhole)和意图型(intention),又可划分为个体的和群体的两种类型,对于敌舰艇编队的规划识别则属于意图型的和群体类型的.舰船及其编队指控系统在战场指挥决策过程中,根据多传感器信息融合系统提供的实时数据与信息进行态势评估,除了敌我识别、目标身份识别、威胁估计外,还涉及对敌舰及其编队的意图型、群体型的规划识别问题.初步探讨舰艇编队(即多自主体系统Multi-Agent System,MAS)规划识别特点、MAS规划识别规划结构框架和基于时态描述逻辑的动作推理的若干问题.     

数据融合在组网雷达作战效能发挥中的应用

在现代战争中组网雷达由于充分利用了各单部雷达的资源和数据融合技术的优势,使得在探测、定位、跟踪、识别、威胁判断等方面的雷达网整体性能得以大幅度改善,从而使整体作战能力得到极大提高,使其在现代战争尤其是争夺制电磁权方面扮演了越来越重要的角色.介绍了组网雷达的概念并对其所具有的优越作战能力进行了初步探讨和分析,然后阐述了数据融合技术在组网雷达作战效能发挥中的应用,最后从理论研究的角度详细分析了秩K融合规则、贝叶斯推理法、最大似然法等数据融合算法在组网雷达融合发现概率模型的建立及对敌方空袭目标战术意图识别方面的具体应用.     

基于EMEBN的空中目标战术意图识别方法

战术意图识别是战场态势分析与威胁评估中的重要一环,针对复杂战场环境中敌目标战术意图存在的动态性、序列性等问题,构建能够描述目标战术意图表达和推理的动态序列贝叶斯网络模型（dynamic series bayesian network,DSBN）,分析多实体贝叶斯网络（multi-entities bayesian network,MEBN）在表达规则知识概率迁移关系和序列关系的局限性,提出基于扩展多实体贝叶斯网络（extended multi-entities bayesian network,EMEBN）的战术意图识别模型构建方法,最后通过实例验证该方法的可行性和有效性。     

基于时序特征编码的目标战术意图识别算法?

对战场目标战术意图的快速、准确和自动识别，是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成，因而目标状态呈现动态、时序变化特征。本文针对目标意图识别问题的特点，提出一种基于栈式自编码器（ SAE）的智能识别模型，设计智能识别模型的基本框架，提出一种基于时序特征的输入信号编码方法及相应的模式解析机制，通过将目标状态在多个时刻的时序特征和战场环境、目标属性等信息统一编码为输入信号，将军事专家的知识经验封装为模式标签，模拟人的推理模式与认知经验，实现对目标战术意图的智能识别。最后通过实验，分析预训练过程和网络深度对算法性能的影响，并通过与多层感知机（MLP）和逻辑回归分类器（LRC）识别准确率的比较，验证所提SAE算法的有效性。     

无监督神经网络的潜艇对空战术意图识别

传统的通过遥感系统获取空中目标信息,解析出目标战术意图的方式,需要大量的专家评估计算网络节点及权重,具有速度慢,耗费大等缺点。为了降低潜艇对空战术意图识别时间,发挥无监督学习神经网络的计算能力。利用遥感获取的空中目标属性与目标战术意图形成训练样本训练神经网络,获得输入目标属性的阈值及竞争层神经元间的关系,建立输出函数,识别空中目标的战术意图。仿真结果表明,竞争神经网络与自组织特征映射(SOFM)神经网络训练的测试样本的输出值与真实值相对应,准确度较高。     

基于贝叶斯网络的空中目标意图识别方法

针对空中目标意图识别问题,对防空作战中的战场事件进行了分类定义,根据事件之间的关联关系,提出了基于贝叶斯网络的空中目标意图识别方法,在此基础上,给出了网络模型的构建和推理方法,最后以一个示例说明了方法的有效性。     

基于OKNN的目标战术意图识别方法

战术级意图识别为指挥员理解战场态势,制定接下来的作战计划提供辅助决策。意图识别模型的构建是态势分析过程中实体行为建模的难点之一。针对传统战术意图识别方法中战场态势不确定性的集成与传递,以及推理模板固化问题,在以获取目标动态作战知识用于解释敌方作战行动过程中行动要素的基础上,构建了目标战术意图推理框架;根据作战计划制定特点,提出了基于作战知识神经网络(operation knowledge neural network,OKNN)的目标战术意图识别方法。OKNN以空中目标群为单位,通过实时动态建立基于作战知识的实体片段集来增强模型推理的灵活性,模型基于经验的训练样本计划库,可动态自适应的调整目标战术意图空间分布结果,大大消减了不确定性的集成与传递。最后通过仿真实验验证了模型的有效性。     

接敌前基于D-S理论的空战意图预测

接敌前是指敌机刚进入我方预警系统的探测范围(一般为400 km),并截获敌机,获得了敌机的运动参数,对敌机进行实时跟踪。为了完成对敌机目标意图的预测,为接敌前的自主决策打下基础,在D-S证据理论的基础上,选取合适的态势元素,分析各态势元素对敌机意图的影响,建立了目标意图预测模型,该模型具有一定的表达性和准确性。仿真实验表明,使用该模型能在敌机相距较远时以一定的准确性判断敌机的意图,实用性强,为接敌前基于意图预测的自主决策留出足够的时间。     

几种结合目标战术意图的跟踪模型研究*

传统的数据处理方法没有与机动目标的战术意图结合起来,往往不能适应现代反舰导弹的运动模式.针对这一问题,结合导弹战术意图信息,根据运动学或动力学规律推导得出机动目标跟踪模型,可较真实地匹配目标的机动情况,目前,此类模型主要有转弯运动模型、比例导引运动模型和跃升俯冲运动模型等.在特定的作战时机,可取得较高的跟踪精度和较理想的作战效果.     

试飞多目标实时定位系统的设计与实现

针对空空多目标攻击问题,运用一种基于全球定位系统(GPS)、时分多址(TDMA)和频分多址(FDMA)相结合的技术,设计了试飞多目标实时定位系统。在试飞中通过无线数据链路实时获取多个目标的GPS位置、速度数据,进行插值推算等数据融合处理后,发送给评估系统,作为空空多目标攻击技术实时评估的基准信息。系统具有定位精度高、系统数据更新率快,在实际应用中显示了良好的性能。     

水下平台对敌意图识别技术研究

对敌意图识别是作战平台指挥决策的重要依据。针对水下平台意图特征的识别问题,通过对军事应用领域意图识别框架的分析,建立了水下平台的意图识别框架,同时分析了水下平台可用意图特征及提取方法,并提出了一种适于水下平台的意图识别方法。该方法为意图识别技术研究提供一定的参考。     

贯彻落实党和国家的决策部署 努力开创国防动员建设新局面 中央军委委员、国务委员兼国防部长梁光烈在军区国动委第六次全体会议上的讲话(摘要)

前不久,国家国防动员委员会召开第七次全体会议,贯彻胡主席主题主线重大战略思想,全面分析国防动员建设面临的新情况、新特点,科学提出"十二五"时期国防动员工作的指导思想、目标任务和措施要求,充分体现了党和国家加强新形势下国防动员建设的战略决心和战略意图。我们要深入贯彻党和国家的决策部署,切实用国家国动委第七次全会精神统一思想、指导工作。