复杂环境下电磁目标信号认知处理架构与应用研究

针对现代电磁频谱设备或终端具有网络化、捷变性、多功能、自适应、种类复杂多样和使用环境复杂多变等特性给认知电磁频谱战系统的信号分析与处理带来的巨大挑战的问题,提出了一种结合人工智能、适合复杂电磁环境下电磁目标信号认知处理与分析的架构。在该架构下电磁目标信号分析与处理被分为目标信号参数估计、目标信号类型分类、辐射源个体识别和目标信号的特征建库与知识图谱[1-3]的构建等4个层次,可以很好适应闭集和开集电磁目标信号的分析与处理;此外,在此架构下提出了未知辐射源辨识、跨模态辐射源智能识别和电磁辐射源的个体识别的算法框架,在实测数据集上的验证实验表明,该算法在闭集和开集电磁信号分析中有效可行。

基于知识图谱的通信目标行为分析方法

通信目标行为分析是电磁空间目标感知的重要组成部分,提升对电磁空间目标的感知能力对于拨开电磁迷雾继而掌握电磁空间主动权具有重要意义。针对动态变化的电磁空间环境对通信目标行为分析带来的实时性和准确性挑战,提出了一种基于知识图谱的通信目标行为分析方法。在明确通信目标行为概念和分类的基础上,知识图谱可以通过捕捉通信目标行为中的关键信息,提高分析推理的准确性和效率。最后,在不同实验条件下,仿真验证了所提方法带来的增益。

基于先验知识图谱的多代理被遮挡目标类别推理模型

目标检测(Object Detection)是计算机视觉中最为热门的方向之一,在军事、医疗等重要领域都有广泛运用。然而,大多数目标检测模型都只能对可见物体进行识别,日常生活中的图片往往存在被遮挡(不可见)的目标物体,现有目标检测模型对图片中的被遮挡目标难以表现出较理想的检测性能。为此,文中提出了一种基于图库先验知识图谱的多代理协作式图片被遮挡目标类别推理模型(IMG-KGR-MAC)。具体而言,1)IMG-KGR-MAC根据给定图库中所有图片的可见目标及其之间的位置关系构建全局先验知识图谱;同时,根据图片自身所含目标及其位置关系,为各图片分别建立图片知识图谱;各图片内被遮挡目标的信息均不计入全局先验知识图谱和图片自身知识图谱;2)采用DDPG(Deep Deterministic Policy Gradient)深度强化学习思想,构建两个相互协作的代理;代理1根据当前图片语义信息从全局先验知识图谱挑选出与被遮挡目标最为适配的“类别标签”,将其作为新实体节点加入到给定图片自身的知识图谱中;代理2根据代理1新加入的实体,从全局先验知识图谱中进一步挑选〈实体,关系〉,扩展与新实体节点相关联的图谱结构;3)代理1与代理2通过共享任务环境和在奖励值上建立通信,相互协作地按“图片被遮挡目标(实体)→关联图谱结构”以及“关联图谱结构→图片被遮挡目标(实体)”原理,开展正向与反向推理,从而有效估计出给定图片被遮挡目标最为可能的类别标签。实验结果表明,与现有相关方法相比,所提出的IMG-KGR-MAC模型可以学习到给定图片被遮挡目标与全局先验知识图谱之间的语义关系,有效克服了现有模型对被遮挡目标难以检测的弊端,对于被遮挡目标有良好的推理能力,在MR(Mean Rank)以及mAP(Mean Average Precision)等多项指标上都有超过20%的提升。

电磁目标知识图谱构建技术

鉴于电磁目标知识图谱属窄领域专业应用的行业知识图谱,剖析其构建数据源、数据提取要求、知识应用场景与通用型知识图谱的巨大差异。分析电磁目标知识图谱主要是提取领域内专业业务系统数据库、内部专业网站数据和文件情报资料,以及面向专业人员提供深度分析和辅助决策支持。提出以电磁目标高维画像、关联情报分析的形式服务于应用,并基于此探讨了电磁目标知识图谱构建方案及面临的关键技术,为类似行业知识图谱解决方案提供参考。

面向战场海空目标识别的知识图谱应用

未来战争复杂性加强、速度加快且更具持续性,对战场海空目标识别提出了智能化要求。针对知识图谱在战场海空目标智能识别中的应用问题,提出了一种基于知识图谱的识别推理方法。首先,利用知识图谱和图数据库技术构建战场海空目标智能识别知识库,包括时空活动规律、辐射源活动规律、航行计划、机场港口知识和飞机舰船知识;然后,利用多智能体、规则推理和案例推理技术构建多个具有领域知识推理能力的智能体,再利用分类器推理技术进行战场海空目标智能综合识别推理;最后,结合典型应用场景,通过仿真应用验证了该方法的有效性。