CN116680542B - 一种主干分支态势与旁路分支态势生成方法及系统 - Google Patents
一种主干分支态势与旁路分支态势生成方法及系统 Download PDFInfo
- Publication number
- CN116680542B CN116680542B CN202310767294.XA CN202310767294A CN116680542B CN 116680542 B CN116680542 B CN 116680542B CN 202310767294 A CN202310767294 A CN 202310767294A CN 116680542 B CN116680542 B CN 116680542B
- Authority
- CN
- China
- Prior art keywords
- enemy
- target
- branch situation
- formation
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 147
- 230000009471 action Effects 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000013459 approach Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims 1
- 238000005755 formation reaction Methods 0.000 description 117
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000007429 general method Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种主干分支态势与旁路分支态势生成方法及系统，涉及战场态势预测领域。在该方法中，包括以下步骤：获取战场信息；根据战场信息预测各敌方编队的最可能打击目标；根据对最可能打击目标的预测生成主干分支态势；预测主干分支态势中，敌方编队可能遭遇的突发事件；通过贝叶斯网络推测在主干分支态势中，当敌方编队遭遇突发事件时的可能战术动作；根据对可能战术动作的推测，生成主干分支态势的旁路分支态势。通过采用本申请提供的技术方案，生成战场态势中的主干态势分支，基于主干态势分支对敌方编队在进行作战任务时的可能战术动作进行科学预估，预估结果较为准确。
Description
技术领域
本申请涉及战场态势预测领域，尤其是涉及一种主干分支态势与旁路分支态势生成方法及系统。
背景技术
现代战场形势复杂，瞬息万变，这就非常考验作战指挥员在进行现代战争时的决策能力，好的决策往往能够扭转战局，为我方带来胜利。
作战指挥员通常是基于战场信息来做出决策的，但战场信息数量庞大，且通常具有很强的不确定性与模糊性，这就导致了作战指挥员难以较好较快的根据海量的战场信息分析出战场态势，从而依据对战场态势的预估给出合理的决策。
目前，在基于战场信息对战场态势通常只是对敌方编队的打击目标的预测，即对于主干分支态势的预测，但对于敌方编队在进行作战任务时的具体动作的预测较少，对敌方编队的可能战术动作的预测存在困难。
发明内容
为了能够较好的完成对于敌方编队在进行作战任务时的具体动作的预测，本申请提供一种主干分支态势与旁路分支态势生成方法及系统。
第一方面，本申请提供了一种主干分支态势与旁路分支态势生成方法，所述方法包括以下步骤：
获取战场信息；
根据所述战场信息预测各敌方编队的最可能打击目标；
根据对所述最可能打击目标的预测生成主干分支态势；
预测所述主干分支态势中，敌方编队可能遭遇的突发事件；
通过贝叶斯网络推测在所述主干分支态势中，当敌方编队遭遇所述突发事件时的可能战术动作；
根据对所述可能战术动作的推测，生成所述主干分支态势的旁路分支态势。
通过采用上述技术方案，基于打击目标预估的主干生成方法能够根据编队的空间位置和航程信息预估出敌方编队的最可能打击目标以及对最可能打击目标的最可能作战意图，并形成规范化的主干分支信息。根据主干分支可能遭遇的事件及敌方编队采取的可能战术动作动作，采用贝叶斯网络进行推理，生成的旁路分支合理有效，从而完成对敌方编队在进行作战任务时的具体动作的预测。
可选的，在根据所述战场信息预测各敌方编队的最可能打击目标中，具体包括：
根据所述战场信息构建综合威胁指标矩阵，所述综合威胁指标矩阵中的矩阵元素/>表示第i个敌方编队对第j个我方目标的综合威胁指标；
将所述综合威胁指标矩阵每一行中的最大综合威胁指标对应的我方目标作为所述最可能打击目标。
通过采用上述技术方案，综合威胁指标用于描述各敌方编队对于各我方目标的威胁程度，在综合威胁指标矩阵中的每一行，即对应于一敌方编队对全部我方目标的威胁程度，从综合威胁指标矩阵中的每一行中选取出最大综合威胁指标，从而推理出敌方编队的最可能打击目标。从敌方视角出发完成最可能打击目标的推理，有利于提高最可能打击目标预估的准确性。
可选的，在根据所述战场信息构建综合威胁指标矩阵中，具体包括：
根据预置的角度威胁指标计算公式分别计算第i个敌方编队对第j个我方目标的角度威胁指标；
根据预置的距离威胁指标计算公式分别计算第i个敌方编队对第j个我方目标的距离威胁指标；
根据第i个敌方编队对第j个我方目标的意图收益系数，分别计算第i个敌方编队在各意图下对第j个我方目标的收益指标p；
根据最大收益指标计算所述第i个敌方编队对第j个我方目标的综合威胁指标/>，其中，/>。
通过采用上述技术方案，通过角度威胁指标、距离威胁指标以及在敌方视角下的收益指标完成对综合威胁指标的计算，多角度考虑敌方编队的最可能打击目标，为最可能打击目标的预估提供更加全面的依据。
可选的，所述角度威胁指标计算公式具体为：
；
其中，表示第i个敌方编队对第j个我方目标的进入角；
)；
其中，表示第i个敌方编队与第j个我方目标之间的连线构成的矢量，/>表示第i个敌方编队的速度矢量。
可选的，所述距离威胁指标计算公式具体为：
；
其中，表示第i个敌方编队的预估航程，/>表示第i个敌方编队与第j个我方目标之间的距离。
可选的，在通过贝叶斯网络推测在所述主干分支态势中，当敌方编队遭遇所述突发事件时的可能战术动作前，还包括贝叶斯网络的构建过程，所述构建过程具体包括：
确定所述贝叶斯网络的网络节点，所述网络节点包括事件节点与战术动作节点；
根据所述网络节点之间的相互关系确定所述贝叶斯网络的网络结构；
根据预置的节点联合概率分布表，为所述网络节点指派局部概率分布；
完成所述贝叶斯网络的构建。
通过采用上述技术方案，构建贝叶斯网络以进行可能战术动作的推测，影响目标战术动作的要素模糊性和不确定性较大，用一般的方法建立评估模型比较困难，而贝叶斯网络的推理能力极强，可对不确定性信息进行推理。贝叶斯网络的结构清晰、简单，可用有向边表示节点之间的关系，并且贝叶斯网络模型的推理方式比较多，可从多个角度对作战场景进行推理。
可选的，在通过贝叶斯网络推测在所述主干分支态势中，当敌方编队遭遇所述突发事件时的可能战术动作中，具体包括：
根据对敌方编队可能遭遇的突发事件的预测结果，对所述事件节点进行赋值，生成证据变量，所述证据变量用于描述各所述突发事件发生与否；
将所述证据变量输入所述贝叶斯网络中，通过所述贝叶斯网络推测所述战术动作节点的后验概率分布，完成对所述可能战术动作的推测。
通过采用上述技术方案，实现对敌方编队在主干分支态势中的可能战术动作进行预测，根据预测出的战术动作节点的后验概率分布，较好的估计敌方编队动作，从而为我方应对敌方战术动作提供决策依据。
在本申请的第二方面提供了一种主干分支态势与旁路分支态势生成系统，所述系统包括以下模块：
战场信息获取模块，用于获取战场信息；
打击目标预测模块，用于根据所述战场信息预测各敌方编队的最可能打击目标；
主干分支态势生成模块，用于根据对所述最可能打击目标的预测生成主干分支态势；
突发事件预测模块，用于预测所述主干分支态势中，敌方编队可能遭遇的突发事件；
战术动作预测模块，用于通过贝叶斯网络推测在所述主干分支态势中，当敌方编队遭遇所述突发事件时的可能战术动作；
旁路分支态势生成模块，用于根据对所述可能战术动作的推测生成所述主干分支态势的旁路分支态势。
在本申请的第三方面提供了一种电子设备；
在本申请的第四方面提供了一种计算机可读存储介质；
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、基于打击目标预估的主干生成方法能够根据编队的空间位置和航程信息预估出敌方编队的最可能打击目标以及对最可能打击目标的最可能作战意图，并形成规范化的主干分支信息。根据主干分支可能遭遇的事件及敌方编队采取的可能战术动作动作，采用贝叶斯网络进行推理，生成的旁路分支合理有效，从而完成对敌方编队在进行作战任务时的具体动作的预测；
2、通过角度威胁指标、距离威胁指标以及在敌方视角下的收益指标完成对综合威胁指标的计算，多角度考虑敌方编队的最可能打击目标，为最可能打击目标的预估提供更加全面的依据；
3、构建贝叶斯网络以进行可能战术动作的推测，影响目标战术动作的要素模糊性和不确定性较大，用一般的方法建立评估模型比较困难，而贝叶斯网络的推理能力极强，可对不确定性信息进行推理。贝叶斯网络的结构清晰、简单，可用有向边表示节点之间的关系，并且贝叶斯网络模型的推理方式比较多，可从多个角度对作战场景进行推理。
附图说明
图1是本申请实施例提供的一种主干分支态势与旁路分支态势生成方法的流程示意图。
图2是本申请实施例提供的一种主干分支态势与旁路分支态势生成方法中主干分支态势的规范化表征示意图。
图3是本申请实施例提供的一种主干分支态势与旁路分支态势生成方法中贝叶斯网络的具体结构图。
图4是本申请实施例提供的一种主干分支态势与旁路分支态势生成方法中旁路分支态势的规范化表征示意图。
图5是本申请实施例公开的一种主干分支态势与旁路分支态势生成系统的结构示意图。
图6是本申请实施例的公开的一种电子设备的结构示意图。
附图标记说明：501、战场信息获取模块；502、打击目标预测模块；503、主干分支态势生成模块；504、突发事件预测模块；505、战术动作预测模块；506、旁路分支态势生成模块；600、电子设备；601、处理器；602、通信总线；603、用户接口；604、网络接口；605、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
在对本申请提供的技术方案进行描述前，首先对本申请涉及的部分专有名词进行解释。
主干分支态势：用于描述敌方编队抵近我方目标的过程；
旁路分支态势：用于描述在敌方编队抵近我方目标时遭遇的突发事件，以及敌方编队应对突发事件的战术动作。
参照图1，本申请提供了一种主干分支态势与旁路分支态势生成方法，该方法具体包括以下步骤：
S1：获取战场信息；
具体的，通过侦查无人机、侦查卫星、雷达、传感器等等信息获取方式，获取实时战场信息。
战场信息包括敌方编队信息与我方目标信息，具体来说，敌方编队信息至少包括敌方编队位置信息、敌方编队速度信息以及敌方编队预估航程信息，其中，敌方编队位置信息即敌方编队的空间位置，通过一个三维或二维的坐标表示；敌方编队速度信息即敌方编队当前的速度矢量，包括敌方编队速度大小与速度方向，以向量的形式进行表示；敌方编队预估航程信息是基于敌方编队的当前状态的一个预估值。我方目标信息包括我方目标位置信息与我方目标类型信息，我方目标位置信息同样以三维或二维的坐标进行表示，我方目标类型信息用于描述我方目标的具体类型，以我方目标的具体类型对应的目标编码的形式进行表示。
在本申请的一实施例中，以矩阵的形式描述全部敌方编队与全部我方目标，假设存在有m个敌方编队Formation与n个我方目标Target，则有：
Formation={Formation1，Formation2，...，Formationm}；
Target={Target1，Target2，...，Targetn}；
对于第i个敌方编队Formationi，有：
Formationi={Position1，Speed，Voyage}；
对于第j个我方目标Targetj，有：
Targetj={Position2，Type}；
其中，Position1表示敌方编队位置信息，Speed表示敌方编队速度信息，Voyage表示敌方编队预估航程信息，Position2表示我方目标位置信息，Type表示我方目标类型信息。
S2：根据战场信息预测各敌方编队的最可能打击目标；
具体的，在获取到全部m个敌方编队的敌方编队信息与全部n个我方目标的我方目标信息后，对战场信息进行处理，构建综合威胁指标矩阵，分别计算各敌方编队对各我方目标的综合威胁指标，选取综合威胁指标矩阵中每一行中的最大综合威胁指标对应的我方目标，将其作为该行敌方编队的最可能打击目标。
在本申请一种可行的实施例中，基于敌方编队对我方目标角度威胁指标、距离威胁指标以及在敌方视角下的意图收益系数，综合得出综合威胁指标，构建综合威胁指标矩阵。
首先根据预置的角度威胁指标计算公式分别计算第i个敌方编队对第j个我方目标的角度威胁指标，根据计算结果构建敌方编队对我方目标的角度威胁指标矩阵，角度威胁指标计算公式具体如下：
；
其中，表示第i个敌方编队对第j个我方目标的进入角；
)；
其中，表示第i个敌方编队与第j个我方目标之间的连线构成的矢量，/>表示第i个敌方编队的速度矢量。
由角度威胁指标计算公式可知，。需要说明的是，在计算敌方编队对我方目标的角度威胁指标时，敌方编队距离我方目标的距离较远，远大于敌方编队的飞行高度，因此能够只在平面内进行敌方编队对我方目标的角度威胁分析。
完成角度威胁指标矩阵的构建后，根据预置的距离威胁指标计算公式分别计算第i个敌方编队对第j个我方目标的距离威胁指标，根据计算结果构建敌方编队对我方目标的距离威胁指标矩阵/>，角度威胁指标计算公式具体如下：
；
其中，表示第i个敌方编队的预估航程，/>表示第i个敌方编队与第j个我方目标之间的距离。同样的，由距离威胁指标计算公式可知，/>。
完成角度威胁指标矩阵与距离威胁指标矩阵的构建后，从敌方编队视角出发，根据第i个敌方编队对第j个我方目标的意图收益系数，分别计算第i个敌方编队在各意图下对第j个我方目标的收益指标p。
敌方编队对我方目标的意图收益系数是依据作战经验，以敌方视角出发分析的敌方编队打击我方目标的收益，根据我方目标的我方目标类型信息及各类型我方目标的重要程度建立各意图下的收益评估表。
本申请一种可行的实施例中，设定我方目标包括指挥所、机场、地面导弹旅、雷达、舰船共五种目标类型，敌方编队对我方目标的意图包括攻击、侦查、掩护、电子干扰、突防以及监视共六种类型的意图，依据作战经验建立各意图下的收益评估表，该实施例中的收益评估表如表1所示。
基于预置的模糊量化规则，将各意图下的收益等级进行量化为意图收益系数，在本申请一实施例中，模糊量化规则可以设置为：
{最高，次高，较高，其他}→{0.8，0.6，0.4，0.1}；
对于第j个我方目标，由于其我方目标类型信息确定，因此第i个敌方编队对其在各意图下的作战收益等级确定，例如，对于指挥所，敌方编队对其在各意图下的意图收益系数如表2所示：
将距离威胁指标与角度威胁指标/>分别与对应我方目标在各意图下的意图收益系数相乘，分别得到第i个敌方编队对第j个我方目标在各意图下的收益指标p，选取最大收益指标/>，确定第i个敌方编队对第j个我方目标的最可能作战意图。
根据最大收益指标计算所述第i个敌方编队对第j个我方目标的综合威胁指标/>，其中，/>，完成对综合威胁指标矩阵中的各个矩阵元素的计算，构建综合威胁指标矩阵/>。
在综合威胁指标矩阵中，综合威胁指标矩阵的第i行表示第i个敌方编队分别对各我方目标在最可能作战意图下的综合威胁指标，因此每一行中的最大综合威胁指标，即该行对应敌方编队的最可能打击目标。
S3：根据对最可能打击目标的预测生成主干分支态势；
具体的，参照图2，在完成对各敌方编队的最可能打击目标的预测，并确定各敌方编队对最可能打击目标的最可能作战意图后，生成主干分支态势，并采用表格的形式对生成的主干分支态势进行规范化表征，为后续进行旁路分支态势的预测提供数据基础。可以理解的是，主干分支态势可以包含有多条，每一条主干分支态势即对应一敌方编队的最可能打击目标与对最可能打击目标的最可能作战意图。
S4：预测在主干分支态势中，敌方编队可能遭遇的突发事件；
具体的，在生成的主干分支态势中，可以知道敌方编队的最可能打击目标与对最可能打击目标的最可能作战意图，基于这些信息，可以简单对敌方编队抵近我方目标的过程中可能遭遇的突发事件进行预测。对敌方编队在主干分支态势中可能遭遇的突发事件的预测是根据情报信息与作战经验进行的，情报信息具体来说可以包括敌我双方的兵力部署、作战能力、机动能力、武器威力范围、当前我方行动计划、敌方编队的作战行动等等。
可以理解的是，在敌方编队的最可能作战目标被估计出来的情况下，敌方在抵近最可能作战目标的过程相对来说比较确定，因此对敌方编队抵近最可能作战目标的过程中遭遇的突发事件的预测也将相对而言更加准确。在本申请一种可行的实施例中，敌方编队在抵近最可能作战目标的过程中遭遇的突发事件包括进入雷达探测范围、进入地导火力范围、遭遇火力打击、遭遇拦截以及油量不足共五种。
S5：通过贝叶斯网络推测在主干分支态势中，当敌方编队遭遇突发事件时的可能战术动作；
具体的，在推测敌方编队在主干分支态势中遭遇突发事件时的可能战术动作前，首先完成贝叶斯网络的构建。
构建贝叶斯网络需要先确定贝叶斯网络的网络节点，在本申请提供的一种实施例中，贝叶斯网络包括事件节点与战术动作节点共两类战术节点，事件节点用于描述敌方编队在主干分支态势中可能遭遇的突发事件，具体来说包括进入雷达探测范围、进入地导火力范围、遭遇火力打击、遭遇拦截以及油量预警供五种突发事件，战术动作节点指敌方编队能够做出的战术动作。确定贝叶斯网络的网络节点后，基于网络节点之间的相互关系确定贝叶斯网络的网络结构，贝叶斯网络的网络结构如图3所示。然后基于预置的节点联合概率分布表，为贝叶斯网络中的网络节点指派局部概率分布，具体来说，在离散形式的节点中，需要为每一个变量的父节点集的各个状态指派一个分布，概率分配包括两部分内容，对没有父节点的顶层事件指定先验概率，对有父节点的事件指定条件概率，需要说明的是，进行概率分配需要具有一定的专家知识，通常是由军事专家根据经验和数据库知识进行指定。完成对贝叶斯网络的网络节点、网络结构以及局部概率分布的设定后，完成贝叶斯网络的构建。
完成贝叶斯网络的构建后，根据对敌方编队可能遭遇的突发事件的预测结果，对事件节点进行赋值，生成证据变量。证据变量的生成需要参照预置的旁路分支事件表进行，对于在主干分支态势中预测的具体突发事件，旁路分支事件表规定了各突发事件的取值，旁路分支事件表如下表3所示：
对于事件节点E={E1，E2，E3，E4，E5}，时间节点根据旁路分支事件表确定具体取值S，其中油量预警的取值范围为，表示油量警告的等级，等级越高敌方编队越有可能因为油量不足而返航；其余事件节点状态取值范围为/>，0表示未发生，1表示发生。根据对敌方编队可能遭遇的突发事件的预测结果，对事件节点进行赋值，生成确定的证据变量。
将证据变量输入至构建的贝叶斯网络中，贝叶斯网络将基于证据变量与设定的网络结构，完成对战术动作节点的后验概率分布的计算。在本申请一种可行的实施例中，具体可采用枚举精确推理算法进行计算，该算法将联合概率分布作为输入，查找证据变量对应的条件概率，然后通过观测证据变量计算条件概率的乘积来得到战术动作节点后验概率，枚举精确推理算法具体如下：
；
其中，表示战术动作i的先验概率，/>表示突发事件j处于第/>个状态，/>表示敌方编队采取第i种战术动作时，突发事件j处于第k个状态的条件概率。
S6：根据对可能战术动作的推测生干分支态势的旁路分支态势；
具体的，参照图4，在完成对敌方编队在主干分支势中的可能战术动作的推测后，生成该主干分支态势的旁路分支态势，并采用表格的形式对生成的旁路分支态势进行规范化表征。旁路分支态势具体包括当敌方编队遭遇特定事件时，其可能做出的可能战术动作、可能战术动作的发生概率以及根据可能战术动作的发生概率分析出的敌方编队可能意图。
通过主干分支态势与主干分支态势中的旁路分支态势的预估，科学的实现对敌方编队的多种战场行动的预测，包括敌方编队打击目标预测、敌方编队对打击目标的作战意图预测、敌方编队遭遇特定事件预测、敌方编队遭遇特定事件后的战术动作预测以及敌方编队战术动作的可能意图预测，完成对战场态势的整体预测，从而为我方作战提供科学的决策依据。
参照图5，本申请还提供了一种主干分支态势与旁路分支态势生成系统，该系统具体包括以下模块：
战场信息获取模块501，用于获取战场信息；
打击目标预测模块502，用于根据战场信息预测各敌方编队的最可能打击目标；
主干分支态势生成模块503，用于根据对最可能打击目标的预测生成主干分支态势；
突发事件预测模块504，用于预测主干分支态势中，敌方编队可能遭遇的突发事件；
战术动作预测模块505，用于通过贝叶斯网络推测在主干分支态势中，当敌方编队遭遇突发事件时的可能战术动作；
旁路分支态势生成模块506，用于根据对可能战术动作的推测生成主干分支态势的旁路分支态势。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请还公开一种电子设备600。参照图6，图6是本申请实施例的公开的一种电子设备600的结构示意图。该电子设备600可以包括：至少一个处理器601，至少一个网络接口604，用户接口603，存储器605，至少一个通信总线602。
其中，通信总线602用于实现这些组件之间的连接通信。
其中，用户接口603可以包括显示屏（Display）、摄像头（Camera），可选用户接口603还可以包括标准的有线接口、无线接口。
其中，网络接口604可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器601可以包括一个或者多个处理核心。处理器601利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器605内的指令、程序、代码集或指令集，以及调用存储在存储器605内的数据，执行服务器的各种功能和处理数据。可选的，处理器601可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（ProgrammableLogicArray，PLA）中的至少一种硬件形式来实现。处理器601可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器601中，单独通过一块芯片进行实现。
其中，存储器605可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-OnlyMemory）。可选的，该存储器605包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器605可用于存储指令、程序、代码、代码集或指令集。存储器605可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器605可选的还可以是至少一个位于远离前述处理器601的存储装置。参照图6，作为一种计算机存储介质的存储器605中可以包括操作系统、网络通信模块、用户接口模块以及一种主干分支态势与旁路分支态势生成方法的应用程序。
在图6所示的电子设备600中，用户接口603主要用于为用户提供输入的接口，获取用户输入的数据；而处理器601可以用于调用存储器605中存储一种主干分支态势与旁路分支态势生成方法的应用程序，当由一个或多个处理器601执行时，使得电子设备600执行如上述实施例中一个或多个所述的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器605中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器605中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器605包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (9)
1.一种主干分支态势与旁路分支态势生成方法，其特征在于，所述方法包括以下步骤：
获取战场信息，所述战场信息包括敌方编队信息与我方目标信息，所述敌方编队信息至少包括敌方编队位置信息、敌方编队速度信息以及敌方编队预估航程信息，所述我方目标信息包括我方目标位置信息与我方目标类型信息；
根据所述战场信息预测各敌方编队的最可能打击目标；
根据对所述最可能打击目标的预测生成主干分支态势，所述主干分支态势用于描述敌方编队抵近我方目标的过程；
预测所述主干分支态势中，敌方编队可能遭遇的突发事件，所述突发事件包括进入雷达探测范围、进入地导火力范围、遭遇火力打击、遭遇拦截以及油量不足；
根据对敌方编队可能遭遇的突发事件的预测结果，对所述突发事件的事件节点进行赋值，生成证据变量，所述证据变量用于描述各所述突发事件发生与否；将所述证据变量输入贝叶斯网络中，通过所述贝叶斯网络推测战术动作节点的后验概率分布，完成对可能战术动作的推测；根据对所述可能战术动作的推测，生成所述主干分支态势的旁路分支态势，所述旁路分支态势用于描述在敌方编队抵近我方目标时遭遇的突发事件，以及敌方编队应对突发事件的战术动作。
2.根据权利要求1所述的主干分支态势与旁路分支态势生成方法，其特征在于，根据所述战场信息预测各敌方编队的最可能打击目标，具体包括：
根据所述战场信息构建综合威胁指标矩阵R＝(rij)m*n，所述综合威胁指标矩阵中的矩阵元素rij表示第i个敌方编队对第j个我方目标的综合威胁指标；
将所述综合威胁指标矩阵每一行中的最大综合威胁指标对应的我方目标作为所述最可能打击目标。
3.根据权利要求2所述的主干分支态势与旁路分支态势生成方法，其特征在于，在根据所述战场信息构建综合威胁指标矩阵R＝(rij)m*n中，具体包括：
根据预置的角度威胁指标计算公式分别计算第i个敌方编队对第j个我方目标的角度威胁指标aij；
根据预置的距离威胁指标计算公式分别计算第i个敌方编队对第j个我方目标的距离威胁指标dij；
根据第i个敌方编队对第j个我方目标的意图收益系数，分别计算第i个敌方编队在各意图下对第j个我方目标的收益指标p；
根据最大收益指标Pmax计算所述第i个敌方编队对第j个我方目标的综合威胁指标rij，其中，rij＝Pmax*aij*dij。
4.根据权利要求3所述的主干分支态势与旁路分支态势生成方法，其特征在于，所述角度威胁指标计算公式具体为：
aij＝qij/180；
其中，qij表示第i个敌方编队对第j个我方目标的进入角；
其中，lij表示第i个敌方编队与第j个我方目标之间的连线构成的矢量，vi表示第i个敌方编队的速度矢量。
5.根据权利要求3所述的主干分支态势与旁路分支态势生成方法，其特征在于，所述距离威胁指标计算公式具体为:
其中，Ci表示第i个敌方编队的预估航程，Sij表示第i个敌方编队与第j个我方目标之间的距离。
6.根据权利要求1所述的主干分支态势与旁路分支态势生成方法，其特征在于，将所述证据变量输入贝叶斯网络中之前，还包括贝叶斯网络的构建过程，所述构建过程具体包括：
确定所述贝叶斯网络的网络节点，所述网络节点包括事件节点与战术动作节点；
根据所述网络节点之间的相互关系确定所述贝叶斯网络的网络结构；
根据预置的节点联合概率分布表，为所述网络节点指派局部概率分布；
完成所述贝叶斯网络的构建。
7.一种主干分支态势与旁路分支态势生成系统，其特征在于，所述系统包括：
战场信息获取模块(501)，用于获取战场信息，所述战场信息包括敌方编队信息与我方目标信息，所述敌方编队信息至少包括敌方编队位置信息、敌方编队速度信息以及敌方编队预估航程信息，所述我方目标信息包括我方目标位置信息与我方目标类型信息；
打击目标预测模块(502)，用于根据所述战场信息预测各敌方编队的最可能打击目标；
主干分支态势生成模块(503)，用于根据对所述最可能打击目标的预测生成主干分支态势，所述主干分支态势用于描述敌方编队抵近我方目标的过程；
突发事件预测模块(504)，用于预测所述主干分支态势中，敌方编队可能遭遇的突发事件，所述突发事件包括进入雷达探测范围、进入地导火力范围、遭遇火力打击、遭遇拦截以及油量不足；
战术动作预测模块(505)，用于根据对敌方编队可能遭遇的突发事件的预测结果，对所述突发事件的事件节点进行赋值，生成证据变量，所述证据变量用于描述各所述突发事件发生与否；将所述证据变量输入贝叶斯网络中，通过所述贝叶斯网络推测战术动作节点的后验概率分布，完成对可能战术动作的推测；
旁路分支态势生成模块(506)，用于根据对所述可能战术动作的推测，生成所述主干分支态势的旁路分支态势，所述旁路分支态势用于描述在敌方编队抵近我方目标时遭遇的突发事件，以及敌方编队应对突发事件的战术动作。
8.一种电子设备，其特征在于，包括处理器(601)、存储器(605)、用户接口(603)及网络接口(604)，所述存储器(605)用于存储指令，所述用户接口(603)和网络接口(604)用于给其他设备通信，所述处理器(601)用于执行所述存储器(605)中存储的指令，以使所述电子设备(600)执行如权利要求1-6任意一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-6任意一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310767294.XA CN116680542B (zh) | 2023-06-27 | 2023-06-27 | 一种主干分支态势与旁路分支态势生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310767294.XA CN116680542B (zh) | 2023-06-27 | 2023-06-27 | 一种主干分支态势与旁路分支态势生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116680542A CN116680542A (zh) | 2023-09-01 |
| CN116680542B true CN116680542B (zh) | 2024-01-09 |
Family
ID=87779077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310767294.XA Active CN116680542B (zh) | 2023-06-27 | 2023-06-27 | 一种主干分支态势与旁路分支态势生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116680542B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011009011A1 (en) * | 2009-07-15 | 2011-01-20 | Massachusetts Institute Of Technology | An integrated framework for vehicle operator assistance based on a trajectory prediction and threat assessment |
| KR20150100125A (ko) * | 2014-02-24 | 2015-09-02 | 한화테크윈 주식회사 | 무인 방어 시스템 |
| CN108460425A (zh) * | 2018-03-27 | 2018-08-28 | 中国航空无线电电子研究所 | 基于特定网络结构的空地态势评估方法 |
| CN110175773A (zh) * | 2019-05-24 | 2019-08-27 | 南京邮电大学 | 基于贝叶斯网络的侦查无人机作战效能评估方法 |
| CN112749806A (zh) * | 2020-12-31 | 2021-05-04 | 厦门渊亭信息科技有限公司 | 一种战场态势评估方法、终端设备及存储介质 |
| KR20210154517A (ko) * | 2020-06-12 | 2021-12-21 | 엘아이지넥스원 주식회사 | 우선 타격 표적 선별 시스템 및 방법 |
| CN114240169A (zh) * | 2021-12-17 | 2022-03-25 | 中国航空研究院 | 一种基于杀伤链的智能战术决策方法 |
| CN114239728A (zh) * | 2021-12-17 | 2022-03-25 | 中国航空研究院 | 一种多域战场态势评估与威胁排序方法 |
| CN115909027A (zh) * | 2022-11-14 | 2023-04-04 | 中国人民解放军32370部队 | 一种态势估计方法及装置 |
| CN116050515A (zh) * | 2022-12-30 | 2023-05-02 | 中国电子科技集团公司信息科学研究院 | 一种基于XGBoost的平行推演多分支态势预测方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080109470A1 (en) * | 2003-09-11 | 2008-05-08 | Mcgee Steven James | Method to enable the heartbeat beacon for homeland security and homeland defense interoperability |
| WO2010048146A1 (en) * | 2008-10-20 | 2010-04-29 | Carnegie Mellon University | System, method and device for predicting navigational decision-making behavior |
| US8774467B2 (en) * | 2010-08-05 | 2014-07-08 | Michael C. Ryan | Predictive flight path and non-destructive marking system and method |
| US8566027B2 (en) * | 2012-03-14 | 2013-10-22 | Lockheed Martin Corporation | Route re-planning using enemy force lethality projection |
| CN111221352B (zh) * | 2020-03-03 | 2021-01-29 | 中国科学院自动化研究所 | 基于多无人机协同博弈对抗的控制系统 |
| US11580864B2 (en) * | 2020-08-20 | 2023-02-14 | Gulfstream Aerospace Corporation | Take-off performance prediction and alerting system |
-
2023
- 2023-06-27 CN CN202310767294.XA patent/CN116680542B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011009011A1 (en) * | 2009-07-15 | 2011-01-20 | Massachusetts Institute Of Technology | An integrated framework for vehicle operator assistance based on a trajectory prediction and threat assessment |
| KR20150100125A (ko) * | 2014-02-24 | 2015-09-02 | 한화테크윈 주식회사 | 무인 방어 시스템 |
| CN108460425A (zh) * | 2018-03-27 | 2018-08-28 | 中国航空无线电电子研究所 | 基于特定网络结构的空地态势评估方法 |
| CN110175773A (zh) * | 2019-05-24 | 2019-08-27 | 南京邮电大学 | 基于贝叶斯网络的侦查无人机作战效能评估方法 |
| KR20210154517A (ko) * | 2020-06-12 | 2021-12-21 | 엘아이지넥스원 주식회사 | 우선 타격 표적 선별 시스템 및 방법 |
| CN112749806A (zh) * | 2020-12-31 | 2021-05-04 | 厦门渊亭信息科技有限公司 | 一种战场态势评估方法、终端设备及存储介质 |
| CN114240169A (zh) * | 2021-12-17 | 2022-03-25 | 中国航空研究院 | 一种基于杀伤链的智能战术决策方法 |
| CN114239728A (zh) * | 2021-12-17 | 2022-03-25 | 中国航空研究院 | 一种多域战场态势评估与威胁排序方法 |
| CN115909027A (zh) * | 2022-11-14 | 2023-04-04 | 中国人民解放军32370部队 | 一种态势估计方法及装置 |
| CN116050515A (zh) * | 2022-12-30 | 2023-05-02 | 中国电子科技集团公司信息科学研究院 | 一种基于XGBoost的平行推演多分支态势预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116680542A (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109960148B (zh) | 一种智能无人系统的自主性评估方法及系统 | |
| EP2844950A2 (en) | Systems and methods for vehicle survivability planning | |
| CN116661503B (zh) | 一种基于多智能体安全强化学习的集群航迹自动规划方法 | |
| Sun et al. | Route evaluation for unmanned aerial vehicle based on type-2 fuzzy sets | |
| CN112904290A (zh) | 一种雷达智能认知抗干扰策略的生成方法 | |
| CN112749761A (zh) | 基于注意力机制和循环神经网络的敌方作战意图识别方法及系统 | |
| CN113673565B (zh) | 多传感器gm-phd自适应序贯融合多目标跟踪方法 | |
| CN105144207A (zh) | 用于优化资源分配计划的方法及设备 | |
| CN115310345A (zh) | 基于人工势场的智能算法评估方法及装置 | |
| CN116680542B (zh) | 一种主干分支态势与旁路分支态势生成方法及系统 | |
| Yang et al. | WISDOM-II: A network centric model for warfare | |
| CN115310257B (zh) | 基于人工势场的态势估计方法及装置 | |
| KR101914234B1 (ko) | 대지 표적의 위협도 평가 방법 및 그 장치 | |
| JP2002257933A (ja) | 気象レーダデータ処理装置 | |
| CN111265871A (zh) | 虚拟对象的控制方法及装置、设备、存储介质 | |
| CN104977581A (zh) | 一种多运动目标态势感知方法、装置及系统 | |
| Johansson et al. | Implementation and integration of a Bayesian Network for prediction of tactical intention into a ground target simulator | |
| Chen et al. | Infrared small target detection and tracking algorithm based on new closed-loop control particle filter | |
| Xia et al. | Normal wiggly probabilistic hesitant fuzzy set and its application in battlefield threat assessment | |
| Naseem et al. | Real-time decision support system for resource optimization & management of threat evaluation and weapon assignment engineering in air defence | |
| KR102297427B1 (ko) | 레이다 피탐 확률 평가 방법 및 그 장치 | |
| Truong et al. | Q-Learning Based Multiple Agent Reinforcement Learning Model for Air Target Threat Assessment | |
| Poropudas et al. | Influence diagrams in analysis of discrete event simulation data | |
| RU209909U1 (ru) | Устройство для оценки эффективности боевых действий соединения противовоздушной обороны с учётом параметров системы управления | |
| Sabordo et al. | Enhanced performance for the interacting multiple model estimator with integrated multiple filters |
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 |