CN110619052B - 一种基于知识图谱的战场态势感知方法 - Google Patents
一种基于知识图谱的战场态势感知方法 Download PDFInfo
- Publication number
- CN110619052B CN110619052B CN201910805835.7A CN201910805835A CN110619052B CN 110619052 B CN110619052 B CN 110619052B CN 201910805835 A CN201910805835 A CN 201910805835A CN 110619052 B CN110619052 B CN 110619052B
- Authority
- CN
- China
- Prior art keywords
- battlefield situation
- target
- battlefield
- knowledge unit
- situation knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的战场态势感知方法,包括战场态势知识单元提取;知识单元之间的关系构建;战场态势知识单元本体建模;战场态势知识图谱的构建;基于知识图谱的敌方作战意图判断。本发明提出了的基于知识图谱的战场态势感知方法首次将知识图谱的理论引入到战场态势估计领域,构建战场态势知识图谱在此基础上能够更好的对战场态势进行理解,辅助指挥官进行敌方作战意图判断。
Description
技术领域
本发明属于指挥控制系统领域,特别涉及一种基于知识图谱的战场态势感知方法。
背景技术
随着科技的飞速发展,特别是传感器技术、通信技术、计算机技术等相关信息技术的发展,信息融合已经广泛的应用于包括军事、金融、生物等多个科技领域。信息融合作为当今科学研究中的一个重要课题,其研究的主要目的是如何优化融合多数据源信息,从而获得对发生的事件更加客观而准确的描述与评估,并对未来态势的发展方向做出准确的预测。信息融合是一个对信息逐层分解、逐步抽象理解的过程,一般分为数据级融合、特征级融合以及决策级融合三个级别。
决策级融合是信息融合的高级阶段,经验、规则来决定行为过程。主要任务是构造合适的专家知识库,并制定适合决策规则的融合规则,目的是为指挥控制决策提供依据和决策支持,用来分析战场态势、支持和辅助决策制定、评估决策以及系统效能等。决策级融合一般包括态势评估、威胁估计和决策制定三个阶段。现代战争是一个立体化的复杂系统工程,信息化战争是现代战争的高层核心内容。指挥员需要根据敌我双方态势(包括地形、气象、武器系统、兵种、作战能力等)做出迅速正确的评估来进行指挥作战,敌我双方会不惜一切手段破坏对方的C4ISR,处于决策级融合第一步的态势评估具有举足轻重的地位。
JDL模型给出的定义如下(1984年,美国国防部成立了数据融合联合指挥实验室,提出了JDL模型,现已成为美国国防信息融合系统的一种实际标准模型):态势评估是对战场上敌我双方态势要素动态评价的过程。通过综合敌我双方兵力分布与活动、武器系统、机动性、战场地理环境、气象等态势要素,识别分析已发生的事件和计划,确定敌方兵力结构、部署、行动方向与路线的估计,识别出敌军的作战风格,推断出敌军的作战意图,对当前战场情景做出合理解释,并对未来时刻的态势变化做出预测,最终建立作战活动、事件、时间、位置和兵力要素等组织形成的战场综合态势图。态势感知为态势估计的第一步。在该阶段主要提供战场环境中相关目标和要素的属性、状态信息,并进一步根据目标信息对目标进行聚类,形成具有军事意义的群体和模块。态势理解是态势估计重要内容。这一阶段根据态势觉察所获得的信息,结合领域专家的军事知识对当前态势进行解释,判断敌方的兵力部署情况和作战意图,并给出目标活动、战场事件和兵力结构等内容的态势图。
为了更好的对战场态势进行理解,辅助指挥员进行指挥决策,需要研究基于知识图谱的态势理解方法,为指挥控制系统中的战场态势估计问题提供研究和解决的思路。
发明内容
发明目的:本发明所要解决的技术问题(或目的)是提出一种基于知识图谱的战场态势感知方法,适用于信息化的指挥控制系统中,构建丰富的战场态势知识图谱,在此基础上辅助指挥员进行敌方作战意图判断,同时能够更有效的生成各种主题战场态势图。
技术方案:本发明提出一种基于知识图谱的战场态势感知方法,包括以下步骤:
步骤1,战场态势知识单元提取;
步骤2,知识单元之间的关系构建;
步骤3,战场态势知识本体建模;
步骤4,构建典型战场态势知识图谱。;
步骤5,基于知识图谱的敌方作战意图判断。
其中,步骤1中,通过综合分析战场态势中包含的战场态势要素,从包括战场资源部署信息、战场多源情报信息,战场环境信息,战场交战状态的历史和实时信息中提取战场的态势知识单元。
步骤2中,通过综合分析战场态势知识单元之间的关系,定义典型的战场态势知识单元的关系模板如下:
指挥关系:战场态势知识单元A指挥战场态势知识单元B的行动,战场态势知识单元B的行为受战场态势知识单元A支配,则战场态势知识单元A和战场态势知识单元B之间存在指挥关系;
保障关系:战场态势知识单元A为战场态势知识单元B提供物资、通信等保障,则战场态势知识单元A和战场态势知识单元B之间存在保障关系;
协同关系:战场态势知识单元A为战场态势知识单元B提供协同打击、辅助支撑、掩护等来完成同一个作战任务,则战场态势知识单元A和战场态势知识单元B之间存在协同关系;
探测关系:战场态势知识单元A完成对战场态势知识单元B的探测功能,那么战场态势知识单元A和战场态势知识单元B之间存在探测关系;
打击关系:战场态势知识单元A完成对战场态势知识单元B的打击和拦截功能,则战场态势知识单元A和战场态势知识单元B之间存在打击关系;
隶属关系:战场态势知识单元A是战场态势知识单元B的上级,则战场态势知识单元A和战场态势知识单元B之间存在隶属关系;
包含关系:战场态势知识单元B是态势知识单元A的一部分或者组成部分,则战场态势知识单元A和战场态势知识单元B之间存在包含关系;
保障关系:战场态势知识单元A依赖于战场态势知识单元B完成通信、物资、环境功能,则战场态势知识单元A和战场态势知识单元B之间存在保障关系。
通过步骤1得到的态势知识单元,利用定义的关系模板匹配、人工研判等方法构建战场态势知识单元之间的关系。
步骤3中,基于战场态势知识单元建立如下本体模型:
战场态势知识单元的本体模型中概念定义为:
Concept={c1,c2,…,cn}
Concept表示当前战场所有战场态势知识单元的概念集合,概念集合包括基本类,cn表示第n个基本类;
基本类包括典型雷达、典型电子侦察设备、典型武器装备、典型空中目标、典型海上目标、典型陆上目标、典型战场环境、典型作战任务,同时每个基本类分为若干个继承类。针对不同战场环境构建相应的基类和继承类。
战场态势知识单元的本体模型中属性定义为:
Propertyi={p1,p2,…,pm},i=1,2,...n
Propertyi表示第i个战场态势知识单元的属性和特征集合,其中p1,p2,…,pm是第i个战场态势知识单元的第1个到第m个属性;例如针对雷达的属性包括波段、周期、位置等信息。电子侦察设备、武器装备、典型目标、战场环境、作战任务也应具备相应的属性。针对不同战场环境构建各种类的属性。
战场态势知识单元的本体模型中关系Relation定义为:
Relation={R(ci,cj)|ci,cj∈Concept} i,j=1,2,...n
R(ci,cj)表示第i个概念ci和第j个概念cj之间的相互作用;典型的关系类型可以和步骤2中保持统一。
战场态势知识单元的本体模型中函数Function定义为关系的特定表达形式:
Function=F(R(ci,cj)|ci,cj∈Concept)) i,j=1,2,...n
其中F(R(ci,cj)表示第i个战场态势知识单元和第j个战场态势知识单元之间的函数关系,即关系的特定表达形式。函数中规定的映射关系,使得推理从一个概念指向另一个概念,不同的关系类型可以定义不同的函数;
战场态势知识单元的本体模型中公理定义为{A},表明战场态势感知领域里始终成立的声明;比如对空雷达看到的目标只可能是空中目标等;
战场态势知识单元的本体模型中实例Instance定义为概念和关系的实例集合:
Instance={I|C(I),R(I)∈Concept∪Relation)}
其中I指的是当前实例,C(I)表示当前实例属于哪个本体,R(I)表示实例和本体之间的关系;实例代表元素,是本体中的最小对象,它具有原子性,即不可再分性,类包含实例,而每个实例都有不属于其它实例的属性,这是区分不同实例的唯一标识;
通过对战场态势知识单元的本体建模,分析概念的层次结构、类属性的分析、关系和函数的建立,公理的确定以及实例的提取,完成对战场态势知识单元之间关系的构建。
步骤4中,基于战场态势知识单元之间的关系以及知识单元的本体模型,构建典型的战场态势知识图谱。
步骤5中,利用战场态势知识图谱,当最新的情报信息接入时,进行关联、识别和提取,对敌方的作战意图进行判断,包括:
输入特定时刻t当前战场环境下的敌方作战单元信息S(t):S(t)={P1(t),P2(t),…,Pn(t)},其中,Pi(t)是第i个作战单元在该时刻t的状态信息集合,i=1,2,…,n,以多元组形式给出Pi(t)=<T,N,I,E,L,St,R,W,…>,式中,T表示采集到该第i个作战单元状态信息的时间;N表示目标批号,它是目标的唯一标识符;I表示敌我属性,包括敌、我、中立方;E表示实体类型;L表示目标的空间位置;St表示目标状态,包括目标的速度和加速度矢量;R表示辐射源状态;W表示武器载荷;
敌方作战意图判断过程包括:
步骤5-1,根据目标的产生时间T、目标批号N、目标的敌我属性I判断该目标是否为新出现的敌目标;
步骤5-2,根据目标的空间位置L,目标状态St判断该目标是否机动,该目标的机动属性将作为步骤5-4的输入,属于目标固有特征的一部分;
步骤5-3,根据目标的空间位置L,目标的辐射源状态R以及目标的武器载荷W判断该目标是否进行辐射源开机,该目标的辐射源开机属性将作为步骤5-4的输入,属于目标的感知特征的一部分;
步骤5-4,用目标作战意图为中心的知识图谱对目标事件和敌方战场态势事件进行相关判断。
步骤5-4包括如下步骤:
步骤5-4-1,判断目标的固有特征,固有特征包括目标机动能力、外形特征,从而识别出目标的具体类型或者平台信息;
步骤5-4-2,判断目标的动态特征,动态特征包括目标的行为规律,从而判断出目标可能的作战规律;
步骤5-4-3,判断目标的感知特征,感知特征包括目标的雷达探测特性、光电捕获图像和捕获辐射源特征,对目标的平台信息和作战规律进行确认;
步骤5-4-4,判断目标的状态特征,状态特征包括巡逻、警戒,从而得到目标的任务状态;
步骤5-4-5,结合目标的具体要素,具体要素包括时间、地点、行为,对目标的目标模式进行综合判断,目标模式包括规律和异常,进而判断出敌方可能的作战意图。
本发明的原理是:利用知识图谱的理论,抽取典型战场态势的知识单元,构建知识单元之间的关系,在此基础上生成典型的战场态势知识图谱,进而更好的对战场态势进行感知。
本发明与现有技术相比,显著优点是:首次将知识图谱的理论和概念引入到战场态势感知过程,通过对战场态势的知识图谱的构建,以清晰明了的方式展现战场的态势元素以及态势元素之间的关系,在此基础上辅助指挥员进行敌方作战意图判断,同时能够更有效的生成各种主题战场态势图。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其他方面的优点将会变得更加清楚。
图1是本发明中基于知识图谱的战场态势感知方法的总流程图。
图2是本发明中态势知识单元抽取过程。
图3是本发明中一种典型的态势知识单元。
图4是本发明中战场态势知识本体模型。
图5是本发明中构建的一种典型战场态势知识图谱。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
为了更好的对战场态势进行理解,辅助指挥员进行指挥决策,本发明提出一种基于知识图谱的态势感知方法,为指挥控制系统中的战场态势估计问题提供研究和解决的思路。
本发明的处理流程如图1所示,主要包括以下步骤:
步骤1,提取战场态势知识单元;
战场态势是战场感知能力所实现的最终结果,反映了战场空间中兵力分布及战场环境的当前状态以及未来的发展变化趋势,为指挥员作战决策和指挥控制提供支持。随着态势感知手段空前丰富,网络和信息系统日益复杂多样,战场空间不断延拓,战场的态势元素越来越丰富。态势要素是构成战场态势的兵力、环境、事件和估计诸类要素。通过综合分析战场态势中包含的战场态势要素,从战场资源部署信息、战场多源情报信息,战场环境信息,战场交战状态等历史和实时信息中,以及图像情报、文字情报、技侦情报等多种来源提取战场的态势知识单元。战场态势知识单元的提取是战场态势知识图谱构建的基础。战场态势知识单元的抽取过程如图2所示。
(1)对于结构化的数据来源,包括战场态势相关的结构化的数据库,标准协议格式的战场态势信息,结构化的多源情报信息,可以利用典型统计分析工具进行相关分析、因子分析和聚类分析等抽取战场态势知识单元;
(2)对于半结构化、非结构化的数据来源,建议利用文本挖掘、元数据、自动标引技术等进行知识单元的抽取。。
一种典型的战场态势知识单元如图3所示,通过对多个典型C4I指挥系统数据库的数据抽取得到典型的战场知识单元,包括各种型号雷达、各种型号的电子侦察设备、各种型号的武器装备、典型空中目标、典型海上目标、典型陆上目标、典型战场环境、典型作战任务等。同时战场态势知识单元的提取也是一个不断扩充和完善的过程,针对不同的作战环境和场景,战场态势的知识单元也是不尽相同的。
步骤2,构建知识单元之间的关系;
通过综合分析战场态势知识单元之间的关系,定义典型的战场态势知识单元的关系模板如下:
指挥关系:战场态势知识单元A指挥战场态势知识单元B的行动,战场态势知识单元B的行为受战场态势知识单元A支配,那么战场态势知识单元A和战场态势知识单元B之间存在指挥关系;
保障关系:战场态势知识单元A为战场态势知识单元B提供物资、通信等保障,那么战场态势知识单元A和战场态势知识单元B之间存在保障关系;
协同关系:战场态势知识单元A为战场态势知识单元B提供协同打击、辅助支撑、掩护等来完成同一个作战任务,那么战场态势知识单元A和战场态势知识单元B之间存在协同关系;
探测关系:战场态势知识单元A完成对战场态势知识单元B的探测功能,那么战场态势知识单元A和战场态势知识单元B之间存在探测关系;
打击关系:战场态势知识单元A完成对战场态势知识单元B的打击和拦截功能,那么战场态势知识单元A和战场态势知识单元B之间存在打击关系;
隶属关系:战场态势知识单元A是战场态势知识单元B的上级,那么战场态势知识单元A和战场态势知识单元B之间存在隶属关系;
包含关系:战场态势知识单元B是战场态势知识单元B的一部分或者组成部分,那么战场态势知识单元A和战场态势知识单元B之间存在包含关系;
保障关系:战场态势知识单元A依赖于战场态势知识单元B完成通信、物资、环境等保障功能,那么战场态势知识单元A和战场态势知识单元B之间存在保障关系。
通过步骤1得到的战场态势知识单元,再通过步骤2定义的关系模板利用模糊匹配、人工研判等方法,构建知识单元之间的关系。
步骤3,战场态势知识单元本体建模;
基于战场态势知识单元,利用本体理论对历史情报数据进一步处理,通过对知识属性、属性约束、公理、实例的描述,有效地形成知识网络,构建知识单元之间的关系。采用基于本体的知识表示可以对态势知识中的目标、事件、关系等进行较清楚的描述,并能够反映出知识实体间的相互关系,保证了态势知识在传递和共享过程中理解的唯一性和精确性,为态势估计系统提供了重要的信息和知识支持
利用本体理论对战场态势知识单元进行概念模型化、明确化、形式化以及共享化,达成对战场态势知识单元的一致理解。本体的基本元素包括概念(Concept)、属性(Property)、关系(Relations)、函数(Function)、公理(Axiom)和实例(Instance)。基于战场态势知识单元建立如下本体模型:
(1)战场态势知识单元的本体模型中概念定义为:
Concept={c1,c2,…,cn}
表明当前战场所有知识单元的概念集合,包括典型雷达、典型电子侦察设备、典型武器装备、典型空中目标、典型海上目标、典型陆上目标、典型战场环境、典型作战任务几个基本类,同时每个类分为若干个继承类。针对不同战场环境构建相应的基类和继承类。
(2)战场态势知识单元的本体模型中属性定义为:
Propertyi={p1,p2,…,pm},i=1,2,...n
表明每个知识单元的属性和特征集合,例如针对雷达的属性包括波段、周期、位置等信息。电子侦察设备、武器装备、典型目标、战场环境、作战任务也应具备相应的属性。针对不同战场环境构建各种类的属性。
(3)战场态势知识单元的本体模型中关系定义为
Relation={R(ci,cj)|ci,cj∈Concept} i,j=1,2,...n
表明为概念之间的相互作用,典型的关系类型和步骤2可以保持一致。
(4)战场态势知识单元的本体模型中函数定义为关系的特定表达形式:
Function=F(R(ci,cj)|ci,cj∈Concept)) i,j=1,2,...n
函数中规定的映射关系,可以使得推理从一个概念指向另一个概念,不同的关系类型可以定义不同的函数;
(5)战场态势知识单元的本体模型中公理定义为{A},表明战场态势感知领域里始终成立的声明,比如对空雷达看到的目标只可能是空中目标等;
(6)战场态势知识单元的本体模型中实例定义为概念和关系的实例集合。
Instance={I|C(I),R(I)∈Concept∪Relation)}
实例代表元素,是本体中的最小对象,它具有原子性,即不可再分性。类包含实例,而每个实例都有不属于其它实例的属性,这是区分不同实例的唯一标识。
通过分析概念的层次结构、类属性的分析、关系和函数的建立,公理的确定以及实例的提取,完成对战场态势知识本体的建模。
图4是本发明结合战场态势知识单元给出的典型本体模型。首先定义了战场态势本体的概念Concept={指挥所、战场环境、传感器、武器、作战任务、典型目标}。其中战场环境类继承为地理环境、气象水文环境和电磁环境三个子类;传感器类继承为雷达、电子侦察设备、预警机三个子类;典型目标类继承为海上目标、空中目标和陆上目标三个子类;武器类继承为对空武器和对海武器两个子类;作战任务类继承为侦察预警、地面防空、空中作战、空中突袭、海上作战和战略支援等子类。其次定义了指挥所和空中目标的属性,其中指挥所的属性Property={基本信息、组成机构、传感器资源、武器资源、通信保障};空中目标的属性Property={基本信息、平台类型、作战能力、动向趋势、综合保障}。再次定义了本体概念之间典型的关系Relation,包括保障关系、指挥关系、探测关系、拦截关系等。本发明仅仅给出的典型示例,不可能涵盖战场环境的方方面面,后续可以根据真实战场环境可以不断丰富和完善,进一步完善战场态势知识单元的本体模型,包括函数、公理等。
步骤4,构建典型战场态势知识图谱;
基于战场态势知识单元之间的关系以及知识单元的本体模型,通过对战场态势本体的实例化,构建典型的战场态势知识图谱。图5是本发明中构建的一种典型战场态势知识图谱,该知识图谱以区域级XX防空系统为中心进行构建,包含了上级指挥所、地区战场环境、对空传感器、防空武器、空中目标、防空作战任务、敌我双方目标事件以及目标作战意图等多个实例化的态势知识单元。
步骤(1)针对典型战场环境对步骤3中定义的本体进行实例化,其主要来源为结构化的数据库以及非机构化的文本信息,利用步骤1中的方法进行实例的抽取。例如图5对指挥所进行实例化得到四个实体包括国家级XX指挥所、区域级XX防空系统、区域级XX海军指挥所以及方向级XX陆军指挥所,同样对空中目标进行实例化得到民航飞机、XX战斗机、XX预警机、XX电子侦察飞机以及XX无人机。
步骤(2)对实例化的本体属性进行提取,其主要来源为结构化的数据库信息或者人工录入,每个实例具有区别于其他实例的属性。例如对XX预警机的属性进行实例化:XX预警机的基本信息包括主要性能参数、载重、飞行高度、飞行速度、传感器类型等。
步骤(3)对实例化的本体间的关系进行抽取,根据步骤2中定义的关系模板,利用模糊匹配算法或者人工研判的方法确定实例化的本体间的关系。例如国家级XX指挥所和区域级XX防空系统的关系属于隶属关系,区域级XX防空系统和防空武器的关系属于指挥关系。
步骤(4)根据实际战场环境进行分析,当新出现一个战场要素,可以进行本体的实例化需要重复步骤(1)、(2)和(3)。例如当战场中新接入一部雷达时,就需要对该雷达进行本体的建模和实例化,对其属性进行定义,对其和战场中其他实例化的本体间的关系进行定义。构建战场态势的知识图谱并非一蹴而就,它是一个不断改进、优化和完善的过程。
步骤5,基于知识图谱的敌方作战意图判断;
利用战场态势知识图谱,当最新的情报信息接入时,结合领域专家的军事知识,能够快速进行关联、识别和提取,对敌方的作战意图进行判断。图5中目标作战意图包括了目标特征、目标要素以及目标模式三个方面。其中目标特征包括固有特征、动态特征、感知特征、状态特征,固有特征是目标独特唯一具有的不变特征,例如目标机动能力、外形特征等;动态特征是目标的行为规律;感知特征是目标被传感器捕获后表现出的特征,如目标在声、光、电上表现出的特征;状态特征指目标当前具备的状态,如巡逻、警戒等。其中目标要素是组成目标的实体,包括时间、地点、行为等,是组成目标事件的主体。目标模式包括规律和异常,是目标动向在时空层面表现出的统计特性。
当输入为某特定时刻t当前战场环境下的敌方作战单元(如舰艇、飞机、武器平台等)信息,可表示为:S(t)={P1(t),P2(t),…,Pn(t)},其中,Pi(t)(i=1,2,…,n)是第i个作战单元在该时刻的状态信息集合,可以多元组形式给出Pi(t)=<T,N,I,E,L,St,R,W,…>,式中,T表示采集到该批目标数据的时间;N表示目标批号,它是目标的唯一标识符;I表示敌我属性,包括敌、我、中立方;E表示实体类型,如战斗机、驱逐舰等;L表示目标的空间位置;St表示目标状态,包括目标的速度和加速度矢量;R表示辐射源状态,包括雷达、电台和干扰机等的信息状态及相应的可信度;W表示武器载荷。敌方作战意图判断过程如下:
(1)根据目标的产生时间T、目标批号N、目标的敌我属性I判断该目标是否为新出现的敌目标;
(2)根据目标的空间位置L,目标状态(包括目标的速度和加速度)St判断该目标是否机动,该目标的机动属性将作为步骤(4)的输入,属于目标固有特征的一部分;
(3)根据目标的空间位置L,目标的辐射源状态R以及目标的武器载荷W判断该目标是否进行辐射源开机,该目标的辐射源开机属性将作为步骤5-4的输入,属于目标的感知特征的一部分;
(4)然后利用目标作战意图为中心的知识图谱对目标事件和敌方战场态势事件进行相关判断。具体步骤如下:
首先判断该目标的固有特征包括目标机动能力、外形特征等从而识别出该目标的具体类型或者平台信息;
其次判断该目标的动态特征主要是该目标的行为规律从而判断出该目标可能的作战规律;
再次判断该目标的感知特征,包括该目标的雷达探测特性、光电捕获图像、捕获辐射源特征等,对该目标的平台信息和作战规律进行确认;
再次判断该目标的状态特征包括如巡逻、警戒等,估计该目标的任务状态。
最后结合该目标的具体要素,包括时间、地点、行为等;对该目标的目标模式包括规律和异常等进行综合判断,进而判断出敌方可能的作战意图。
本发明提供了一种基于知识图谱的战场态势感知方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (2)
1.一种基于知识图谱的战场态势感知方法,其特征在于,包括以下步骤:
步骤1,提取战场态势知识单元;
步骤2,构建战场态势知识单元之间的关系;
步骤3,建立战场态势知识单元的本体模型;
步骤4,构建典型战场态势知识图谱;
步骤5,基于知识图谱判断敌方作战意图;
步骤1中,通过综合分析战场态势中包含的战场态势要素,从包括战场资源部署信息、战场多源情报信息,战场环境信息、战场交战状态的历史和实时信息中提取战场的态势知识单元;
步骤2中,通过综合分析战场态势知识单元之间的关系,定义典型的战场态势知识单元之间的关系模板,包括指挥关系、保障关系、协同关系、探测关系、打击关系、隶属关系、包含关系和保障关系,具体如下:
指挥关系:战场战场态势知识单元A指挥战场战场态势知识单元B的行动,战场态势知识单元B的行为受战场态势知识单元A支配,则战场态势知识单元A和战场态势知识单元B之间存在指挥关系;
保障关系:战场态势知识单元A为战场态势知识单元B提供物资、通信保障,则战场态势知识单元A和战场态势知识单元B之间存在保障关系;
协同关系:战场态势知识单元A为战场态势知识单元B提供协同打击、辅助支撑、掩护来完成同一个作战任务,则战场态势知识单元A和战场态势知识单元B之间存在协同关系;
探测关系:战场态势知识单元A完成对战场态势知识单元B的探测功能,则战场态势知识单元A和战场态势知识单元B之间存在探测关系;
打击关系:战场态势知识单元A完成对战场态势知识单元B的打击和拦截功能,则战场态势知识单元A和战场态势知识单元B之间存在打击关系;
隶属关系:战场态势知识单元A是战场态势知识单元B的上级,则战场态势知识单元A和战场态势知识单元B之间存在隶属关系;
包含关系:战场态势知识单元B是战场态势知识单元A的一部分或者组成部分,则战场态势知识单元A和战场态势知识单元B之间存在包含关系;
保障关系:战场态势知识单元A依赖于战场态势知识单元B完成通信、物资、环境功能,则战场态势知识单元A和战场态势知识单元B之间存在保障关系;
通过步骤1得到的战场态势知识单元,利用定义的关系模板构建战场态势知识单元之间的关系;
步骤3中,建立战场态势知识单元的本体模型:
战场态势知识单元的本体模型中概念定义为:
Concept={c1,c2,…,cn}
Concept表示当前战场所有战场态势知识单元的概念集合,概念集合包括基本类,cn表示第n个基本类;
战场态势知识单元的本体模型中属性定义为:
Propertyi={p1,p2,…,pm},i=1,2,...n
Propertyi表示第i个战场态势知识单元的属性和特征集合,其中p1,p2,…,pm是第i个战场态势知识单元的第1个到第m个属性;
战场态势知识单元的本体模型中关系Relation定义为:
Relation={R(ci,cj)|ci,cj∈Concept} i,j=1,2,...n
R(ci,cj)表示第i个概念ci和第j个概念cj之间的相互作用;
战场态势知识单元的本体模型中函数Function定义为关系的特定表达形式:
Function=F(R(ci,cj)|ci,cj∈Concept)) i,j=1,2,...n
其中F(R(ci,cj)表示第i个战场态势知识单元和第j个战场态势知识单元之间的函数关系,即关系的特定表达形式;
战场态势知识单元的本体模型中公理定义为{A},表明战场态势感知领域里始终成立的声明;
战场态势知识单元的本体模型中实例Instance定义为概念和关系的实例集合:
Ins tance={I|C(I),R(I)∈Concept∪Relation)}
其中I指的是当前实例,C(I)表示当前实例属于哪个本体,R(I)表示实例和本体之间的关系;实例代表元素,是本体中的最小对象,它具有原子性,即不可再分性,类包含实例,而每个实例都有不属于其它实例的属性,这是区分不同实例的唯一标识;
通过分析概念的层次结构、类属性的分析、关系和函数的建立,公理的确定以及实例的提取,完成对战场态势知识单元的本体建模;
步骤4中,基于战场态势知识单元的本体模型,进行战场态势的实例化,构建典型的战场态势知识图谱;
步骤5中,利用战场态势知识图谱,当最新的情报信息接入时,进行关联、识别和提取,对敌方的作战意图进行判断,包括:
输入特定时刻t当前战场环境下的敌方作战单元信息S(t):S(t)={P1(t),P2(t),…,Pn(t)},其中,Pi(t)是第i个作战单元在该时刻t的状态信息集合,i=1,2,…,n,以多元组形式给出Pi(t)=<T,N,I,E,L,St,R,W,…>,式中,T表示采集到该第i个作战单元状态信息的时间;N表示目标批号,它是目标的唯一标识符;I表示敌我属性,包括敌、我、中立方;E表示实体类型;L表示目标的空间位置;St表示目标状态,包括目标的速度和加速度矢量;R表示辐射源状态;W表示武器载荷;
敌方作战意图判断过程包括:
步骤5-1,根据目标的产生时间T、目标批号N、目标的敌我属性I判断该目标是否为新出现的敌目标;
步骤5-2,根据目标的空间位置L,目标状态St判断该目标是否机动,该目标的机动属性将作为步骤5-4的输入;
步骤5-3,根据目标的空间位置L,目标的辐射源状态R以及目标的武器载荷W判断该目标是否进行辐射源开机,该目标的辐射源开机属性将作为步骤5-4的输入;
步骤5-4,用目标作战意图为中心的知识图谱对目标事件和敌方战场态势事件进行相关判断。
2.根据权利要求1所述的方法,其特征在于,步骤5-4包括如下步骤:
步骤5-4-1,判断目标的固有特征,固有特征包括目标机动能力、外形特征,从而识别出目标的具体类型或者平台信息;
步骤5-4-2,判断目标的动态特征,动态特征包括目标的行为规律,从而判断出目标可能的作战规律;
步骤5-4-3,判断目标的感知特征,感知特征包括目标的雷达探测特性、光电捕获图像和捕获辐射源特征,对目标的平台信息和作战规律进行确认;
步骤5-4-4,判断目标的状态特征,状态特征包括巡逻、警戒,从而得到目标的任务状态;
步骤5-4-5,结合目标的具体要素,具体要素包括时间、地点、行为,对目标的目标模式进行综合判断,目标模式包括规律和异常,进而判断出敌方可能的作战意图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910805835.7A CN110619052B (zh) | 2019-08-29 | 2019-08-29 | 一种基于知识图谱的战场态势感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910805835.7A CN110619052B (zh) | 2019-08-29 | 2019-08-29 | 一种基于知识图谱的战场态势感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619052A CN110619052A (zh) | 2019-12-27 |
CN110619052B true CN110619052B (zh) | 2021-12-28 |
Family
ID=68922012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910805835.7A Active CN110619052B (zh) | 2019-08-29 | 2019-08-29 | 一种基于知识图谱的战场态势感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619052B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309925B (zh) * | 2020-02-10 | 2023-06-30 | 同方知网数字出版技术股份有限公司 | 一种军事装备的知识图谱构建方法 |
CN112131742A (zh) * | 2020-09-22 | 2020-12-25 | 中国人民解放军陆军装甲兵学院 | 一种作战指挥控制流程建模方法 |
CN112561300A (zh) * | 2020-12-10 | 2021-03-26 | 南京莱斯信息技术股份有限公司 | 一种基于人工智能的应急指挥辅助决策方法及系统 |
CN112800243A (zh) * | 2021-02-04 | 2021-05-14 | 天津德尔塔科技有限公司 | 一种基于知识图谱的项目预算分析方法及系统 |
CN112990363A (zh) * | 2021-04-21 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种战场电磁态势感知与利用方法 |
CN113469853A (zh) * | 2021-05-13 | 2021-10-01 | 航天科工空间工程发展有限公司 | 一种加速指挥控制交战方法和人工智能装置 |
CN113626616B (zh) * | 2021-08-25 | 2024-03-12 | 中国电子科技集团公司第三十六研究所 | 航空器安全预警方法、装置及系统 |
CN113987842B (zh) * | 2021-12-24 | 2022-04-08 | 湖南高至科技有限公司 | 基于知识图谱的bdi建模方法、装置、设备和介质 |
CN115017332A (zh) * | 2022-06-07 | 2022-09-06 | 北京庚图科技有限公司 | 作战指令生成方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN108549731A (zh) * | 2018-07-11 | 2018-09-18 | 中国电子科技集团公司第二十八研究所 | 一种基于本体模型的知识图谱构建方法 |
CN108920716A (zh) * | 2018-07-27 | 2018-11-30 | 中国电子科技集团公司第二十八研究所 | 基于知识图谱的数据检索与可视化系统及方法 |
CN109933669A (zh) * | 2019-03-19 | 2019-06-25 | 南京大学 | 一种战场态势数据标签的匹配方法 |
CN109992672A (zh) * | 2019-04-11 | 2019-07-09 | 华北科技学院 | 基于灾害场景的知识图谱构建方法 |
-
2019
- 2019-08-29 CN CN201910805835.7A patent/CN110619052B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN108549731A (zh) * | 2018-07-11 | 2018-09-18 | 中国电子科技集团公司第二十八研究所 | 一种基于本体模型的知识图谱构建方法 |
CN108920716A (zh) * | 2018-07-27 | 2018-11-30 | 中国电子科技集团公司第二十八研究所 | 基于知识图谱的数据检索与可视化系统及方法 |
CN109933669A (zh) * | 2019-03-19 | 2019-06-25 | 南京大学 | 一种战场态势数据标签的匹配方法 |
CN109992672A (zh) * | 2019-04-11 | 2019-07-09 | 华北科技学院 | 基于灾害场景的知识图谱构建方法 |
Non-Patent Citations (2)
Title |
---|
"基于知识图谱的战场目标关系融合技术";梅发国;《指挥信息系统与技术》;20171107;第8卷(第5期);摘要,正文第2-4章 * |
"战场态势估计概念、结构与效能";赵宗贵;《中国电子科学研究院学报》;20100630;第5卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110619052A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619052B (zh) | 一种基于知识图谱的战场态势感知方法 | |
CN113255916A (zh) | 作战知识系统的使用方法、作战决策辅助方法 | |
Xu et al. | Multi-attribute decision making method for air target threat evaluation based on intuitionistic fuzzy sets | |
US9448304B2 (en) | Ground moving target indicator (GMTI) radar that converts radar tracks to directed graphs (DG), and creates weighted DGs aligned with superimposed with digital maps | |
CN109960148B (zh) | 一种智能无人系统的自主性评估方法及系统 | |
Petrovski et al. | Application of Drones With Artificial Intelligence for Military Purposes | |
Park et al. | A process for human-aided multi-entity bayesian networks learning in predictive situation awareness | |
Hamilton et al. | The big data imperative | |
CN114139550B (zh) | 一种基于活动语义文本消息的态势智能认知方法 | |
Wang et al. | An event-driven plan recognition algorithm based on intuitionistic fuzzy theory | |
Lee et al. | Deep AI military staff: Cooperative battlefield situation awareness for commander’s decision making | |
Azimirad et al. | The comprehensive review on JDL model in data fusion networks: techniques and methods | |
Rossiter | AI-enabled remote warfare: sustaining the western Warfare paradigm? | |
Bouvry et al. | ASIMUT project: aid to SItuation management based on MUltimodal, MUltiUAVs, MUltilevel acquisition techniques | |
Chen et al. | Services oriented architecture (SOA)-based persistent ISR simulation system | |
Bossé et al. | Exploitation of a priori knowledge for information fusion | |
Bossé et al. | Modeling and simulation in support of the design of a data fusion system | |
Lin et al. | Target recognition and behavior prediction based on Bayesian network | |
Mulgund et al. | Olipsa: On-line intelligent processor for situation assessment | |
CN114358127A (zh) | 一种空中任务群组识别方法 | |
Shi et al. | Situation Assessment Based on Multi-Entity Bayesian Network | |
Wang et al. | The requirement traceable modeling method and application of UAV command system-of-systems based on SysML | |
Liang et al. | Modeling and Analysis of Combat System Confrontation Based on Large-Scale Knowledge Graph Network | |
Xia et al. | Predicting war outcomes based on a fuzzy influence diagram | |
Liu et al. | Unmanned Swarm System Situation Awareness Based on Dynamic Bayesian Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |