態(tài)勢估計中的關鍵技術研究.pdf

1、現代戰(zhàn)爭已呈現出復雜性不斷增加、作戰(zhàn)范圍越來越廣、參戰(zhàn)作戰(zhàn)單元越來越多的特點，這要求現代C4ISR系統(tǒng)能夠融合各種戰(zhàn)場信息，形成正確的戰(zhàn)場感知信息，及時準確地評估戰(zhàn)場態(tài)勢，為指揮人員的作戰(zhàn)決策提供信息支持。因此，態(tài)勢估計技術已成為多傳感器信息融合系統(tǒng)的高層關鍵技術。態(tài)勢評估(Situation Assessment，SA)是對戰(zhàn)場上獲得的多種類、多層次信息流的高層次關系提取與綜合處理、融合，更接近于人的思維過程，要涉及到眾多的因素、數據

2、、知識、規(guī)則、作戰(zhàn)樣式和條例，得到敵方兵力結構、使用特點的評判，最終形成戰(zhàn)場綜合態(tài)勢圖。本文對態(tài)勢估計理論、主要方法進行了研究，主要內容包括：
　　 1.在分析了態(tài)勢估計功能模型和定義的基礎上，探討了態(tài)勢覺察階段的主要功能和實現方法；針對不同戰(zhàn)場事件類型的檢測，分別給出了基于模糊邏輯的檢測方法和基于模板匹配的檢測方法；討論了態(tài)勢知識表示方法和目標分群問題，提出了基于貝葉斯網絡的態(tài)勢知識表示模型，詳細分析了態(tài)勢估計中目標分群的主要

3、功能。
　　 2.針對不同戰(zhàn)場環(huán)境的目標分群問題，給出了基于模板匹配的分群方法和基于模糊推理的分群方法；在基于模板匹配的分群方法中，依據海、空作戰(zhàn)目標的狀態(tài)特征值對目標進行聚類，然后采用基于模板匹配的方法對所劃分的群進行分類；由于陸地戰(zhàn)場環(huán)境的復雜性，根據所涉及的主要分群因素建立目標分群知識模型，通過模糊推理實現對陸地目標的分群和識別。
　　 3.分析了態(tài)勢估計中計劃識別的特點，提出了基于分層貝葉斯網絡的計劃識別方法；采

4、用分層貝葉斯網絡對計劃進行分級表示，依據發(fā)生的戰(zhàn)場事件和目標行為，動態(tài)構建分層貝葉斯網絡結構，并將其作為證據進行推理；為了解決動態(tài)構建貝葉斯網絡的推理問題，提出構建虛擬節(jié)點的方法，將底層貝葉斯網絡的推理結果作為不確定證據，輸入到對應的上層網絡節(jié)點中，以代替該底層貝葉斯網絡。
　　 4.貝葉斯網絡參數的學習是貝葉斯網絡應用的關鍵問題之一。文中針對態(tài)勢估計中貝葉斯網絡的參數學習問題，根據實際應用的情況，提出了基于Noisy-or g