基于深度时空循环神经网络的协同作战行动识别

针对协同作战行动识别面临的行为特征空间大、模型参数多、训练速度慢等问题,将时空图模型和时序建模有机结合,提出基于深度时空循环神经网络的协同作战行动识别方法,建立战场协同作战行动识别架构,引入建议窗口生成机制划分战场空间为局部战场集,利用时空图设计层次循环神经网络模型以识别局部战场协同作战行动,并结合局部战场协同关系传递性实现整个战场的协同行动识别。实验分析表明,该方法具有较高的协同作战行动识别准确率。

基于模糊动态贝叶斯网空战敌方作战企图识别

文章对空战中敌方目标作战企图的各个因素进行了分析,建立了敌方目标作战企图识别的动态贝叶斯网模型,根据连续变量的不同特点,通过构造和设置不同的隶属函数和参数,对连续变量的观测值进行模糊分类,通过引入可能性概率转换理论转换为贝叶斯网能够利用的证据信息用于推理,使对敌方目标作战企图的推理过程具有前后连续性,更加符合客观实际,有效地减少了主观判断带来的误差。仿真实验表明,该方法的推理结果与理论分析一致,为识别敌方目标作战企图提供了一种可行且有效的方法。

作战指挥态势理解智能算法应用

为提高作战指挥态势理解效率,掌握敌方作战意图,对作战指挥态势理解进行了研究分析。首先,在仿真推演基础上,建立了知识发现方法池,提出了基于智能算法的态势理解方法;然后,以战术层面敌方坦克分队作战意图识别为例,说明了智能算法在挖掘和识别敌方作战意图时的应用方法和路径;最后,试验结果表明,深度学习和长短时记忆(LSTM)网络算法对意图识别问题具有较高的识别准确率。该研究可为指挥员提升作战指挥态势理解能力、开展智能算法在作战指挥态势理解中的应用研究提供参考。

信息融合动态与发展趋势

描述了信息融合理论与技术当前研究动态,提出了第三代信息融合概念、模型、特征和功能模式,强调了人在感知观测—判断—决策—行动(OODA)环中的主导作用,为情报战博弈和按我方意图塑造战场态势以及先敌感知提供理论依据。最后介绍了当前信息融合6个挑战性问题和信息融合学科中的一些奥秘。

面向鲁棒决策的战场态势评估人机共识形成方法

针对地面突击装备战术级、高动态、分布式、强实时作战过程中的战场态势高度复杂且信息不确定问题,提出一种面向鲁棒决策的战场态势评估人机共识形成方法,实现“人类智能”与“人工智能”在综合态势评估中的有机融合。首先,通过采集乘员(专家)态势评估行为实验样本,模拟乘员(专家)对战场态势信息的认知过程,构建战场态势评估两级智能代理模型;其次,提出一种对人机偏好不敏感的决策鲁棒指数,车辆乘员基于该指数在高强度对抗下快速判断形成人机共识,辅助指挥员进行鲁棒决策。在某作战仿真系统中进行了红蓝对抗的想定设计,并以敌方意图为态势评估对象进行了案例验证,验证了该方法的有效性。