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.     

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。     

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。     

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.     

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。     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

用于雷达监视的贝叶斯及登普斯特－－谢弗目标识别法

本文探讨了雷达监视系统中目标航迹的识别问题,为了跟踪器旁边建立目标识别器,这里使用了可用于空中监视系统实时处理的四个特征:从敌我识别系统(IEF)得到的目标标识符(TID).来自雷达的仰角量测、目标速度以及跟踪器估计的加速度。将这四个特征组合起来,可将空中目标分成五类:友方商用目标、友方军事目标、敌方商用目标(或未知目标)、敌方军事目标及假目标(雷达杂波)。两种流行的基于统计的技术,即贝叶斯和登普斯特——谢弗方法,用于开发本文的雷达目标识别算法。真实及仿真的空中监视雷达数据用于评估雷达监视系统的这种航迹识别方法的适用性及效能。     

基于贝叶斯网络的态势估计时间推理方法

基于贝叶斯网络的态势估计方法是目前态势估计领域中的主要方法之一,然而,传统的贝叶斯网络不具备时间语义,因此无法解决态势估计中的时间推理问题.基于此,对贝叶斯网络进行改造,研究了时间贝叶斯网络的构建方法.通过一个战场想定,说明了时间贝叶斯网络构建、推理的过程与方法,证明了提出方法的有效性.     

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.     

基于战术意图欺骗的无人舰艇航路规划算法

随着海战场的智能化,无人舰艇的航路意图欺骗性对作战至关重要。针对传统航路规划算法对航路意图欺骗性的考虑缺失,提出一种作战空间欺骗性能的离散表征方法,以及一种基于PID代价的DTI-A*欺骗航路规划算法。经仿真实验结果表明,该算法可以显著提高所规划航路的欺骗性,极大程度地阻碍敌方对我方战术意图的识别,大幅提升作战任务的成功率。     

基于贝叶斯网络的空中目标作战企图识别研究

研究探讨了空中目标作战企图的识别问题.提出了基于贝叶斯网络和模糊逻辑相结合的空中目标作战企图识别方法,通过专家知识建立网络模型的结构,运用案例库分析来训练网络模型的边缘概率和条件概率参数,并用简单的示例推理验证了模型的有效性,该模型可以在有证据缺失的情况下进行推理.     

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.     

基于贝叶斯网络的装甲目标战术企图推理模型构建

以贝叶斯网络理论为基础,分析基于贝叶斯网络的目标企图推理框架,从目标状态、目标性质、战场环境和战术特性4个方面提取节点,在分析这4个节点拓扑结构的基础上,构建了装甲目标战术企图推理的贝叶斯网络拓扑结构。     

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。     

复杂海战场环境下AUV全局路径规划方法

针对无人自主水下航行器(Autonomous Underwater Vehicle, AUV)在复杂海战场环境中路径规划时环境模型复杂、约束条件多的情况,建立了包括战场地形、敌方威胁、障碍物和海流场等在内的比较完善的海战场环境模型。以AUV航行时间、威胁时间最短为优化目标,给出了一种基于振荡型入侵野草优化(Invasive Weeds Optimization, IWO)算法的AUV全局路径规划方法,并分别与标准IWO算法、全振荡型IWO算法以及粒子群算法等三种路径规划算法比较。仿真结果表明,所提方法具有较强的寻优能力和鲁棒性,可在复杂海战场环境下为AUV高效地规划出满足性能要求的航行路径。     

基于直觉模糊贝叶斯网络的不确定性推理方法

针对模糊贝叶斯网络模型对战场态势信息不确定性描述与推理方面的局限性,利用直觉模糊属性函数表示贝叶斯网络节点概率以及变量间的因果依赖关系,给出了直觉模糊贝叶斯网络(IFBN)的定义,证明了节点直觉模糊性在贝叶斯网络推理中的可传播性,并提出了基于IFBN的不确定性推理方法,有效地提高了贝叶斯网络模型推理的准确性,增强了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该方法的有效性和优越性。     

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.     

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。