态势估计中关键技术的研究

《态势估计中关键技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安电子科技大学博士学位论文态势估计中的关键技术研究姓名：柴慧敏申请学位级别：博士专业：计算机应用技术指导教师：王宝树20090601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、

2、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

3、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

4、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AbstractInrecentyears，modemwarisbecomingmoreandmorecomplex，wideandhuge．TheserequireC4ISRsystemofthecapabilityforinformationfusion，whichcouldenablethecommandertoformappropriat

5、eperception，timelyandexactlytounderstandbattlefieldsituation，tomakedecisionsrapidly．Situationassessment(SA)isthekeytechniqueforhighlevelprocessingofinformationfusion，whichisthelevel2fusioninJDLmodel．Situationassessmentistheongoingprocessofinferringrelevantinformationaboutforcesofconcernin

6、abattlefieldsituationtoachievesituationawareness，whichisneededbythecampaigncommandersoranalyststosupportdecision—making．TheanalysisismadeofdatafromsensorsandothersourcesinSAforbuildingallaccurateandtimelypictureofthebattlefieldsituation，includinglocation,movements，anddeploymentandintensio

7、nofenemyforce．ThemaincontentofthedissertationiSoutlinedasfollows：1．Onthebasisofanalyzingthedefinitionofthesituationassessment，themainfunctionandthemethodalediscussedofthesituationawareness．Accordingtothedifferenttypeofeventinthebattlefield，theeventdetectionmethodsar