CN107506022A - 一种有人/无人协同班组辅助指挥系统 - Google Patents

Abstract

本发明公开了一种有人/无人协同班组辅助指挥系统，能够保证态势感知的全面性和准确性，系统包括传感器模块、态势感知模块、信息融合模块和RBO决策模块。本发明利用态势感知模块对传感器模块获得的各个个体信息和全局信息分别进行态势感知，并利用信息融合模块将个体态势感知信息进行融合；系统借助互信息推送提供的传感器信息，辅助指挥员的决策和判定工作，为指挥员提供了决策的依据。本发明采用云模型进行态势的推理，大大简化了从传感器信息到态势感知信息的推理过程，提高了系统的感知效率。利用消息推送的手段实现了辅助指挥系统中的信息管理，同时在人机交互模块为指挥员提供了人工干预修正的接口。

Description

一种有人/无人协同班组辅助指挥系统

技术领域

本发明涉及多智能体辅助控制技术领域，具体涉及一种有人/无人协同班组辅助指挥系统。

背景技术

近年来，以远程遥控和自主控制为核心的机器人技术迅猛发展，导致无人飞行器、地面机器人、水面和水下机器人作战系统相继出现，并先后投入战场，无人化作战这一崭新作战样式正在破土而出，其中，有人/无人协同班组是一种重要的编制形式。

为了对战场环境进行完整全面的感知，无人平台安装了大量的传感器，对环境信息进行实时采集。为了克服单个平台能力不足的问题，无人平台多形成多平台无人班组执行任务，这样的有人/无人协同班组的控制存在技术难点，具体体现在指挥人员需要根据大量的传感器数据，对当前形势进行实时分析，这种传统的简单遥控方式将整个班组的态势感知和决策的工作量全部给定到指挥员上，这就使班组指挥人员面临巨大的指挥压力。故有必要引入辅助指挥系统，帮助指挥员进行信息的整合和筛选，提供参考态势信息，推送与态势和决策关联的重要信息，使指挥员的主要精力投入在决策上。

在传感器信息的整合方法上，目前大多采用引入态势感知模块的方法，即使用根据实际需求，将整体情况划分为便于指挥员理解的态势，将辅助系统的态势理解结果上报给指挥员，从而减轻指挥员的负担，其数学过程来讲，辅助控制系统中的态势感知模块是一个推理过程，当前的主要方案有：

文献1(Pearl J F,propagation and structuring in belief networks[J].Artificial Intelligence,1986,29(3):241/288.)采用贝叶斯推理的方法来构建态势感知网络，网络架构层级清晰，但是在实际使用中面临先验概率难以确定的问题。文献2(BartKosko.Fuzzy Engineering[M].Prentice Hall,1997.)提出了一种基于模糊认知图的算法，削弱了传感器误差的影响，但缺乏对于样本随机性的包含，对于多专家经验的差异性也存在合理的处理方法。文献3(麻士东，韩亮，龚光红，宋晓，基于云模型的目标威胁等级评估[J],《北京航空航天大学学报》,2010,36(02):150-153)中采用云模型这一涵盖了模糊性和随机性的模型进行态势的推理，有较好的实用性。

尽管上述的这些研究所得到的方法具有很不错的完成任务的效果，但是在实际的复杂战场环境中，辅助指控系统单纯的直接对传感器信息进行态势感知是不够的，在辅助指控系统中，如何保证态势感知的准确性，如何进行合理的信息筛选和排序，以保证指挥干预和决策快速有效进行，是现在急需重点解决的问题。

发明内容

有鉴于此，本发明提供了一种基有人/无人协同班组辅助指挥系统，能够保证态势感知的全面性和准确性。

本发明的有人/无人协同班组辅助指挥系统包括传感器模块、态势感知模块、信息融合模块和RBO决策模块；

传感器模块对环境进行感知，输出传感器信息组，所述传感器信息组包括全局信息以及两个或两个以上的个体信息；

态势感知模块对各个个体信息和全局信息进行态势感知，得到对应的各个个体态势信息和全局态势信息；态势感知模块将各个个体态势信息和全局态势信息发送到RBO决策模块，并将各个个体态势信息发送到信息融合模块；

信息融合模块将各个个体态势信息进行信息融合，得到融合态势信息；信息融合模块将融合态势信息发送到RBO决策模块；其中，信息融合方式为：依据战场环境确定各个个体态势信息各自的权重，将所有个体态势信息进行加权求和后取平均值，平均值即为融合态势信息；全局态势信息与融合态势信息组成班组态势信息组；

RBO决策模块依据输入的个体态势信息和班组态势信息组进行RBO决策并输出决策结果。

较佳地，系统还包括威胁信息推送模块，用于接收传感器信息组和班组态势信息组，确定班组态势信息和对应传感器信息之间的互信息量，将最大互信息量所对应的传感器信息作为威胁信息并推送。

进一步地，系统还包括人机交互模块，用于显示个体态势信息和班组态势信息、威胁信息和决策结果，同时接收人为干预决策指令。

其中，态势感知模块基于云模型将所述各个个体信息模糊化为概念量，对概念量匹配相应的高中低标尺云期望构成的标尺云；信息融合模块将态势感知模块得到的各个标尺云作为行向量构建出判别矩阵，按照威胁度设定的权重对判别矩阵的每一行进行加权求和，得到各个行权重，按照各个行权重将判别矩阵各个行向量进行加权求和，获得融合后的标尺云期望即融合态势信息。

较佳地，系统还包括决策信息推送模块，用于接收决策结果以及传感器信息组，通过模块内已设定的决策规则集，获取与决策结果相关联的传感器信息作为决策推送信息并推送。

进一步地，系统还包括人机交互模块，用于显示个体态势信息和班组态势信息、决策结果以及决策推送信息，同时接收人为干预决策指令。

较佳地，系统还包括应急处理模块，直接从传感器模块异常时输出的信息中获得突发态势信息，由设定的突发规则集对突发态势信息进行决策；并将突发规则集无法决策的突发态势信息直接推送。

进一步地，系统还包括人机交互模块，人机交互模块用于显示个体态势信息和班组态势信息、突发态势信息和决策结果，同时接收人为干预决策指令。

其中，互信息量模型如式(12)所示：

其中，表示第i个传感器信息c_i与第k个班组态势感知信息的互信息量；i∈[1,N]，N为传感器信息组所包含的传感器信息总数，k∈[1,K]，K为班组态势感知信息组所包含的全局态势信息与融合态势信息总数；

其中其中p(c_ijd_k)为利用专家经验样本统计获取的概率，I(c_ij,d_k)为c_ij与d_k之间的互信息；c_ij表示第i个传感器信息的第j个取值，j∈[1,M]，M为一个传感器信息所包括取值的总数，d_k表示第k个班组态势感知信息；

有益效果：

1.本发明针对有人/无人协同班组实战中的智能化需求和实时性需求，本发明利用态势感知模块对传感器模块获得的各个个体信息和全局信息分别进行态势感知，并利用信息融合模块将个体态势感知信息进行融合，系统可以简明的获取完整的态势信息，保证了态势感知的全面性与准确性。

2.本发明使用互信息中的信息熵模型来衡量传感器信息与态势感知信息的变量关联，进而实现传感器信息筛选工作，向指挥员推送决策急需的传感器信息，系统对具体战场环境更有针对性。

3.针对有人/无人协同辅助指挥系统中机器态势感知可能存在的感知偏差问题，系统借助互信息推送提供的传感器信息，辅助指挥员的决策和判定工作，为指挥员提供了决策的依据。

4.本发明采用云模型进行态势的推理，并利用专家经验样本生成标尺云，使用标尺云和数据融合的方法来进行数据到态势的推理，大大简化了从传感器信息到态势感知信息的推理过程，提高了系统的感知效率。

5.本发明利用消息推送的手段实现了辅助指挥系统中的信息管理，同时在人机交互模块为指挥员提供了人工干预修正的接口，使指挥员与系统适度有效地交互，保证指挥干预和决策快速有效进行。

附图说明

图1为标尺云产生和云模型运作流程图，其中图1(a)为标尺云的生成过程，图1(b)为云模型推理流程。

图2为某一属性对应的标尺云图。

图3为云模型中模糊化隶属函数图。

图4为逆云模型信息流图。

图5为系统信息流图。

图6为系统模块示意图。

图7为辅助系统整体运作流程图。

图8为ANYLOGIC无人平台仿真环境图。

图9为安全态势和敌人进攻态势下系统测试结果对比，其中图9(a)为安全态势系统推送结果，图9(b)为敌人进攻态势下系统测试结果。

图10为敌人搜索态势和决策变化后系统测试结果对比，其中图10(a)为敌人搜索态势下系统测试结果，图10(b)为决策变化后系统测试结果。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种有人/无人协同班组辅助指挥系统，

本发明中的系统各模块之间连接示意图如图6所示；

本发明中的系统包括：传感器模块、态势感知模块、信息融合模块、RBO决策模块、威胁信息推送模块、决策信息推送模块、应急模块和人机交互模块；其中传感器模块、态势感知模块、信息融合模块和RBO决策模块是系统必须要包括的，威胁信息推送模块、决策信息推送模块、应急模块和人机交互模块按照具体需求，选择性添加到系统中实现对系统的优化；各模块具体如下：

(1)传感器模块：

传感器模块对环境进行感知，输出传感器信息组，所述传感器信息组包括全局信息以及两个或两个以上的个体信息；

传感器模块包括个体传感器和全局传感器，个体传感器分布在各个无人平台上，获取各自无人平台的数据，输出个体信息；总体传感器分布在全局平台上，获取全局数据，输出全局信息；

(2)态势感知模块：

态势感知模块对各个个体信息和全局信息进行态势感知，得到对应的各个个体态势信息和全局态势信息；态势感知模块将各个个体态势信息和全局态势信息发送到RBO决策模块，并将各个个体态势信息发送到信息融合模块；

基于云模型将所述各个个体信息模糊化为概念量，对概念量匹配相应的高中低标尺云期望构成的标尺云；标尺云是将专家的经验样本进行模糊化，生成的每种属性的标尺云，所述属性为传感器信息，标尺云的均值，熵和超熵采用逆云模型来计算，具体的标尺云的生成过程如图1(a)所示，云模型推理流程如图1(b)所示。

在已知专家样本的情况下，将所有的样本输入分为高，中，低三级，其中每一输入都有其对应的标尺云，如图2。

标尺云中横坐标为传感器输入对所属的高中低等级的隶属度，纵坐标为样本威胁度对高中低等级的隶属度，隶属度函数初步拟定为图3。

在获取各个属性的云图后，采用逆向云模型来获取标尺云的参数，其中逆向云模型即根据云滴的分布，基于正态分布假设，获取期望Ex，熵En，超熵He的过程，其数学模型如图4所示。常用的逆向算法有基于拟合方法的确定性逆向方法和基于概率统计的不确定性逆向方法，本发明采用不确定性逆向方法，流程如下：

Step1：根据P个云滴点x_p(p＝1,..P)计算样本均值

Step2:将样本均值作为期望的估计值

Step3:计算样本熵的估计值

Step4:计算云滴样本方差S²

Step5:使用样本方差S²和熵来计算样本超熵的估计值

从而获得各属性标尺云图的数字特征，即完成标尺云构造的过程。

(3)信息融合模块：

针对有人/无人协同班组的特点，态势感知模块采用个体与全局态势感知，并利用信息融合模块将个体态势感知信息进行融合，得到融合态势信息，为指挥员提供多级、完备的班组整体信息，使指挥员对整体态势有迅速而清晰的了解。

信息融合模块将各个个体态势信息进行信息融合，得到融合态势信息；信息融合模块将融合态势信息发送到RBO决策模块；其中，信息融合方式为：依据战场环境确定各个个体态势信息各自的权重，将所有个体态势信息进行加权求和后取平均值，平均值即为融合态势信息；全局态势信息与融合态势信息组成班组态势信息组；

本实施例中将无人平台的威胁评估值作为个体态势信息，进行威胁评估，基于云模型的个体态势信息融合过程如下：

对于一个待分析的对象，首先将属性的定性取值和相应的标尺云进行匹配，其中云的期望是最为主要的分布特征，假定对象属性数量为3，则可以获得3*3阶的判断矩阵A如下：

其中，矩阵的一行即为某一属性所匹配的高，中，低三朵云图对应的隶属度。进一步，考虑到各属性对评估结果的影响，引入影响因子和权重因子的概念：

影响因子ω_j(j＝1,2,3)：衡量系统对威胁信息高，中，低的关注侧重，若对高威胁目标较为关注，则相应权重较高，根据实际需要进行选取。

权重因子α_i(i＝1,2,3)：衡量各属性对结果的影响，其中经过归一化后可作为多属性融合指标。

在确定评估侧重的影响因子和权重因子后，在F个属性下，利用多属性融合指标对判别矩阵的行向量进行融合，经过融合后的云期望为：

其中Ex_f为第f个属性所匹配的高，中，低标尺云期望(E_fh,E_fm,E_fl)，f(i∈1,2...F)，经过公式(7)计算，得到融合后的结果矩阵Ex为融合后的高，中，低标尺云期望(Ex_h,Ex_m,Ex_l)，(Ex_h,Ex_m,Ex_l)的最大值所对应的态势即为融合后的态势信息，即融合后的威胁评估值，完成信息融合过程。

本系统中的态势感知分为个体层面和整体层面，其中个体层面的感知采用分布式感知形式，其输入为分布在各个无人平台上的个体传感器，获取到的个体信息，输出为对应的个体态势信息；整体层面的感知采用集中式感知形式，集中式感知中，一方面是态势感知模块对输入的由分布在全局平台上的总体传感器获得的全局信息，进行态势感知得到全局态势信息，另一方面是信息融合模块对个体态势信息的融合，得到融合态势信息；全局态势信息与融合态势信息组成班组态势信息，利用班组态势信息对敌人动向进行评估。系统信息流图如图5所示。

(4)RBO决策模块：

RBO决策模块依据输入的个体态势信息和班组态势信息组进行RBO决策并输出决策结果。

(5)威胁信息推送模块：

威胁信息推送模块用于接收传感器信息组和班组态势信息组，通过互信息模型确定班组态势信息和对应传感器信息之间的互信息量，将最大互信息量所对应的传感器信息作为威胁信息并推送。

在进行传感器信息和态势信息的匹配工作时，基于专家经验来构建各属性之间的互信息模型，其中互信息模型是基于专家经验来构建出的基于信息熵的样本概率模型，借用信息论中信息熵的概念，引入互信息量来描述两个随机变量之间的关联程度。用c，d分别表示信息源的原因和结果，信息源原因c与结果d之间的互信息量I(c,d)定义如式(8)：

其中p()表示概率，概率分布均利用专家经验样本统计获取。

考虑各个原因的多个取值对结果的影响程度不同，引入I(c_i,D)和t(c_ij,D)：

c_ij表示第i(i∈[1,N])个原因的第j(j∈[1,M])个取值，d_k(k∈[1,K])表示第k个结果；

将式(9)归一化后获得如式(10)：

在综合考虑和t(c_ij,D)后，改进的互信息量公式如(12)所示，表示第i个原因与第k个结果的改进互信息量：

利用式(12)选取互信息量来衡量原因和结果之间的关系，选取互信息量较大的原因c_i作为输出，进而完成消息推送，其具体形式如式(13)所示：

本发明中的传感器信息为原因，班组态势感知信息为结果，互信息量模型如式(12)所示：

其中，表示第i个传感器信息c_i与第k个班组态势感知信息的互信息量；i∈[1,N]，N为传感器信息组所包含的传感器信息总数，k∈[1,K]，K为班组态势感知信息组所包含的全局态势信息与融合态势信息总数；

其中其中p(c_ijd_k)为利用专家经验样本统计获取的概率，I(c_ij,d_k)为c_ij与d_k之间的互信息；c_ij表示第i个传感器信息的第j个取值，j∈[1,M]，M为一个传感器信息所包括取值的总数，d_k表示第k个班组态势感知信息；

在获得当前情境下的互信息模型后，传感器正常情况下，包含人机交互模块的系统信息流如图7所示，态势感知部分用于辅助指挥员快速获取当前整体情况，消息推送部分用于辅助指挥员判别态势感知的准确性，其中整合态势信息为班组态势信息组以及个体态势信息。

(6)决策信息推送模块：

决策信息推送模块接收决策结果以及传感器信息组，并通过模块内已设定的决策规则集，获取与决策结果相关联的传感器信息作为决策推送信息并推送。

决策规则集根据不同的战争情况来进行不同的设定，决策规则集包括决策结果以及和与决策结果相关联的传感器信息，传感器信息与决策结果一一对应。

具体地，在RBO决策结果作出后，系统进行决策信息的推送工作，减轻指挥员的信息查阅量，其推送规则采用决策规则集的方式，参考的基本决策规则集如表1所示，决策规则集根据不同的战争情况来进行不同的设定

表1决策规则集简表

(7)应急处理模块：

应急处理模块直接从传感器模块异常时输出的信息中获得突发态势信息，由设定的突发规则集对突发态势信息进行决策；并将突发规则集无法决策的突发态势信息直接推送。其中突发规则集包括突发态势信息以及相对应的决策结果。

(8)人机交互模块：

人机交互模块用于显示个体态势信息和班组态势信息、突发态势信息、威胁信息、决策结果以及决策推送信息，同时接收人为干预决策指令，干预决策指令包括直接决策指令、容许指令和修正指令。

模块仿真实验一，态势感知模块与信息融合模块的基于云模型威胁评估实验：基于ANYLOGIC仿真软件，搭建测试环境如图8所示，在Visual Studio 2013平台上针对个体平台测试系统运作性能，模块仿真实验一主要测试该系统针对地面无人平台的威胁感知能力。

在仿真环境中，考虑五种传感器变量：距离，角度，速度，火力，地形，相应的态势有：高，中，低威胁三种，实验一中假定传感器输入如表2所示：

表2无人平台传感器输入

属性	距离(m)	角度(度)	速度(m/s)	火力	地形(m)
						输入	150	30	7	2	8

获取对应的判别矩阵为J：

每一行对应一个属性的高中低标尺云期望，其中0表示样本缺失，即该属性不会对判断产生影响。考虑到威胁判定中对于高威胁信息需要较高，权重采用影响因子高(5)，中(2)，低(1)的分布，各属性标尺云与影响因子相乘得到各属性的权重因子，各属性的权重因子与对应属性所匹配的高，中，低标尺云期望相乘后求和，然后求均值，最后将结果中的高，中，低三个量归一化，得到高中低威胁对应的标尺云期望，即融合后的结果矩阵，如表3所示：

表3云模型评估结果矩阵

威胁	低	中	高
				标尺云期望	0.475	0.496	0.403

其中标尺云期望的大小代表与当前场景的匹配程度，从而对于当前场景，最合适的评估是中等威胁，从而完成云模型威胁评估工作。

模块仿真实验二，威胁信息推送模块的威胁信息推送实验：首先根据专家样本，结合I(c_i,D)和t(c_ij,D)，获取互信息量列表如表4：

表4基于样本的互信息量表

其中正值代表正相关，负值代表负相关，根据该表进行相关信息的推送，针对本实验中等威胁度，优先推送距离和速度信息，辅助指挥员进行判别和决策工作。

基于模块仿真实验一仿真中获取的态势信息为“威胁：中”，根据互信息量表对传感器量的排序为{距离，速度，地形，火力，角度}，故应推送“距离”和“速度”信息给指挥员进行参考，到达有效简化辅助感知的效果。

整体仿真实验：针对搭建的战场环境想定进行测试，想定设计如下：

有人/无人协同班组守卫特定区域，其中有人平台所在设定为指挥部，敌方无人平台进攻或搜索该区域时，系统需要基于全局态势(敌方数量，前进方向)对敌方动向进行初步的分析，并给出指挥员合理的建议，同时推送相应的辅助决策信息。

整体仿真实验一：态势感知和威胁信息推送

场景设定敌方朝我方指挥部发动进攻，数量较多，威胁较大，获取的全局信息如表5所示：

表5实验一的全局输入情况

敌人数量(台)	敌人威胁	速度角度均值(m/s)
			2	2	30
速度角度均方差(m/s)	距离均值(m)	距离均方差(m)
			30	300	80

其中速度角度值为敌人相对有人平台的角度。

在安全环境下，系统的感知和决策如图9(a)，态势感知结果安全，无威胁态势推送，在获取全局信息后，系统的敌人动向评估和参考决策如图9(b)，可见，基于敌人行动的改变，该系统准确地获取了敌人发动进攻的动向，推送了与进攻态势相关的信息，帮助指挥员实现了辅助态势感知，减轻指挥员负担的效果。

整体仿真实验二：决策信息推送

场景设定为在目标区域中发现多个敌人个体进行搜索，数量和威胁均中等，

获取的全局信息如表6所示：

表6实验二的全局输入情况

敌人数量(台)	敌人威胁	速度角度均值(m/s)
			2	1	30
速度角度均方差(m/s)	距离均值(m)	距离均方差(m)
			80	500	200

初步感知结果如图10(a)，系统获取敌人搜索的动向，给出基于“DENFENSE”决策的信息，同时在指挥员更改决策指令后，推送的决策信息也会相应地更新，提高决策效率。其效果如图10(b)，可见，该系统可以基于变化的战场态势调整参考决策和推送的决策信息，具有动态性和针对性，在减轻指挥员负担的基础上，智能地给出了有效的决策意见。

综合上述实验可知，该系统在战场环境中，可以针对复杂的战场环境，为有人/无人班组的指挥员提供简明有效的态势信息和决策信息，起到了减轻指挥员负担，高效快速指挥的效果。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种有人/无人协同班组辅助指挥系统，其特征在于，包括传感器模块、态势感知模块、信息融合模块和RBO决策模块；

传感器模块对环境进行感知，输出传感器信息组，所述传感器信息组包括全局信息以及两个或两个以上的个体信息；

态势感知模块对各个个体信息和全局信息进行态势感知，得到对应的各个个体态势信息和全局态势信息；态势感知模块将各个个体态势信息和全局态势信息发送到RBO决策模块，并将各个个体态势信息发送到信息融合模块；

信息融合模块将各个个体态势信息进行信息融合，得到融合态势信息；信息融合模块将融合态势信息发送到RBO决策模块；其中，信息融合方式为：依据战场环境确定各个个体态势信息各自的权重，将所有个体态势信息进行加权求和后取平均值，平均值即为融合态势信息；全局态势信息与融合态势信息组成班组态势信息组；

RBO决策模块依据输入的个体态势信息和班组态势信息组进行RBO决策并输出决策结果。

2.如权利要求1所述的一种有人/无人协同班组辅助指挥系统，其特征在于，所述系统还包括威胁信息推送模块，用于接收传感器信息组和班组态势信息组，确定班组态势信息和对应传感器信息之间的互信息量，将最大互信息量所对应的传感器信息作为威胁信息并推送。

3.如权利要求2所述的一种有人/无人协同班组辅助指挥系统，其特征在于，所述系统还包括人机交互模块，用于显示个体态势信息和班组态势信息、威胁信息和决策结果，同时接收人为干预决策指令。

4.如权利要求1所述的一种有人/无人协同班组辅助指挥系统，其特征在于，态势感知模块基于云模型将所述各个个体信息模糊化为概念量，对概念量匹配相应的高中低标尺云期望构成的标尺云；信息融合模块将态势感知模块得到的各个标尺云作为行向量构建出判别矩阵，按照威胁度设定的权重对判别矩阵的每一行进行加权求和，得到各个行权重，按照各个行权重将判别矩阵各个行向量进行加权求和，获得融合后的标尺云期望即融合态势信息。

5.如权利要求1所述的一种有人/无人协同班组辅助指挥系统，其特征在于，所述系统还包括决策信息推送模块，用于接收决策结果以及传感器信息组，通过模块内已设定的决策规则集，获取与决策结果相关联的传感器信息作为决策推送信息并推送。

6.如权利要求5所述的一种有人/无人协同班组辅助指挥系统，其特征在于，所述系统还包括人机交互模块，用于显示个体态势信息和班组态势信息、决策结果以及决策推送信息，同时接收人为干预决策指令。

7.如权利要求1所述的一种有人/无人协同班组辅助指挥系统，其特征在于，所述系统还包括应急处理模块，直接从传感器模块异常时输出的信息中获得突发态势信息，由设定的突发规则集对突发态势信息进行决策；并将突发规则集无法决策的突发态势信息直接推送。

8.如权利要求7所述的一种有人/无人协同班组辅助指挥系统，其特征在于，所述系统还包括人机交互模块，人机交互模块用于显示个体态势信息和班组态势信息、突发态势信息和决策结果，同时接收人为干预决策指令。

9.如权利要求2所述的一种有人/无人协同班组辅助指挥系统，其特征在于，互信息量模型如式(12)所示：

<mrow> <mover> <mi>I</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>c</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>d</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>I</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>c</mi> <mi>i</mi> </msub> <mo>,</mo> <mi>D</mi> <mo>)</mo> </mrow> <mo>*</mo> <munderover> <mo>&amp;Sigma;</mo> <mi>j</mi> <mi>M</mi> </munderover> <mi>t</mi> <mrow> <mo>(</mo> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>,</mo> <mi>D</mi> <mo>)</mo> </mrow> <mo>*</mo> <mi>I</mi> <mrow> <mo>(</mo> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>d</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>

其中，表示第i个传感器信息c_i与第k个班组态势感知信息的互信息量；i∈[1,N]，N为传感器信息组所包含的传感器信息总数，k∈[1,K]，K为班组态势感知信息组所包含的全局态势信息与融合态势信息总数；

其中其中p(c_ijd_k)为利用专家经验样本统计获取的概率，I(c_ij,d_k)为c_ij与d_k之间的互信息；c_ij表示第i个传感器信息的第j个取值，j∈[1,M]，M为一个传感器信息所包括取值的总数，d_k表示第k个班组态势感知信息；