基于可信度理论的一种态势估计方法

态势估计是战场决策的基础,而如何进行正确的战场决策对战斗有着重要的影响。在对态势估计进行分析的基础上,根据可信度理论,提出了一种对态势估计问题进行推理的方法。该方法能够进行融合推理得到态势假设和事件之间的潜在关系,为决策提供依据。实例验证的结果表明,此方法对当前战场态势可给出有效的综合评价和理解,具有较高的可信性。     

防空反导智能战场态势估计研究

在军事科技理论面临着巨大变革的背景下,为解决防空反导战场态势估计智能化发展的问题,通过对态势估计的三层模型进行分析以及对防空反导态势的要素构成进行探讨,研究了OODA环中防空反导态势估计的过程,建立了防空反导智能战场态势估计的系统模型,深入地探讨了阻碍防空反导智能化战场态势估计研究的五方面问题以及有望解决问题的关键技术措施,从而为防空反导智能战场态势估计研究提供了新思路。     

信息化战场环境下态势估计系统及其仿真技术

态势估计是数据融合体系中的一个重要层次.在当前信息化战争的环境下,态势估计技术在战斗中的作用显得尤为重要,目前国内关于态势估计的研究大多数处在概念研究的阶段.分析了态势估计的基本原理,给出了在信息化战场环境中态势估计的处理流程,构建了一个基于专家系统的态势估计系统,并采用HLA技术,利用VR_Force和VC开发了一套空战态势估计仿真系统.     

基于贝叶斯网络的威胁识别

根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.分析了使用贝叶斯网络进行威胁估计表示问题,提出了构建贝叶斯网络进行威胁估计的步骤.最后,给出一个具体的实例,演示了使用贝叶斯网络进行威胁识别的过程,实现了战场态势中蓝方机群对红方战术意图的提前预测.     

战场自然环境对军事行动影响

战场自然环境是影响作战的重要因素,文章研究战场自然环境对军事行动影响,详细介绍了战场自然环境综合分析、高寒山地环境对军事行动影响分析、海洋环境对军事行动影响分析等方面研究内容,并在此基础上给出了动态战场自然环境对军事行动影响分析评估框架。     

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。     

战场态势及态势估计的新见解

为理解战场态势本质,从信息交互角度,结合耗散结构理论对战场态势和态势估计进行了全新诠释.提出战场态势本质是战场信息的有限“无序”呈现,将其视为能够出现“有序”状态的动态开放系统.由此指出态势估计即分析理解各种战场信息,利用已有知识减小战场态势熵;同时指出态势估计的研究重点是战场态势内、外交换熵.最后介绍了新的理解下态势估计的理论基础——Brusselator模型,指出了通过建立影响战场态势熵的指标体系对战场态势进行量化分析的技术途径,并说明了计算战场态势正、负熵的方法及其是否形成耗散结构的判据.     

基于多重信息单元的战场态势要素构建研究

文章完整地提出战场态势估计的概念、包的内容、态势元素的分类,描述了态势要素与态势估计的相互关系。在此基础上对战场态势要素采用多重信息单元方法进行构建,该方法采用单元化的方式进行战场表达,将分布在战场上的态势要素属性量化后装入单元形成覆盖在战场上的层叠结构。最后阐述了该方法的优点。     

一种改进的海战场机动目标功能合群算法

海战场条件下及时准确地对敌方目标的进攻意图进行判断,从而对当前海域内的目标进行动态合群是海战场情报处理的一个重要研究方向,提出一种改进的海战场机动目标功能合群算法,该算法通过对当前时刻与之前多个探测周期内目标运动属性的对比,判断敌方的进攻趋势进而实现目标的合群.最后用一个剧本集对该算法进行了仿真研究,结果表明,本算法能够较以往的算法更早、更准确地发现敌方意图.     

战场威胁估计理论与方法研究

战场威胁估计是信息融合的重要研究内容之一,它能够为作战指挥控制决策提供依据。分析了威胁估计的概念和内容,包括威胁要素提取、量化及威胁等级确定。讨论了威胁估计常用理论和方法的特点以及优缺点,最后总结了威胁估计目前存在的问题,并指出其发展趋势。     

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。     

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。     

战场态势估计的理论体系研究

态势估计是数据融合体系中的一个重要层次。战场态势估计在现代作战中发挥了越来越重要的作用,但到目前为止关于态势估计的理论体系还没有一种比较统一的看法。本文从态势估计在数据融合中的地位出发,以态势估计处理融合数据的具体流程为根据,建立了三个层次的态势估计层次结构,解决了关于态势估计具体需要研究的内容问题。     

武汉会战中日军事部署之研究——以大别山北麓战场为例

大别山北麓战场是武汉会战的重要组成部分,中国军队依据有利地形,运用正确的战略战术,基本完成了预定的战略意图。但中国军队在战争中表现出来的单纯防御、协调作战能力差、内部派系争斗不止等弱点,限制了中国军队在战场上的作为。     

战场电磁态势融合感知技术框架研究?

为了高效精确感知现代战场条件下的电磁态势，分析了战场电磁态势感知的需求，研究了基于高层信息融合的电磁态势融合感知技术框架。战场电磁态势融合感知技术框架面向异构信息综合处理和融合模型柔性控制，基于电磁实体序列识别形成观测态势，基于作战行动企图估计形成估计态势，基于电磁威胁预测评估形成预测态势，构建现代战场综合电磁态势图。研究表明基于融合理论的战场电磁态势融合感知技术框架具有适应性强、高效精确的特点。     

战术分析的目标威胁判断

威胁判断是进行有效攻击和有效防御的重要前提。针对目前威胁判断算法主观因素过强、没有考虑因素间的相互关系等问题,提出了基于战术分析的目标威胁判断算法。首先根据敌我识别和攻击意图对目标进行威胁等级划分,之后由目标的可攻性和目标的毁伤能力确定目标的攻击效能,根据目标的攻击效能对一级威胁等级进行威胁排序。该算法充分考虑了各个因素之间的相互关系,符合战术推理和战场实际情况。仿真表明,该算法能得到有效、合理的威胁判断结果,能满足对空中目标的威胁估计。     

基于贝叶斯网络的空中目标威胁估计方法研究

针对当前威胁估计中存在的问题,提出了基于贝叶斯网络的空中目标威胁估计方法。文章从威胁估计的概念出发,构建了基于贝叶斯网络的威胁估计功能框架,在对输入的防空作战事件进行分类定义的基础上,给出了事件关联在贝叶斯网络中的实现方法,同时对模型的建立步骤进行了说明。文中提出的威胁估计方法在融合了目标威胁先验信息的基础上,通过战场观测到的不确定信息进行推理,其结果具有很强的可信性,相应的建模思路可为威胁估计系统的构建提供有益的参考。文章的最后以一个示例说明了方法的有效性。     

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。     

意图驱动的防空武器-目标动态分配方法

武器-目标分配是防空作战指挥决策的重要内容之一,针对此问题大多数的研究都过多考虑己方的态势和有限的目标信息,对敌方目标意图的认知鲜有涉及,结合空中目标作战意图,提出一种意图驱动的防空动态武器-目标分配方法。考虑到敌机的行为对我方决策产生的影响,对采集到的敌机群数据,将专家经验封装为标签,训练融合注意力机制的双向长短期记忆网络（BiLSTM-attention）进行意图识别,根据敌方不同作战飞机的意图,以及敌机的被动属性、我方武器属性、战场环境信息和实时动态信息,提出了意图驱动的武器-目标分配模型（intent-WTA）,使用费用流算法在较短的时间内准确获得最优的武器-目标分配策略,实验仿真结果表明,所提方法可以准确、高效地根据战场局势的动态变化进行武器-目标分配,满足防空作战的实战要求。