海战场态势评估问题的研究

对海战场综合态势进行态势评估和威胁分析是信息融合系统的最高层级,态势评估结果将对指挥员的指挥决策起到非常重要的作用。根据海军作战理论分析了海战场态势的表示方法,并基于模板方法设计了一种战场当前态势与模板数据库中态势进行匹配的算法。该算法特别适用于高层推理如态势或威胁评估。     

稳态条件高斯推理在电磁态势估计中的应用

根据电磁态势估计原理,建立含连续结点和离散结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况。针对传统的连接树推理算法的不足,提出稳态条件高斯推理算法。新算法不仅能实现数值稳定性,还能根据高斯混合模型精确计算查询结点的边缘概率密度。仿真实验表明,稳态条件高斯推理是解决电磁态势估计问题的一种有效方法,且威胁估计的精度高。     

战场态势估计和威胁估计

描述了战场态势、态势估计和威胁估计的概念。对态势估计从态势要素提取、态势评估推理及态势预测三方面进行了分析,重点对态势评估中的功能领域如:目标合并、协同关系推理、战场主动权指数计算、作战能力评估、重要目标估计及敌战斗序列估计等的含义、内容和实现步骤进行详细阐述。对威胁估计的内容和主要功能也进行了描述。     

自适应模板匹配在坦克火炮稳定精度测试中的应用

在坦克火炮稳定精度测试中采用了模板匹配,给出了测试系统的工作原理,对基于归一化相关度量的模板匹配进行了分析,针对目标可能发生的变化对匹配结果产生的影响,提出了自适应模板匹配的算法,并详细阐述了初始模板确定、目标运动估计和模板更新的方法.最后,用实验的方法证明了自适应模板匹配在坦克火炮稳定精度测试中的优势.     

面向态势估计的多代理规划识别模型的研究

态势估计问题是数据融合的高层部分,如何有效的评估态势进而推理出敌军的目的、意图是要解决的问题;而在战役对象多、机动复杂的情况下如何推理更是一个待解决的问题。通过应用多代理规划识别理论,建立态势评估的推理框架,进而推出解决态势融合的推理算法。     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

C3I系统中战术态势估计的推理方法

本文首先讨论了态势估计中推理框架的现有形式，并从中抽取共性；然后讨论了推理算法的研究现状及存在的问题；最后在推理框架共性之下，提出了应用模糊理论和统计理论解决这些问题的步骤。     

一种基于计数的战场态势信息匹配算法

高效率的匹配算法是实现大规模、高速率的战场态势信息筛选所要解决的关键问题。针对战场态势信息筛选特点,分析比较了现有匹配算法,提出了一种基于计数的态势信息匹配算法。该算法将初始筛选条件转换解析成标准筛选条件;根据原子筛选条件与态势信息类型的对应关系,针对不同数据源,构建对应的多级索引结构,消除多个态势信息间相同属性的冗余匹配,有效提高了算法效率,符合战场态势信息筛选的要求。     

贝叶斯网络用于作战态势评估

作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用.因果推理是态势评估中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能.提出了构建贝叶斯网络进行态势估计的步骤,分析了态势估计系统事件的层次.给出一个具体的实例,演示了使用贝叶斯网络进行态势估计的过程.     

用于态势估计的贝叶斯网络方法

态势估计系统需要对大量的不确定性知识进行处理,不确定性知识表示和推理是态势估计中的研究热点.利用贝叶斯网络技术,可以实现对不确定性知识的处理.为此讨论了贝叶斯网络理论,详细分析了态势估计的功能模型,提出事件检测是态势估计的核心和起点,研究了用于态势估计的贝叶斯网络的构建方法.该方法充分考虑贝叶斯网络的几项基本要素,可以解决态势估计领域中贝叶斯网络的构建问题.贝叶斯网络技术在态势估计领域具有广阔的前景,将极大地推动态势估计系统的发展.