【技术实现步骤摘要】
一种基于不完全信息的在线作战意图识别方法及装置
[0001]本专利技术属于目标意图识别
,尤其是涉及一种不完全信息在线作战意图识别方法及装置。
技术介绍
[0002]态势理解是根据态势觉察生成的态势特征向量,结合领域专家的军事知识对当前态势进行解释,对敌方意图和作战计划进行识别的过程。而战场目标作战意图识别一直以来都是各级指挥员关注的重点,是态势评估领域的热点问题,是指挥员决定下一步作战行动的重要依据。
[0003]随着信息技术的不断发展,大量侦察探测和传感设备应用于战场,大大提高了对情报侦察和战场数据的收集能力。然而,所有这些都需要经过数据分析后才能为决策者使用,情报界面临着信息过载的挑战,人类的认知速度和处理能力已很难跟上战场数据增长和变化的节奏,更不要说从瞬息万变的战场态势中快速、准确地识别敌方目标的战术意图。目标意图识别属于动态、对抗条件下的模式识别问题,需要在军事知识和作战经验的基础上,综合考虑战场环境、目标属性和目标状态等关键信息,通过关键特征提取、对比分析、联想和推理等一系列高度抽象的复杂思维活动实现对目标意图的准确识别,该过程很难显式地通过数学公式进行描述和归纳,因而需要设计高效的智能识别模型来辅助指挥员决策,以缩短决策时间,提高决策质量。现有的目标意图识别研究主要集中在模板匹配、专家系统、贝叶斯网络和神经网络几个方面。总体来说,模板匹配的方法符合人类认知规律,比较容易实现,但是,模板库的建立要依赖于领域专家先验知识的获取,客观性、可信性难以保证,模板库的更新也存在困难;虽然专家系统具有 ...
【技术保护点】
【技术特征摘要】
1.一种基于不完全信息的在线作战意图识别方法,其特征在于,包括以下步骤:步骤1:在当前时刻t将各种探测和传感设备对第i个目标单元在时间段ΔT内的持续追踪信号进行整合编码得到原始时变态势信息TU
ΔT
={Tu1,Tu2,
…
,Tu
N
},其中tu
t
表示t时刻的原始时变态势信息,N指的是在时间段ΔT内探测到的目标个数,T是ΔT的时间长度;步骤2:对所述原始时变态势信息TU
ΔT
进行编码补全压缩处理,得到有效的深度学习模型输入数据TU
ΔT,P
,p表示补全压缩处理;步骤3:将有效的深度学习模型输入数据TU
ΔT,P
输入到深度学习模型进行信息表征学习和意图分类;步骤4:解码输出得到目标意图识别结果。2.根据权利要求1所述的在线作战意图识别方法,其特征在于,所述深度学习模型包括:用于对通过各种探测和传感设备所获取的情报态势数据之间的底层共享信息进行表征的学习者;用于根据所述学习者在当前时段所获得的底层共享信息对所探测到的目标的当前时刻的作战意图进行精准识别的分类器;以及用于合理分配所述学习者和所述分类器之间的训练注意力的控制器。3.根据权利要求2所述的在线作战意图识别方法,其特征在于,所述学习者CPC的的主要组成部分包括:可变长的时序处理模型LSTM,用于将所提取的N个探测目标单元在当前时间段ΔT获得的态势信息TU
ΔT
={Tu1,Tu2,
…
,Tu
N
}进行编码,补全和压缩处理得到其中其中为第i个目标单元补全和压缩后的不完全信息下的模型输入序列,然后输入到变长时序处理模型LSTM,对其进行融合编码,得到目标单元态势信息的潜在表征编码序列EU={EU
t
‑
T
,
…
,Eu
t
‑1,Eu
t
},Eu
t
为t时刻输出的潜在表征编码;GRU的自回归模型:用于对所述目标单元态势信息的潜在表征编码序列EU的有效时间步信息表征进行汇总,IL
r
为补全前的原始信息长度;全连接的预测层:用于基于自回归模型得到的汇总特征表征当前时刻t的情报态势数据之间的底层共享信息SI
t
;通过InfoNCE loss对上述三个部分进行联合优化,定义所述学习者CPC模型的损失函数L
【专利技术属性】
技术研发人员:冯旸赫,陈丽,张驭龙,刘忠,黄金才,程光权,杨静,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。