基于FDBN的空中目标威胁评估方法

收稿日期：2017-10-21

修回日期：2018-01-28

基金项目：

国家自然科学基金资助项目（61472441）作者简介：杨海燕（1972-），女，陕西西安人，副教授，硕士研究生导师。研究方向：贝叶斯网络与态势评估。

*摘

要：为了更好地处理各类探测数据中的模糊性和不确定性，通过模糊化方法将威胁评估动态贝叶斯网络局

部进行模糊化处理，处理后的动态威胁值进行解模糊的方法转化为概率域的知识，这样不仅简化了网络结构，同时结合模糊理论的知识表达能力和DBN 的强推理能力。最后将相应观测证据输入到简化后的DBN 网络中，相应仿真研究表明，该方法能有效地对空中目标威胁度进行实时评估。

关键词：模糊推理机，动态贝叶斯，空中目标，威胁评估中图分类号：TP319.9文献标识码：A

DOI ：10.3969/j.issn.1002-0640.2019.01.006

引用格式：杨海燕，韩城，张帅文.基于FDBN 的空中目标威胁评估方法［J ］.火力与指挥控制，2019，44（1）：

29-33.

基于FDBN 的空中目标威胁评估方法*

杨海燕，韩

城，张帅文

（空军工程大学空管领航学院，西安710051）

Research of Aerial Target Threat Assessment

Based on Fuzzy Dynamic Bayesian Network

YANG Hai-yan ，HAN Cheng ，ZHANG Shuai-wen

（School of Air Traffic Control and Navigation ，Air Force Engineering University ，Xi ’an 710051，China ）Abstract ：In order to deal with the fuzziness and uncertainty of different exploratory data ，threat

assessment dynamic Bayesian network is under part fuzzy processing by fuzzy methods.The dealt dynamic threat value is translated into the knowledge in probability domain through defuzzification ，which not only simplifies the network ，also combines it with knowledge expression ability of fuzzy theory and strong reasoning ability of DBN.Finally ，the corresponding observational evidence is input into the simplified DBN.Simulation results show that this method can effectively assess the air target threat in real time.

Key words ：

fuzzy inference controller ，dynamic bayesian network ，arial target ，threat assessment Citation format ：

YANG H Y ，HAN C ，ZHANG S W.Research of aerial target threat assessment based on fuzzy dynamic bayesian network ［J ］.Fire Control &Command Control ，2019，44（1）：29-33.

0引言

对空中目标进行威胁评估，是指挥控制的重要

环节之一。同时为后续的目标分配和火力分配提供参考依据。因此，综合各传感器信息，对空中目标的威胁度进行快速、准确地评估对于指挥决策人员具有重要意义。

目前用于威胁评估的方法主要有基于贝叶斯

网络的方法、基于模糊理论的方法、基于多属性决

策的方法、基于神经网络的方法等。文献［1］提出了一种能处理软证据的后向遍历算法，使得所构建的动态贝叶斯网络能够更好地区分观测证据，但对于错误数据的滤波能力不强。文献［2］利用高斯模糊隶属度函数对速度、距离等数据进行模糊分类，评估得到的10个时间片的威胁等级较符合动态变化的战场。文献［3］提出一种结合概率域和模糊域的

文章编号：1002-0640（2019）

01-0029-05Vol.44，No.1Jan ，2019

火力与指挥控制

Fire Control &Command Control 第44卷第1期2019年1月

29··

（总第44-）火力与指挥控制2019年第1期

方法进行评估，该方法一定程度上克服了静态贝叶斯对于实时动态数据处理的不足，但评估模型的实时性表达不够。

本文针对动态贝叶斯网络在证据知识表达上的不足，提出基于模糊动态贝叶斯的方法（FDBN ），引入模糊理论对局部的网络进行模糊化处理，将模糊推理机的动态威胁度的输出值进行概率域的转换，作为所构建的FDBN 的动态威胁度节点的输入。充分结合模糊理论的软证据知识表达优势和DBN 网络对软硬证据实时推理优势。仿真结果表明，该方法能有效地对空中目标的威胁度进行综合评估。

1空中目标威胁评估指标体系

传统的文献对于威胁评估指标的选取尚未达

成一致的意见。本文主要选取目标类型、目标速度、目标航向角、目标干扰能力、目标高度、目标距离、目标作战能力、目标意图8个指标作为空中目标的威胁评估指标。这些指标中既有定性指标，又有定量指标。其中目标类型、目标干扰能力、目标作战能力、目标意图为定性指标，目标速度、航向角、高度、距离为定量指标。指标体系如图1所示。

图1威胁评估指标体系

2相关原理简介

2.1动态贝叶斯网络

动态贝叶斯网络是在贝叶斯网络的基础上，结合马尔科夫理论在时序上加以扩展，用以表示复杂随机过程的有向图模型。一个动态贝叶斯网模型可表示为一个二元

组

，其中，B 0为以X （0）为节

点的初始贝叶斯网络，如图2（a ）所示

。为转移网

络，如图2（b ）所示。在任意时刻t ，的联

合概率分布

为：

给定任意时间长度，可以通过叠加B 0

和，形

成一个完整的动态贝叶斯网，如图2（c ）所示。图2动态贝叶斯网络

2.2模糊集合理论

模糊集合理论是利用严格的数学方法来处理模糊现象，以达到消除模糊现象的一种理论。论域U 到［0，1］区间的任意映射μF 的一个模糊子集F ；μF 称为F 的隶属度函数或者隶属度。在论域U 中，可以把模糊子集表示为元素u 与其隶属函数μF 的序偶集合，记

为

若U 为连续的，则模糊集F 可记

为

若U 为离散的，则模糊集F 可记

为

一个完整的模糊推理机主要由输入、输出和模糊推理规则构成，模糊推理规则形式如

下：其中，x 为输入语言变量，A 为推理前件的模糊集合，y 为输出语言变量，B 为推理后件的模糊集合。对于多输入多输出的情况，中间用and 或or 进行连接。

Zadeh 认为可能性理论可以看作是模糊集理论的扩展，模糊集上的隶属函数决定着可能性理论中的可能性分配仔；Geer 和Klir 认为在可能性概率转换过程中，应当保持信息的不确定性不变。根据此理论，有下列两

式：

3基于FDBN 的威胁评估模型构建

3.1确定节点变量及其状态

确定节点变量是建立威胁评估DBN 模型的

第

30··

0030