基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。

基于混合动态贝叶斯网的无人机空战态势评估

针对无人机空战中单机对抗模式态势评估既要综合考虑连续型和离散型变量的影响,又具备不确定性的推理能力的特点,建立了一种基于混合动态贝叶斯网络的无人机空战态势评估模型。分析空战中敌我飞行数据,提取空战中战斗力要素,依据因果关系建立混合动态贝叶斯网络模型的网络拓扑结构。利用主观经验和历史数据,设计了先验概率、条件概率和状态转移概率等离散型网络参数及正态分布式连续型网络参数。采用链式算法和滤波算法进行网络推理。经仿真实验验证,证明了混合动态贝叶斯无人机空战态势评估模型具备快速性、有效性和容错性。

一种基于动态贝叶斯网络的人体动作识别方法

针对人体动作识别过程中存在的效率及准确率问题,提出了一种基于混合贝叶斯网络模型的人体动作识别方法。通过Kinect采集人体动作RGB-D信息,采用OpenNi提取关节点信息并计算躯干角度,使用后验概率动态调整SVM分类器和朴素贝叶斯分类器权重,能够识别多种不同动作,使两个分类器互为补充,增加识别率。最后通过与单分类器的对比试验,验证了该算法具有更高的效率和识别率。

基于混合DBN的海上编队通信链路威胁估计

针对海上编队通信链路威胁估计涉及因素多、知识表示与推理存在不确定性等问题,分析了海上编队通信链路威胁要素,依据要素间因果关系建立了通信链路威胁估计的混合动态贝叶斯网络(DBN)模型,提出了混合DBN模型中连续型网络节点变量的学习方法。仿真分析证实了该方法的有效性和可操作性。

基于时变DBN的UAV航路威胁评估模型

无人机在复杂的战场环境执行突防任务时,需要对地面火力单元的威胁状态进行评估,以达到航路动态规划,避免击落的目的。而常用的基于离散贝叶斯网络的航路威胁评模型,需要对连续观测数据离散模糊化,导致评估结果不准确,且评估模型结构和参数固定,无法适用于存在突发威胁的战场环境。为解决上述问题,提出了一种基于时变混合动态贝叶斯网络的威胁评估模型,设计了雷达连续跟踪概率评估算法和防空武器杀伤概率评估算法,保证了模型对地面火力单元威胁态势评估的可靠性;在此基础上采用航路规划预测控制方法,实现突防航路动态规划。仿真结果验证了模型的有效性。