实现态势估计的一种推理方法

1 引言美国联合领导实验室(JDL)数据融合小组(DFS)建立数据融合处理模型肥数据融合分为三级;一级是对目标位置和身份的估计;二级是对敌、我军事态势估计;三级是敌兵力威胁估计。态势估计接受一层融合的结果,从中抽取对当前军事态势尽可能准确、完整的感知,为指挥员决策提供直接的支持,是C~3I系统的“高级神经中枢”。目前态势估计尚没有完整的定义,一种功能性描述认为:态势估计是根据参战各方力量     

一种面向态势估计中分群问题的聚类方法

对目标分群技术问题进行了描述,分群或聚类问题是态势估计需要实现的一个重要功能,主要根据底层融合的结果应用聚类分析法实现战场目标分群。目标分群的结果有助于确定态势元素之间的相互关系,从而解释问题领域的各种行为,辅助指挥决策。提出使用CHAMELEON算法对战场目标或群进行划分,根据相对互连性RI和相对近似性RC所表征的相似度把它们形成更高层次的群。     

多Agent规划识别跟踪模型在态势估计中的应用

1 引言美国联合领导实验室数据融合委员会JDL/DTS定义态势评估为:综合固定和运动物体的配置、环境数据、理论数据和所谓性能数据(如敌方车辆运输能力、传感器观测性能等)以估计和推测敌方作战计划的一种方法,即确定敌人要做什么(行动)、企图达到什么目的(目标)等,从而确定己方的兵力部署。规划识别是根据Agent的行为序列来推断Agent所追求目标的过程,着重于对当前已发生行为的分析和抽象,因而对动态问题有很好的适应性,与态势估计中通过观察、分析战场中军事单元的动态行为来识别其计划的要求相一致,因此,本文在分析态势估计问题本质特征的基础上,采用多Agent规划识别理论来解决态势估计问题。     

基于空域法的UCAV群目标编群策略研究

随着空战环境和任务的复杂化,无人作战飞机开始从单个应用转向集群式应用,目标编群是UCAV群协同作战的首要条件。本文提出了基于空域法的目标编群策略,设计了目标编群的算法。仿真结果表明:基于空域法的编群策略能很好地适应空战中态势的变化,较好地获取目标的群数。     

基于本体的态势估计方法研究

作为一种有效表现概念层次结构和语义的模型,本体被广泛运用到信息科学的众多领域.态势估计在军事领域的意义日渐凸显,针对其智能推理的需求,将本体的知识框架和推理规则应用于态势估计系统的基础概念表示上,通过对本体及态势估计的研究,提出了自己的底层可形式化态势概念模型,综合众多的战场因素,描述组成态势的各个相关元概念和简单刻画其间的关系,并就在此基础上发展态势估计系统作了进一步探讨和展望.     

态势估计模型的研究与实现

态势估计属于数据融合中的二级融合,它的目标就是在一级融合的基础上,通过对各个作战对象行为、状态、事件、企图及其关系的分析,给出参战各方力量部署、作战能力、效能尽可能准确、完整的军事态势估计和感知,并对战术画面进行解释,辨别敌方意图。但现代战争涉及到的作战对象多、协同关系复杂、战术机动频繁,建立一个完善的态势估计模型存在很多困难。该文提出了基于态势觉察、态势理解和态势预测的三级态势估计功能模型;给出了基于模板的计划识别推理框架,重点讨论了基于多级分层黑板模型在态势估计中的应用。     

基于分级多层黑板模型的态势估计系统结构研究

分析了态势估计问题的本质特征和推理求解模式 ;在提出态势觉察、态势理解及未来态势预测三级态势估计概念基础上 ,提出了实现态势估计的多级多层黑板模型 ;并讨论了其体系结构及实现方法。     

贝叶斯网络在态势估计中的应用

战场态势分析是指挥决策的基础,如何进行合理的态势估计是当前战场指挥系统中最重要的组成部分。该文介绍了贝叶斯网络推理算法,分析了态势估计问题的本质特征和推理模式。提出了将贝叶斯网络用于态势估计,建立态势估计推理模型,该模型能够进行融合推理得到完整的战场态势信息,为决策提供依据。     

基于仿真的C4ISR系统设计方法及其支持环境研究

C4ISR系统的分析与设计是一项非常复杂的系统工程,而建模和仿真技术(M&S)作为系统分析与设计的一种关键技术有着广泛地应用.该文在对C4ISR系统的分析与设计过程进行研究的基础上,结合基于仿真的设计(SBD)方法,提出了基于仿真的C4ISR系统设计方法,深入探讨了在C4ISR系统分析设计全生命周期中运用SBD方法进行辅助设计的过程,并对其支持环境的设计进行了研究.     

数据融合中态势估计的知识基黑板模型实现

首先论述了态势估计的功能结构及其推理模式;然后提出了一种用于数据融合中态势评估部分的分级多层黑板模型;讨论了该模型的体系结构及实现方法;最后指出该模型能够满足普遍的高层数据融合的需要。     

贝叶斯网在态势评估中的应用

作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性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。根据态势与实践之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后一个实例来说明该网络的计算过程。     

基于模糊综合评判的目标属性识别模型研究

首先介绍了目标属性识别的方法及模糊综合评判原理,在分析影响目标属性识别因素的基础上,提出了目标属性识别的多级模糊综合评判模型,从而能有效地解决目标属性识别问题。     

实现态势估计的一种模板匹配算法

态势估计可归为一个多假设动态分类问题。如何找到态势假设和发生事件间的关系，是态势估计系统需要解决的问题。本文讨论了基于模式的态势知识库的建立，给出了一种基于模板匹配的知识推理算法，并运用专家系统工具CLIPS实现了事件／活动、军事计划的模板表示及推理，表明了使用模板匹配的方法求解态势估计问题的可行性。     

用于态势评估中因果推理的贝叶斯网络

1 引言贝叶斯网络是由R.Howard和J.Matheson于1981年提出来的,它主要用来表述不确定的专家知识。后来经过J.Pearl,D.Heckerman等人的研究,贝叶斯网络的理论及算法有了很大的发展。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已经得到了广泛的应用,例如概率专家系统、计算机视觉和数据挖掘等。     

DS融合知识的网络安全态势评估及验证

网络安全态势评估过程具有大量不确定性的复杂影响因素。针对态势评估中存在的正确性和合理性质疑等问题,利用DS证据理论建立了态势指标的识别空间和评估准则,通过专家知识融合的推理,提出了基于DS融合知识的网络安全态势评估方法,同时结合三层网络主机脆弱性指数的计算实验对态势评估的分析实例进行了验证。实验结果表明,该方法具有较好的态势评估效果,为态势评估提供了一种可行的解决方案。     

图象中目标的快速搜索算法

随着系统技术的发展,对目标识别跟踪系统的要求正朝着智能化方向发展,即要求系统具有对目标的自动捕获、自动识别和自动跟踪的能力。为此,在利用目标与背景之间的灰度分布特性的基础上,提出了一种在一定的范围内能自动搜索并锁定目标的目标搜索算法。该算法假定搜索过程是在一个较大的区域开始进行的,而目标仅是该区域内一个在灰度上与背景有差别的小区域。由于这个假定是符合实际情况的,因此该搜索算法可以看作是一个简单的主动边界方法,它首先由一个收缩算法逐步缩小搜索区域,再结合图象的梯度信息来搜索目标,最后锁定目标轮廓。该算法在搜索过程中只对少数的控制点进行计算,而且对控制点的初始位置无严格限制,因而可以在含有目标的区域快速完成搜索过程,实验结果表明,该算法对不同大小、不同形状的目标都可以取得很好的搜索结果。     

基于目标相干散射特性的极化SAR图像分解分类方法

基于对目标极化相干散射特性的分析,我们改进了Cloude和Lee等人提出的极化特征分解及非监督分类算法,以适应高分辨率极化SAR图像中复杂的地物细节特征。实验结果表明,相对传统方法,该方法更能够保留目标的细节特征、准确地估计目标极化相干矩阵,因此能够获得更好的分解分类结果。另外,该方法还具有较好的收敛性和鲁棒性。     

用于态势估计的一种构造贝叶斯网络参数的方法

根据态势估计的特点和要求,采用Leaky noisy-or gate模型的方法构造,并将其应用于整个贝叶斯网络中。该方法以离散变量集为研究对象,由于满足构成Leaky noisy-or gate模型的条件,能够利用部分统计信息构造节点的网络参数。文中利用相关的贝叶斯网络推理软件进行了实验。实验结果表明,使用Leaky noisy-or gate模型的方法,对网络参数进行构造是可行的。