基于模糊随机贝叶斯网络的意图估计方法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Vol. 44,No. 7 Jul,2019
文章编号:1002-0640( 2019 )07-0100-05
火力与指挥控制 Fire Control & Command Control
第44卷第7期 2019年7月
基于模糊随机贝叶斯网络的意图估计方法
范瀚阳，高睿源，金兴华 (中国电子科技集团第二十八研究所，南京210007)
中图分类号:TJ01；TP274
文献标识码：A
DOI: 10.3969/j.issn. 1002-0640.2019.07.019
引用格式：范瀚阳，高睿源，金兴华.基于模糊随机贝叶斯网络的意图估计方法［J］.火力与指挥控制,2019,44
(:170) 0-104.
Research on Intention Estimation Method Based on Fuzzy Random Bayesian Networks
Key words: intention estimation, robustness, fuzzy random Bayesian network, data fusion Citation format:FAN H Y,GAO R Y,JIN X H.Research on intention estimation method based on fuzzy random bayesian networks]J].Fire Control & Command Control,2019,44(7): 100-104.
摘要:意图估计是数据融合五级模型中态势评估的重要研究内容。意图估计结果的稳定性对于辅助战场决策
具有重要意义，在分析了影响意图识别结果稳健性的基础上，将模糊随机贝叶斯网络应用于战场目标的意图分析。
在研究了战场环境下网络结点构造及推理方法的基础上，结合具体场景给岀示例并进行了仿真验证。
关键词:意图估计，稳健性,模糊随机贝叶斯网络，数据融合
收稿日期:2018-09-08
修回日期:2018-12-01
作者简介：范瀚阳(1990-),男，江苏南京人，硕士研究生，助理工程师。研究方向：数据融合。
•100-
范瀚阳，等:基于模糊随机贝叶斯网络的意图估计方法
(总第 44-1213)
了模糊贝叶斯网络,重点对目标的各项指标进行模 其不确定性表征即为模糊先验概率：
糊化，进而确定结点并推理,但无法推理具有随机 性的战场因素。
P(T)= £“f(xJP(xJ
(2)/=11意图估及要素若样本空间X为连续的空间：
1.1战场目标意图估计要素 战场目标总是通过一系列的行为完成其预设
的战斗意图，例如侦察机通过在某些指定区域上方 的盘旋飞行，完成其侦察意图；坦克等装甲车通过 向目标区域行进，执行攻击作战。因此，对目标进行 意图分析，即是通过对能够反映目标作战企图的各 项因素的收集及融合推理的过程。而反映目标意图 的战场因素繁杂，且不同场景下需考虑的因素差异 性也很大，需依据具体场景参照历史数据并咨询专 家进行确定，故本节重点在于各项因素的描述及推 理。依据机会理论可以将战场因素按照随机性 和模糊性进行划分。随机性即客观的不确定性，目 标航速、高程等实测数据，由于噪声误差等影响呈 现一定的概率分布;模糊性表征的是主观的不确定 性，例如来袭敌目标的规模大小、所携带武器的强 弱信息等。因此，本节研究了将战场两种不确定性 统一的模型，即混合模型进行结点构造，是使用模 糊随机贝叶斯网络进行推理的基础。 1.2混合事件与模糊概率
FAN Han-yang,GAO Rui-yuan,JIN Xing-hua
\No. 28 Research Institute, China Electronic Technology Group Corporation, Nanjing 210007, China )
Abstract: Intention estimation is an important research content of situation assessment in data fusion five -level model. The stability of intention estimation results is very important for battlefield decision -making. Based on the analysis of the robustness of intention recognition results, the fuzzy random Bayesian network is applied to the intention analysis of battlefield targets. Based on the research of network node construction and reasoning method in battlefield environment, an example is given and simulated.
0引言
随着信息化战争的发展,认知域的对抗成为决 定战争走向的核心和关键m，而意图估计正是现 代作战指挥决策的核心技术之一。意图估计(Inten tion estimation)是数据融合JDL五级模型中的二级融 合〔"I,即态势评估的重要功能之一。意图估计是通 过对各传感器的信息指标进行融合推理 ，得到敌方 的作战企图和打算，辅助指挥员进行战场决策，在 局部战争、反恐和国家安全维护等领域均有应用 。 影响意图估计结果的因素很多：航速、目标身
份、高程等。抛开雷达噪声以及测量误差的影响，这 些指标本身也具有很大的不确定性，如目标的航速 时快时慢，对于武器强弱的情报更是模糊易变，随 着这些时刻跳变的战场信息不断输入到分析系统 中，一系列变化的估计结果也在不断输出，而只有 稳定的估计结果才对辅助决策具有意义。
匹配滤波、模板及图解等方法是目前比较成熟 的意图推理方法。文献［6］运用贝叶斯网络的方法 对空中目标的意图进行推理，将敌方飞机的大小、 航速等指标看作随机模型，但无法对飞机的火力大 小、身份信息等主观指标进行描述;文献［7 ］则引入
文章编号:1002-0640( 2019 )07-0100-05
火力与指挥控制 Fire Control & Command Control
第44卷第7期 2019年7月
基于模糊随机贝叶斯网络的意图估计方法
范瀚阳，高睿源，金兴华 (中国电子科技集团第二十八研究所，南京210007)
中图分类号:TJ01；TP274
文献标识码：A
DOI: 10.3969/j.issn. 1002-0640.2019.07.019
引用格式：范瀚阳，高睿源，金兴华.基于模糊随机贝叶斯网络的意图估计方法［J］.火力与指挥控制,2019,44
(:170) 0-104.
Research on Intention Estimation Method Based on Fuzzy Random Bayesian Networks
Key words: intention estimation, robustness, fuzzy random Bayesian network, data fusion Citation format:FAN H Y,GAO R Y,JIN X H.Research on intention estimation method based on fuzzy random bayesian networks]J].Fire Control & Command Control,2019,44(7): 100-104.
摘要:意图估计是数据融合五级模型中态势评估的重要研究内容。意图估计结果的稳定性对于辅助战场决策
具有重要意义，在分析了影响意图识别结果稳健性的基础上，将模糊随机贝叶斯网络应用于战场目标的意图分析。
在研究了战场环境下网络结点构造及推理方法的基础上，结合具体场景给岀示例并进行了仿真验证。
关键词:意图估计，稳健性,模糊随机贝叶斯网络，数据融合
收稿日期:2018-09-08
修回日期:2018-12-01
作者简介：范瀚阳(1990-),男，江苏南京人，硕士研究生，助理工程师。研究方向：数据融合。
•100-
范瀚阳，等:基于模糊随机贝叶斯网络的意图估计方法
(总第 44-1213)
了模糊贝叶斯网络,重点对目标的各项指标进行模 其不确定性表征即为模糊先验概率：
糊化，进而确定结点并推理,但无法推理具有随机 性的战场因素。
P(T)= £“f(xJP(xJ
(2)/=11意图估及要素若样本空间X为连续的空间：
1.1战场目标意图估计要素 战场目标总是通过一系列的行为完成其预设
的战斗意图，例如侦察机通过在某些指定区域上方 的盘旋飞行，完成其侦察意图；坦克等装甲车通过 向目标区域行进，执行攻击作战。因此，对目标进行 意图分析，即是通过对能够反映目标作战企图的各 项因素的收集及融合推理的过程。而反映目标意图 的战场因素繁杂，且不同场景下需考虑的因素差异 性也很大，需依据具体场景参照历史数据并咨询专 家进行确定，故本节重点在于各项因素的描述及推 理。依据机会理论可以将战场因素按照随机性 和模糊性进行划分。随机性即客观的不确定性，目 标航速、高程等实测数据，由于噪声误差等影响呈 现一定的概率分布;模糊性表征的是主观的不确定 性，例如来袭敌目标的规模大小、所携带武器的强 弱信息等。因此，本节研究了将战场两种不确定性 统一的模型，即混合模型进行结点构造，是使用模 糊随机贝叶斯网络进行推理的基础。 1.2混合事件与模糊概率
FAN Han-yang,GAO Rui-yuan,JIN Xing-hua
\No. 28 Research Institute, China Electronic Technology Group Corporation, Nanjing 210007, China )
Abstract: Intention estimation is an important research content of situation assessment in data fusion five -level model. The stability of intention estimation results is very important for battlefield decision -making. Based on the analysis of the robustness of intention recognition results, the fuzzy random Bayesian network is applied to the intention analysis of battlefield targets. Based on the research of network node construction and reasoning method in battlefield environment, an example is given and simulated.
0引言
随着信息化战争的发展,认知域的对抗成为决 定战争走向的核心和关键m，而意图估计正是现 代作战指挥决策的核心技术之一。意图估计(Inten tion estimation)是数据融合JDL五级模型中的二级融 合〔"I,即态势评估的重要功能之一。意图估计是通 过对各传感器的信息指标进行融合推理 ，得到敌方 的作战企图和打算，辅助指挥员进行战场决策，在 局部战争、反恐和国家安全维护等领域均有应用 。 影响意图估计结果的因素很多：航速、目标身
份、高程等。抛开雷达噪声以及测量误差的影响，这 些指标本身也具有很大的不确定性，如目标的航速 时快时慢，对于武器强弱的情报更是模糊易变，随 着这些时刻跳变的战场信息不断输入到分析系统 中，一系列变化的估计结果也在不断输出，而只有 稳定的估计结果才对辅助决策具有意义。
匹配滤波、模板及图解等方法是目前比较成熟 的意图推理方法。文献［6］运用贝叶斯网络的方法 对空中目标的意图进行推理，将敌方飞机的大小、 航速等指标看作随机模型，但无法对飞机的火力大 小、身份信息等主观指标进行描述;文献［7 ］则引入