基于特定网络结构的空地态势评估方法技术

本发明专利技术公开了一种基于特定网络结构的空地态势评估方法，包含以下步骤：1)、将机载传感器获取的目标数量、辐射状态、目标类型、目标速度大小、目标方位、目标速度方向、敌我距离以及敌我身份识别信息离散化后输入到各对应的输入节点的状态值中；2)、依据贝叶斯网络理论从各输入节点的状态值计算出行为意图和威胁包络。本发明专利技术能为战场指挥员决策提供辅助支撑信息。

【技术实现步骤摘要】
基于特定网络结构的空地态势评估方法
本专利技术涉及机载航电综合领域，特别是涉及决策信息融合技术。
技术介绍
态势评估是高层次的决策级信息融合过程。态势评估是建立作战活动、事件、时间、位置和兵力要素组织形式的视图，将所观测的战斗力量分布与活动和战场周围环境、敌方作战意图及敌机动性有机地联系起来，分析并确定事件发生的原因，得到关于敌方行为意图、威胁包络等态势信息的估计。贝叶斯网络(BayesianNetworks，BN)是美国加州大学J.Pear教授首次完整提出的，是一种不确定知识表示模型。它不仅有着坚实的概率论理论基础，同时又能够很好地同领域专家的知识结构相对应。对于态势评估问题而言，采用贝叶斯网络进行态势知识的建模较为合适。对战场事件、作战单元、作战行动等采用统一的网络节点进行表示，传感器获取的信息作为祖先节点，表示后续军事行动的原因；以战场军事事件作为子孙节点，表示作战意图或计划所导致的结果。以节点间的有向边表示不同节点间的因果关系，而关系强度则以节点之间的条件概率来表示。
技术实现思路
本专利技术的专利技术目的在于提供一种基于特定网络结构的空地态势评估方法，利用由战场获取的敌方目标数量，辐射状态，目标类型，目标速度大小，目标方位，目标速度方向，敌我距离以及敌我身份识别信息，经由参数计算以及贝叶斯推理，得到目标行为意图以及威胁包络等战场态势信息。进而为战场指挥员决策提供辅助支撑信息。本专利技术的专利技术目的通过以下技术方案实现：一种基于特定网络结构的空地态势评估方法，包含以下步骤：步骤1)将传感器获取的目标数量、辐射状态、目标类型、目标速度大小、目标方位、目标速度方向、敌我距离以及敌我身份识别信息离散化后输入到各对应的输入节点的状态值中；其中，输入节点包含目标数量节点、辐射状态节点、目标类型节点、速度大小节点、方位节点、速度方向节点、距离节点以及敌我身份节点；步骤2)根据各输入节点的状态值计算出各输出节点的各个状态的概率分布情况，概率大的状态即为推理结果，由此得到空地态势评估的结果；其中，输出节点包含行为意图节点和威胁包络节点，行为意图节点的各个状态的概率分布情况依据贝叶斯网络理论从辐射状态节点，目标类型节点，速度大小节点，速度方向节点，方位节点，距离节点以及敌我身份节点得出，威胁包络节点的各个状态的概率分布情况依据贝叶斯网络理论从目标数量节点，目标类型节点，辐射状态节点以及敌我身份节点得出，行为意图节点和威胁包络节点各自独立完成相关操作。本专利技术的有益效果在于：本专利技术提供了一种基于特定网络结构的空地作战态势评估方法。实际使用过程中，将机载传感器获取的敌方目标数量，辐射状态，目标类型，目标速度大小，目标方位，目标速度方向，敌我距离以及敌我身份识别信息作为输入，经由输入信息离散化处理，特定网络结构构建，参数计算以及贝叶斯推理等步骤，可以对地面目标行为意图以及威胁包络进行有效推理。可以快速有效的得到地面战场态势评估结果，为战场指挥员提供辅助信息，帮助指挥员做出正确的判断。附图说明图1为用于空地态势评估的贝叶斯网络结构示意图；图2为证据A1下的行为意图的推理结果；图3为证据A2下的行为意图的推理结果；图4为证据A3下的行为意图的推理结果；图5为证据A4下的行为意图的推理结果；图6为证据B1下的威胁包络的推理结果；图7为证据B2下的威胁包络的推理结果；图8为证据B3下的威胁包络的推理结果；图9为证据B4下的威胁包络的推理结果。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。在本实施例中，在进行空地态势评估前，首先需要构建贝叶斯网络结构，如图1所示，包含：输入节点：(1)目标数量节点(Count，以下简称Co)，对应的状态值为：(2)辐射状态节点(Radiation，以下简称Ra)，对应的状态值为：(3)目标类型节点(Type，以下简称Ty)，对应的状态值为：目标类型的状态可根据需要进行调整。(4)速度大小节点(Velocity，以下简称V)，对应的状态值为：(5)方位节点(Position，以下简称Po)，对应的状态值为：(6)速度方向节点(Velocity_Direction，以下简称VD)，对应的状态值为：(7)距离节点(Distance，以下简称Dis)，对应的状态值为：(8)敌我身份节点(IFF)，对应的状态值为：输出节点：(1)威胁包络节点(Threaten，以下简称Th)，对应的状态值为：(2)行为意图节点(Attack_Intention，以下简称AI)，对应的状态值为：对于威胁包络节点，首先与敌方目标的数量有关，当敌方目标较多的时候，其包络曲线半径明显会变大，其次敌方目标的辐射状态决定了当前威胁包络是否存在，若敌方辐射关闭，则威胁包络相对较小，若敌方辐射为锁定，则很可能下一步实施打击，威胁包络形状和范围都会比较大，然后敌方的目标类型直接决定了敌方的威胁包络的形状，最后，如果是我方目标，则不存在威胁包络。所以综上，对于威胁包络的判断取决于目标数量，目标类型，目标辐射状态以及敌我身份的识别。对于行为意图节点，首先与敌方的辐射状态有关，敌方雷达的搜索，跟踪，锁定，干扰或者是关闭直接暴露了其行为意图，其次敌方目标的类型可以区分敌方的作用对象，比如敌方的防空导弹和高炮阵地作用于我方空战飞机，敌方的坦克装甲车等可能作用于我方地面受保护目标。敌方的目标速度大小、方向会体现其行为意图为攻击，探测，干扰或者是规避。如果敌方的目标方位处于我方地面受保护目标附近，则可能作用于受保护地面目标，或者敌方地面目标向我方空战飞机靠近，可能会打击我方空战飞机。此外，距离和敌我身份的识别也与敌方的行为意图有关。综上，敌方的行为意图取决于敌方目标的辐射状态，目标类型，目标速度大小，速度方向，目标方位，敌我距离以及敌我身份识别信息。在获得贝叶斯网络的结构之后，需要构造网络的参数，即CPT表(条件概率表)，它代表了网络中每一个结点在已知父结点取值情况下出现可能结果的概率情况。具体对于每一个节点的CPT构造方法如下：根据节点概率分布复杂情况将节点分为两种情况：无父节点变量和有父节点变量。无父节点变量的概率为此节点变量可能状态的初始概率赋值，采用专家经验进行赋值，无专家经验的情况下，采用等概率赋值；有父节点变量的概率分布采用最大似然估计(MLE)算法，进行贝叶斯网络参数学习。具体操作方法如下：对于最大似然估计，一个随机实验中可能存在D1,D2,...Dn种实验结果，假设在一次实验中，Dm出现，则可以认为Dm出现的概率最大，于是将似然函数取P(D|θ)极大值时的参数值θ作为对参数的估计值，似然度是判断估计参数θ“好”与“坏”的一个标准。依据θ产生样本D的可能性，即似然度函数L(θ|D)＝P(D|θ)＝ΠP(X[m]|θ)，如果似然度越大，则对应的θ越“好”。进而得到含有n个变量的贝叶斯似然度函数为：BN局部似然函数可进一步分解：在父节点集合的取值已知时，分布是和的其它取值无关的独立多项分布，最大似然估计方法可以通过计算得到估计参数，利用该公式，可以很容易获得给定结构的参数。考虑一个由n个变量X＝{X1,X2,X3,......Xn}组成的贝叶斯网络，设其中的结点Xi共有ri个取值1,2,...ri其中父结点π(Xi)的取值共有qi个组合本文档来自技高网...

【技术保护点】
1.一种基于特定网络结构的空地态势评估方法，包含以下步骤：步骤A1)将传感器获取的辐射状态、目标类型、目标速度大小、目标方位、目标速度方向、敌我距离以及敌我身份识别信息离散化后输入到各对应的输入节点的状态值中；其中，输入节点包含辐射状态节点、目标类型节点、速度大小节点、方位节点、速度方向节点、距离节点以及敌我身份节点；步骤A2)根据各输入节点的状态值计算出各输出节点的各个状态的概率分布情况，概率大的状态即为推理结果，由此得到空地态势评估的结果；其中，输出节点包含行为意图节点，行为意图节点的各个状态的概率分布情况依据贝叶斯网络理论从辐射状态节点，目标类型节点，速度大小节点，速度方向节点，方位节点，距离节点以及敌我身份节点得出。

【技术特征摘要】
1.一种基于特定网络结构的空地态势评估方法，包含以下步骤：步骤A1)将传感器获取的辐射状态、目标类型、目标速度大小、目标方位、目标速度方向、敌我距离以及敌我身份识别信息离散化后输入到各对应的输入节点的状态值中；其中，输入节点包含辐射状态节点、目标类型节点、速度大小节点、方位节点、速度方向节点、距离节点以及敌我身份节点；步骤A2)根据各输入节点的状态值计算出各输出节点的各个状态的概率分布情况，概率大的状态即为推理结果，由此得到空地态势评估的结果；其中，输出节点包含行为意图节点，行为意图节点的各个状态的概率分布情况依据贝叶斯网络理论从辐射状态节点，目标类型节点，速度大小节点，速度方向节点，方位节点，距离节点以及敌我身份节点得出。2.一种基于特定网络结构的空地态势评估方法，包含以下步骤：步骤B1)将传感器获取的目标数量、辐射状态、目标类型、以及敌我身份识别信息离散化后输入到各对应的输入节点的状态值中；其中，...

【专利技术属性】
技术研发人员：刘博，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：上海,31