C^3I系统中战术态势估计的推理方法

本文首先讨论了态势估计中推理框架的现有形式，并从中抽取共性；然后讨论了推理算法的研究现状及存在的问题；最后在推理框架共性之下，提出了应用模糊理论和统计理论解决这些问题的步骤。

态势估计——概念、内容与方法

介绍了数据融合概念。完整地提出了战场态势估计的概念、应包含的内容、态势元素的分类以及态势估计的处理过程,描述了态势要素与态势估计的相互关系,并建立了态势估计处理5项功能与信息流程,描述了功能之间的相互关系。介绍了实现态势估计的方法和技术,并分析了其适用类型及其优缺点。

态势估计中目标分群方法的研究

对态势估计中目标分群问题及其相关概念进行了描述;定义了距离因子和距离差因子,根据初级融合获得的敌目标有用数据,计算进攻关系隶属度以生成敌方功能群;提出了目标分群的算法步骤,并给出了算例。仿真结果表明,该算法能够为态势估计生成期望的功能群,具有一定的理论和实用价值。

基于贝叶斯网络的态势估计方法

分析了态势估计的主要功能,提出态势估计系统以事件检测为核心和起点。分析了使用贝 叶斯网络进行态势估计知识表示问题,并对态势估计中的时空知识表示进行了探讨,提出了构建贝叶斯 网络进行态势估计的步骤,分析了态势估计系统事件的层次。给出一个具体的实例,演示了使用贝叶斯 网络进行态势估计的过程。

防空反导智能战场态势估计研究

在军事科技理论面临着巨大变革的背景下,为解决防空反导战场态势估计智能化发展的问题,通过对态势估计的三层模型进行分析以及对防空反导态势的要素构成进行探讨,研究了OODA环中防空反导态势估计的过程,建立了防空反导智能战场态势估计的系统模型,深入地探讨了阻碍防空反导智能化战场态势估计研究的五方面问题以及有望解决问题的关键技术措施,从而为防空反导智能战场态势估计研究提供了新思路。

战场态势估计概念、结构与效能

明确给出了战场态势和态势估计的概念,阐明了战场态势层次的划分及其与美军三级共用作战图的关系,重点描述了战场态势与态势估计概念的历史沿革。旨在澄清态势估计领域的一些模糊概念与认识,或作为研讨的引玉之砖。

D-S证据理论在战术态势估计技术中的应用

态势估计是信息融合系统中的高层关键技术,其实质是对提取出来的态势要素进行觉察、理解和预测的处理过程;态势估计是数据融合处理模型的二层处理过程,它接收一层融合的结果,从中抽取出对当前战场态势尽可能准确、完备的信息,为指挥员决策提供支持;首先分析了态势估计的不确定性因果推理方法,研究了D-S证据理论用于态势估计系统的信息融合方法;重点研究了这种理论用于态势估计问题的信息传递过程,并给出实例分析;最后分析了这种理论在解决有着大量不确定信息的态势估计问题时的优点及不足。

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。

基于计划识别的态势估计方法研究

针对Kautz(1987)计划识别方法在控制机制上的不足,讨论了基于规划知识图的计划识别方法:以一阶谓词逻辑为形式语言,研究了战术智能规划的一个实例,给出了一种集成了战术智能规划系统和战术计划识别系统的态势估计模型。该模型通过动态建立计划库突破了Kautz计划识别方法中封闭世界假设的限制,可以对敌军的行动目标和行动计划提出合理的假设,并在此基础上预测敌军的未来行为,为指挥决策提供依据。

基于模板的态势估计推理模型与算法

分析了态势估计的三级模型,给出了基于模板的计划识别推理框架,研究了态势估计推理算法,并提出一个通用的态势估计模板匹配算法,最后运用专家系统工具CLIPS实现了事件/活动、军事计划的模板表示及推理,结果表明使用模板匹配的方法实现态势估计是有效可行的。

战场态势及态势估计的新见解

为理解战场态势本质,从信息交互角度,结合耗散结构理论对战场态势和态势估计进行了全新诠释。提出战场态势本质是战场信息的有限"无序"呈现,将其视为能够出现"有序"状态的动态开放系统。由此指出态势估计即分析理解各种战场信息,利用已有知识减小战场态势熵;同时指出态势估计的研究重点是战场态势内、外交换熵。最后介绍了新的理解下态势估计的理论基础——Brusselator模型,指出了通过建立影响战场态势熵的指标体系对战场态势进行量化分析的技术途径,并说明了计算战场态势正、负熵的方法及其是否形成耗散结构的判据。

基于贝叶斯网络和直觉模糊推理的态势估计方法

将直觉模糊推理理论与贝叶斯网络推理相结合,提出一种基于直觉模糊理论和贝叶斯推理网络的态势估计方法。首先,分析当前贝叶斯网络推理的特点与不足,建立基于直觉模糊函数的贝叶斯网络推理模型;其次,证明直觉模糊函数在贝叶斯网络推理中是可传播的;最后,用实例给出评估结果,验证方法的有效性和模型的正确性。采用实例说明,当证据节点犹豫度较大时,一般贝叶斯网络推理得不到正确的结果,而该方法克服了此缺点,能够得到正确的推理结果。

基于模糊逻辑和D-S证据理论的一种态势估计方法

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C4ISR数据融合系统中的一个重要环节。分析了态势估计问题的本质特征和推理模式 ,提出了一种基于模糊逻辑和D -S证据理论的综合推理方法 ,并构造了一个对战场态势进行分析、推理和预测的求解模型。该模型能够通过融合推理得到态势假设和事件之间的潜在关系 ,为决策提供依据。

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。

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。

基于层次聚类态势估计中的目标分群算法

为减轻指挥员的认知负担,研究了作战目标的分群问题。首先,以目标间的关系为基础,建立作战网络结构模型;然后通过计算相似度,提出了基于层次聚类的目标分群算法;最后,运用该方法给出了一个实用算例,得到了较好的分群结果,验证了文中方法的可行性和正确性。

动态贝叶斯网络在战术态势估计中的应用

针对战术态势估计的特点和要求,分析和建立了应用于态势估计的动态贝叶斯网络模型。该模型以离散变量集为研究对象。由于该动态贝叶斯网络满足Markovian特性和平稳特性,降低了网络的复杂度,相较于贝叶斯网络模型,该模型考虑了时序因素,将前时刻的态势因素作为当前时刻态势估计证据的一部分,并能对下一时刻的态势进行预测。采用集树算法,利用相关的贝叶斯网络推理软件进行了实验,实验结果表明基于动态贝叶斯网络的估计结果较贝叶斯网络的估计结果好,验证了该模型的有效性。

基于贝叶斯网络的态势估计时间推理方法

基于贝叶斯网络的态势估计方法是目前态势估计领域中的主要方法之一,然而,传统的贝叶斯网络不具备时间语义,因此无法解决态势估计中的时间推理问题。基于此,对贝叶斯网络进行改造,研究了时间贝叶斯网络的构建方法。通过一个战场想定,说明了时间贝叶斯网络构建、推理的过程与方法,证明了提出方法的有效性。

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。

态势估计的目标编群问题研究

Problems about target classification in situation assessment are analyzed. This paper presents a syntheticmethod for fulfilling target classification by using the nearest-neighbor method and field knowledge. The graphicalstructure formed by target classification is shown by the adjacency list. Based on the structure, breadth-first searchalgorithm is used for the implementation of dynamic maintenance. The output of target classification is helpful to de-termine the interaction among situation elements, thus interprets actions related to problem field.