基于加权动态云贝叶斯网络空战目标威胁评估

针对目标威胁评估中信息表达的不确定性和评估指标之间的关联性,以及动态贝叶斯网络推理方法不能满足条件独立性假设的问题,提出了一种基于加权动态云贝叶斯网络的目标威胁评估模型。首先,利用云模型良好的知识表达能力将不确定性信息进行定量描述;其次,基于改进的灰色关联系数极大熵模型求解指标间权重,弱化了贝叶斯网络节点条件独立性假设;最后,利用证据相关法对加权动态云贝叶斯网络进行推理,实现了关联性指标间的评估。仿真结果表明,该模型能够有效地进行超视距空战目标威胁评估。     

基于模糊贝叶斯网的空战传感器资源管理方法

空战中目标状态信息的不确定性、目标与我机相对态势是影响机载传感器资源分配问题的重要影响因素.针对此问题,提出一种基于模糊贝叶斯网(FBN)的空战传感器资源管理方法,以空战传感器资源管理中涉及的影响因素因果关系作为建网依据,将目标信息增量、目标威胁、飞行员指令作为证据变量驱动网络进行概率推理,从而获取空战传感器资源的分配结果.仿真结果表明,与传统方法相比,方法的自适应变间隔采样策略能够根据目标威胁及飞行员指令影响,管理空战态势不同阶段的传感器资源以满足空战作战任务需求.     

基于贝叶斯网络的空战效能评估方法研究

贝叶斯网络是一个基于概率推理的数学模型,常用于解决复杂系统间的不确定性,且具有较大优势。空战过程是一个极为复杂的过程,具有较高的不确定性,针对空战效能评估过程中存在的问题,结合空战理论和实际情况,建立空战效能评估的贝叶斯网络模型,提出基于贝叶斯网络的空战效能评估方法,并进行仿真分析。结果表明:该评估方法能够根据战场环境证据对空战信息优势、协同能力、部队效能、决策指挥能力进行效能评估,为决策提供有力依据,且具有很强的学习能力与推理能力。     

复杂对抗战场环境下的威胁评估因子选取

威胁评估是国际上热门的研究课题,其中,威胁因子选取是威胁评估中重要的一环,主要包含目标空战能力分析和空战态势分析2个方面。针对机器学习体量大、上机难的问题,文中提出一种具有机载适用性的威胁评估因子选取方法,以定量的形式对威胁源做出分析和评估,用非线性加权方法进行威胁等级计算和排序仿真,最后通过仿真验证了这种威胁因子选取方法的可行性。     

超视距空战的威胁估计

针对现有超视距空战威胁估计模型的不足,提出了一种新的基于模糊逻辑的超视距空战威胁估计模型。该模型以机载中远程空空导弹攻击区、雷达搜索区性能参数以及双方战术几何关系、相对运动趋势作为评估对象进行模糊化,设计了角度优势、距离优势推理模块,并以二者的加权和作为当前空战态势的优势指数。模型较为全面反应了空战态势与参战飞机的作战能力,可为超视距多机协同攻击多目标空战时的目标分配、战术选择提供参考。仿真结果验证了模型的有效性。     

考虑扰动的无人机集群协同态势感知一致性评估

无人机（UAV）集群协同态势感知（SA）一致性是无人机集群协同作战的关键，对一致性进行评估至关重要。针对态势感知过程中面临的强不确定性等问题，在一致性评估指标体系的基础上，提出了基于证据推理规则的态势感知一致性评估方法，将各类指标信息统一至置信结构，并充分考虑指标的权重与可靠度。采用扰动分析法对复杂战场环境进行模拟，提出考虑扰动的态势感知一致性评估方法，并对算法进行了总结。最后，通过仿真算例和对比研究验证了所提方法在不确定性表达、一致性评估和无人机集群的环境适应性研究等方面的有效性。     

基于HMM的网络安全态势评估与预测方法

网络安全态势估计和预测是态势感知的重要过程。在告警信息聚合基础上,以典型攻击模式作为关联依据,结合网络资产的脆弱性识别网络实体所处受攻击阶段并将其转化威胁等级。以威胁等级作为观测值,基于隐Markov模型通过状态估计实现态势评估,并利用神经网络和支持向量机的组合模型实现态势预测。DARPA2000测试数据集上的相关实验表明,本文方法能更加准确地评估和预测网络态势。     

考虑多监测指标不确定性的滑油状态综合评估方法

针对不同油液指标信息的多样性导致油液状态评估结果存在不确定性的问题,基于模糊证据理论方法提出了1 种考虑 油液特征不确定的综合状态评估方法。应用模糊证据理论对油液多指标信息推理导致的不确定性结论进行多指标融合,进而应用 模糊推理算法实现油液状态量化表征,建立了滑油衰变趋势分析模型,并通过实验室环境下的滑油监测数据进行油液状态评估以 验证方法的有效性。结果表明：该方法对监测指标变化趋势矛盾的滑油状态评估有较好的效果,准确性和一致性均高于90%。     

基于态势评估及DDPG算法的一对一空战格斗控制方法

已有的空中格斗控制方法未综合考虑基于专家知识的态势评估及通过连续性速度变化控制空战格斗的问题。基于深度确定性策略梯度（DDPG）强化学习算法,在态势评估函数作为强化学习奖励函数的基础上,设计综合考虑飞行高度上下限、飞行过载以及飞行速度上下限的强化学习环境;通过全连接的载机速度控制网络与环境奖励网络,实现DDPG算法与学习环境的交互,并根据高度与速度异常、被导弹锁定时间以及格斗时间设计空战格斗结束条件;通过模拟一对一空战格斗,对该格斗控制方法在环境限制学习、态势评估得分以及格斗模式学习进行验证。结果表明：本文提出的空战格斗控制方法有效,能够为自主空战格斗进一步发展提供指导。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

基于D-S证据理论的目标属性辨识研究

D—S证据组合理论已经成为不确定性推理的一种重要方法，基于该理论的多传感器决策层信息融合已得到广泛应用。本文在简要介绍D—S证据组合理论框架基础上，阐述了基于D—S证据组合理论的信息融合一般步骤及决策层判决方法；分析了发生证据严重冲突时，Dempster证据组合规则出现的不可靠和不合理的本质原因，介绍了针对D—S证据组合规则进行修正的几种主要方法；最后，提出了需要继续深入探讨的问题。     

An Application of Evidential Networks to Threat Assessment

Decision makers operating in modern defence theatres need to comprehend and reason with huge quantities of potentially uncertain and imprecise data in a timely fashion. An automatic information fusion system is developed which aims at supporting a commander's decision making by providing a threat assessment, that is an estimate of the extent to which an enemy platform poses a threat based on evidence about its intent and capability. Threat is modelled by a network of entities and relationships between them, while the uncertainties in the relationships are represented by belief functions as defined in the theory of evidence. To support the implementation of the threat assessment functionality, an efficient valuation-based reasoning scheme, referred to as an evidential network, is developed. To reduce computational overheads, the scheme performs local computations in the network by applying an inward propagation algorithm to the underlying binary join tree. This allows the dynamic nature of the external evidence, which drives the evidential network, to be taken into account by recomputing only the affected paths in the binary join tree.     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.     

智能诊断的定量推理机制和最优推理环境

描述和分析了一种新的基于智能信息处理的故障检诊方法,可以处理复杂动态系统故障检诊面临的复杂故障组合模式和时间特性。从推理机制的量化和推理环境的优选两方面完善了该理论,使其诊断能力、实时性和适用范围都得到提高。推理机制的量化是通过引入概率信息实现的。考虑到诊断过程中可能出现新的故障。又进一步引入了候选项集合扩张机制描述该现象,并提供了相关的概率计算公式。推理机制定量化使得诊断结果可以精确度量,检诊过程也可精确控制。推理环境优选则是通过引入熵信息实现的,由此提高了诊断效率。     

On the evidential reasoning rule for dependent evidence combination

Evidential Reasoning (ER) rule, which can combine multiple pieces of independent evidence conjunctively, is widely applied in multiple attribute decision analysis. However, the assumption of independence among evidence is often not satisfied, resulting in ER rule inapplicable. In this paper, an Evidential Reasoning rule for Dependent Evidence combination (ERr-DE) is developed. Firstly, the aggregation sequence of multiple pieces of evidence is determined according to evidence reliability. On this basis, a calculation method of evidence Relative Total Dependence Coefficient (RTDC) is proposed using the distance correlation method. Secondly, as a discounting factor, RTDC is introduced into the ER rule framework, and the ERr-DE model is formulated. The aggregation process of two pieces of dependent evidence by ERr-DE is investigated, which is then generalized to aggregate multiple pieces of non-independent evidence. Thirdly, sensitivity analysis is carried out to investigate the relationship between the model output and the RTDC. The properties of sensitivity coefficient are explored and mathematically proofed. The conjunctive probabilistic reasoning process of ERr-DE and the properties of sensitivity coefficient are verified by two numerical examples respectively. Finally, the practical application of the ERr-DE is validated by a case study on the performance assessment of satellite turntable system.     

面向空中目标威胁评估的多传感器管理方法

为了降低在空中目标威胁评估任务中由于威胁评估结果的不准确性和传感器辐射所带来的潜在损失，提出了一种基于风险的多传感器管理方法。首先，基于部分可观马尔可夫决策过程建立了传感器管理模型；然后，给出了基于信息状态的威胁评估风险和传感器辐射风险的预测方法以量化潜在损失；接着，为获得更优的作战收益，以多步风险预测值为决策依据，以两种风险的加权和最小为优化目标建立了长期目标函数；最后，在求解目标函数时，将传感器管理问题转化为决策树搜索，设计了一种基于分支定界的标准代价搜索算法以快速获得高质量的管理方案。仿真实验表明，所提算法能够在搜索到高质量解的同时大幅减少计算时间和内存消耗；所提方法能够对风险进行准确预测，且相比于经典的传感器管理方法，所提方法具有更好的风险控制效果。     

信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

KUPS: Knowledge-Based Ubiquitous and Persistent Sensor Networks for Threat Assessment

We propose a knowledge-based ubiquitous and persistent sensor network (KUPS) for threat assessment, in which "sensor" is a broad characterization. It refers to diverse data or information from ubiquitous and persistent sensor sources such as organic sensors and human intelligence sensors. Our KUPS for threat assessment consists of two major steps: situation awareness using fuzzy logic systems (FLSs) and threat parameter estimation using radar sensor networks (RSNs). Our FLSs combine the linguistic knowledge from different intelligent sensors, and our proposed maximum-likelihood (ML) estimation algorithm performs target radar cross section (RCS) parameter estimation. We also show that our ML estimator is unbiased and the variance of parameter estimation matches the Cramer-Rao lower bound (CRLB) if the radar pulses follow the Swerling II model. Simulations further validate our theoretical results.     

Study on UAV Path Planning Approach Based on Fuzzy Virtual Force

This article proposes a novel fuzzy virtual force (FVF) method for unmanned aerial vehicle (UAV) path planning in complicated environment. An integrated mathematical model of UAV path planning based on virtual force (VF) is constructed and the corresponding optimal solving method under the given indicators is presented. Specifically, a fixed step method is developed to reduce computational cost and the reachable condition of path planning is proved. The Bayesian belief network and fuzzy logic reasoning theories are applied to setting the path planning parameters adaptively, which can reflect the battlefield situation dynamically and precisely. A new way of combining threats is proposed to solve the local minima problem completely. Simulation results prove the feasibility and usefulness of using FVF for UAV path planning. Performance comparisons between the FVF method and the A* search algorithm demonstrate that the proposed approach is fast enough to meet the real-time requirements of the online path planning problems.