态势估计中的关技术研究.pdf

摘 要 现代战争己呈现出复杂性不断增加、作战范围越来越广、参战作战单元越 来越多的特点，这要求现代C4ISR系统能够融合各种战场信息，形成正确的战场 感知信息，及时准确地评估战场态势，为指挥人员的作战决策提供信息支持。因 此，态势估计技术已成为多传感器信息融合系统的高层关键技术。态势评估 (SituationAssessment，SA)是对战场上获得的多种类、多层次信息流的高层次 关系提取与综合处理、融合，更接近于人的思维过程，要涉及到众多的因素、数 据、知识、规则、作战样式和条例，得到敌方兵力结构、使用特点的评判，最终 形成战场综合态势图。本文对态势估计理论、主要方法进行了研究，主要内容包 括： 1．在分析了态势估计功能模型和定义的基础上，探讨了态势觉察阶段的主 要功能和实现方法；针对不同战场事件类型的检测，分别给出了基于模糊逻辑的 检测方法和基于模板匹配的检测方法；讨论了态势知识表示方法和目标分群问 题，提出了基于贝叶斯网络的态势知识表示模型，详细分析了态势估计中目标分 群的主要功能。 2。针对不同战场环境的目标分群问题，给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，依据海、空作战目标 的状态特征值对目标进行聚类，然后采用基于模板匹配的方法对所划分的群进行 分类；由于陆地战场环境的复杂性，根据所涉及的主要分群因素建立目标分群知 识模型，通过模糊推理实现对陆地目标的分群和识别。 3．分析了态势估计中计划识别的特点，提出了基于分层贝叶斯网络的计划 识别方法；采用分层贝叶斯网络对计划进行分级表示，依据发生的战场事件和目 标行为，动态构建分层贝叶斯网络结构，并将其作为证据进行推理；为了解决动 态构建贝叶斯网络的推理问题，提出构建虚拟节点的方法，将底层贝叶斯网络的 推理结果作为不确定证据，输入到对应的上层网络节点中，以代替该底层贝叶斯 网络。 4．贝叶斯网络参数的学习是贝叶斯网络应用的关键问题之一。文中针对态 势估计中贝叶斯网络的参数学习问题，根据实际应用的情况，提出了基于 Noisy．orgate模型的参数构造方法，从而为解决态势估计中贝叶斯网络参数的确 定问题提供一种途径。 关键词：信息融合态势估计目标编群计划识别贝叶斯网络 Abstract In waris moreandmore and recent becoming complex，wide years，modem C4ISR ofthe forinformation huge．Theserequire system capability fusion，which enablethecommandertoform and to could exactly appropriateperception，timely understandbattlefield makedecisions situation，to rapidly．Situationassessment(SA) the for level ofinformation is level isthe high processing fusion，which keytechnique 2fusioninJDLmodel．Situationassessmentisthe of ongoingprocessinferring