CN116975773A - 一种基于多属性决策的空中目标威胁估计方法 - Google Patents
一种基于多属性决策的空中目标威胁估计方法 Download PDFInfo
- Publication number
- CN116975773A CN116975773A CN202310702071.5A CN202310702071A CN116975773A CN 116975773 A CN116975773 A CN 116975773A CN 202310702071 A CN202310702071 A CN 202310702071A CN 116975773 A CN116975773 A CN 116975773A
- Authority
- CN
- China
- Prior art keywords
- threat
- target
- attribute
- combat
- estimation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000005755 formation reaction Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 4
- 230000007812 deficiency Effects 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 description 2
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多属性决策的空中目标威胁估计方法,实现步骤为:初始化多个威胁估计属性参数;计算每个目标的作战能力;确定每个目标的作战意图;构建威胁度决策矩阵;计算威胁估计属性的客观组合权重;计算威胁估计属性的主观权重;获取空战目标威胁估计结果。本发明通过每个目标包括电子对抗能力指数的多个指数计算每个目标的作战能力,并通过每个目标的多个威胁估计属性参数确定每个目标的作战意图,避免了现有技术未考虑目标作战意图属性导致的信息缺失等缺陷,有效提高了评估的准确性。
Description
技术领域
本发明属于涉及威胁估计技术领域,涉及一种目标威胁估计方法,具体涉及一种基于多属性决策的空中目标威胁估计方法,可用于目标威胁估计。
背景技术
目标威胁估计是对战场信息进行处理和利用的重要方式之一。
目前,常用的目标威胁估计方法是采用多属性决策理论。多属性决策理论,是指从战场目标的多个属性中选择影响威胁结果的关键因素,并建立每个因素的威胁隶属度函数。然后,计算获得威胁因素的权重,结合多个目标构成的威胁决策矩阵,得到多个目标的威胁值。
例如申请公布号为CN114187492A,名称为“空战目标威胁评估方法及装置”的专利申请,公开了一种空战目标威胁评估方法,实现步骤为:获取表征空战目标威胁属性的状态参数,包括电子干扰能力、距离、运动与否、航向角、速度以及高度;根据所述状态参数并通过威胁预估模型,进行威胁属性的威胁等级隶属度计算;根据所述计算结果并通过信度函数,计算威胁属性在不同威胁等级下的可信度;根据所述计算结果并通过可信度修正模型,进行威胁属性的威胁等级可信度修正;根据所述修正结果并通过Dempster合成模型,进行空战目标威胁等级可信度的计算;选取所述计算结果中的最大值;输出所述最大值对应的空战目标威胁等级。该发明能够修正表征空战目标威胁属性的状态参数中存在冲突的数据,并实现空战目标威胁属性的动态化评估,从而提升了空战目标威胁评估的准确性,但因为其未考虑目标的作战意图属性,导致评估的准确性仍然较低。
发明内容
本发明的目的是针对上述现有技术的不足,提出了一种基于多属性决策的空中目标威胁估计方法,用于解决现有技术中存在的估计准确性较低的技术问题。
为实现上述目的,本发明采取的技术方案包括如下步骤:
(1)初始化每个对方飞机目标的多个威胁估计属性参数:
初始化M个对方飞机目标中每个目标的威胁估计属性包括K个参数,包括每架飞机的飞行速度、飞行高度、飞行航向角、作战能力、作战意图以及对方飞机与己方飞机的距离,M≥2;
(2)计算每个目标的作战能力:
通过第m个目标的隐形性能指数航电系统指数/>续航能力指数/>电子对抗能力指数/>火力配置参数P1 m、探测能力参数P2 m和机动能力参数P3 m,计算每个目标的作战能力/>
(3)确定每个目标的作战意图:
根据第m个目标的飞行高度hm、飞行速度vm、飞行航向角θm、对方飞机与己方飞机的距离dm,确定每个目标的作战意图
(4)构建威胁度决策矩阵:
计算每个目标威胁估计属性中飞行高度的威胁指数Ih、飞行速度威胁指数Iv、飞行航向角威胁指数Iθ和目标与己方飞机距离的威胁指数Id,以及作战能力的威胁指数Iattack、作战意图/>的威胁指数Iintention,并构建以目标个数为行,以所计算的每个目标的K威胁估计属性的威胁指数组成的威胁度决策向量f长度为列的威胁度决策矩阵为F;
(5)利用威胁度决策矩阵F计算威胁估计属性的客观组合权重:
计算每个威胁估计属性的权重并通过/>和/>计算第k个威胁估计属性的客观组合权重/>则所有威胁估计属性的客观组合权重组成的客观组合权重向量为Wec;
(6)利用层次分析法计算威胁估计属性的主观权重:
(6a)利用1-9的比例标定方法评定当前每个威胁估计属性的重要等级;
(6b)通过当前所有威胁估计属性的重要等级构建第j个属性与第i个属性重要等级比较结果为qij且维度为K×K的比较矩阵Q,并通过比较矩阵Q的最大特征值λmax以及属性个数K计算随机一致性比例CR;
(6c)判断CR与预先设置的一致性比率阈值之间是否满足CR≤α,若是,将λmax对应的特征向量作为主观权重Wahp,并执行步骤(7),否则,调整当前每个威胁估计属性的重要等级,并执行步骤(6b);
(7)获取空中目标威胁估计结果:
对客观组合权重Wec与主观权重Wahp进行融合,并通过融合得到的综合权重W和威胁度决策矩阵F,计算每个目标的威胁值tm,然后利用tm通过威胁等级判定规则确定每个目标的威胁等级。
本发明与现有的技术,具有以下优点:
本发明通过每个目标包括电子对抗能力指数的多个指数计算每个目标的作战能力,并通过每个目标的多个威胁估计属性参数确定每个目标的作战意图,避免了现有技术仅考虑目标的电子干扰能力、距离、运动与否、航向角、速度以及高度,而未考虑目标作战意图属性导致的信息缺失等缺陷,有效提高了估计的准确性。
附图说明
图1为本发明的实现流程图。
具体实施方式
下面结合附图和具体实施例,对本发明作进一步详细描述,需要说明的是,本发明不需要保密。
参照图1,本发明包括如下步骤:
步骤1)初始化每个对方飞机目标的多个威胁估计属性参数:
初始化M个对方飞机目标中每个目标的威胁估计属性包括K个参数,包括每架飞机的飞行速度、飞行高度、飞行航向角、作战能力、作战意图以及对方飞机与己方飞机的距离,在本实施例中,M=8,K=6。表1和表2分别给出了敌方空中8个目标的空间态势信息以及性能参数信息;
表1敌方空中目标的空间态势信息
表1中的“X-距离”代表我方飞机与敌方目标在X轴方向上的投影距离,而“Y-距离”则表示敌方目标在Y轴方向上的投影距离。
表2敌方空中目标的性能参数信息
将每个敌方目标的火力配置、探测能力、机动能力、隐形性能、航电系统、续航能力和电子对抗能力的参数信息汇总在表2。
步骤2)计算每个目标的作战能力:
通过第m个目标的隐形性能指数航电系统指数/>续航能力指数/>电子对抗能力指数/>火力配置参数P1 m、探测能力参数P2 m和机动能力参数P3 m,计算每个目标的作战能力/>的公式为:
其中,ln(·)表示以自然对数e为底的对数函数;
表3给出了敌方空中目标的作战能力指数。
表3敌方空中目标的作战能力指数
步骤3)确定每个目标的作战意图:
根据第m个目标的飞行高度hm、飞行速度vm、飞行航向角θm、对方飞机与己方飞机的距离dm,确定每个目标的作战意图其实现步骤为:
步骤3a)获取我方数据库中敌方的C=4种作战意图的样本数据,并通过每个样本数据包括的P=4个数据类型:距离、飞行航向角、飞行速度以及飞行高度,计算第c种作战意图的特征值向量(sc1,sc2,sc3,sc4),然后构建维度为C×P的特征值矩阵S,其中:
其中,Lc表示数据库中第c种作战意图的样本数据个数,dcl、θcl、vcl以及hcl分别表示数据库中具有第c个作战意图的第l个样本数据的距离、飞行航向角、飞行速度、飞行高度,c=1,2,…,C,l=1,2,…,Lc;
表4给出了我方数据库中的目标特征值及作战意图信息。
表4我方数据库中的目标特征值及作战意图
根据表4可以得到特征值矩阵S:
步骤3b)计算第m个目标与第c个作战意图之间的灰色关联系数r(ymp,scp),并通过r(ymp,scp)计算第m个目标和第c个作战意图之间的关联度r(ym,sc),然后根据r(ym,sc)中最大值对应的作战意图索引确定第m个目标的作战意图,其中:
Dcm(p)=|ymp-scp|
其中,Dcm(p)表示第c个作战意图与第m个目标之间关于第p个数据类型的关联值,ρ表示分辨系数,minmin(·)表示取最小值操作,maxmax(·)表示取最大值操作。
表5敌方空中目标的作战意图关联度信息
表5给出了敌方空中目标的作战意图关联度信息,可以确定目标M1的意图为巡航,8个敌方空中目标的作战意图确定结果可见表6。
表6敌方空中目标的作战意图确定结果
步骤4)构建威胁度决策矩阵:
飞行高度的威胁指数Ih、飞行速度威胁指数Iv、飞行航向角威胁指数Iθ和目标与己方飞机距离的威胁指数Id,计算公式分别为:
其中,p1、p2、p3、p4表示函数中的参数,分别赋值为1、0.2、0.015、1.5,μ1、σ1和μ2、σ2分别表示两个函数的均值、方差参数,分别赋值为50、0和100、25,exp(·)表示幂函数。
作战能力的威胁指数Iattack、作战意图/>的威胁指数Iintention,计算公式分别为:
其中,Υ1、Υ2、Υ3、Υ4分别表示意图为攻击、支援、侦察、巡航。
并构建以目标个数为行,以所计算的每个目标的K威胁估计属性的威胁指数组成的威胁度决策向量f为列的威胁度决策矩阵为F:
步骤5)利用威胁度决策矩阵F计算威胁估计属性的客观组合权重:
计算每个威胁估计属性的权重并通过/>和/>计算第k个威胁估计属性的客观组合权重/>则所有威胁估计属性的客观组合权重组成的客观组合权重向量为Wec;
步骤5a)权重以及组合客观权重/>其中/>分别利用CRITIC法、熵权法,计算公式分别为:
Ck=Sk×Rk
其中,Ck表示第k个属性的信息量,Sk表示第k个属性的对比强度,Rk表示第k个属性的冲突性,rmk表示由矩阵X计算得到的相关系数,矩阵X表示由xmk构成的矩阵,xmk表示对hmk做标准化处理得到的数据,fk表示矩阵F中的第k列数据,max(·)表示取最大值操作,min(·)表示取最小值操作;ek表示第k个威胁估计属性的信息熵,lmk表示对矩阵F第m列数据做归一化处理后的数据;
利用威胁决策矩阵F,由熵权法和CRITIC法计算得到的权值分别为:
We=[0.1845,0.0718,0.1650,0.2256,0.1574,0.1956]T
Wc=[0.1225,0.1657,0.1774,0.2326,0.1169,0.1849]T
步骤5b)通过和/>计算第k个威胁估计属性的客观组合权重/>
通过We和Wc利用上述公式,得出客观赋权法的组合权向量为:
Wec=[0.1526,0.1107,0.1736,0.2325,0.1377,0.1930]T
步骤6)利用层次分析法计算威胁估计属性的主观权重:
步骤6a)利用1-9的比例标定方法评定每个威胁估计属性的重要等级分别为1、2、7、4、6、3;
步骤6b)并利用重要等级评定结果构建K×K大小的比较矩阵Q,第i行第j列位置处的元素qij为属性j与属性i重要等级比较结果:
步骤6c)通过比较矩阵Q的最大特征值λmax以及属性个数K计算随机一致性比例CR:
其中,λmax表示判断矩阵Q的最大特征值,RI表示威胁估计属性数量为K时的平均随机一致性指标。
并判断CR=1.6×10-5与预先设置的一致性比率阈值α=0.1之间是否满足CR≤α,若是,将λmax对应的特征向量作为主观权重Wahp,并执行步骤(7),否则,调整当前每个威胁估计属性的重要等级,并执行步骤(6b);
步骤7)获取空中目标威胁估计结果:
对客观组合权重与主观权重/>进行融合:
并通过融合得到的综合权重wk∈W和威胁度决策矩阵F,计算每个目标的威胁值tm:
其中,表示威胁度决策矩阵中第m个目标的第k个威胁属性的威胁指数,wk表示第k个属性的综合权重;
然后利用tm通过威胁等级判定规则确定每个目标的威胁等级,判断预先设定的威胁等级阈值τ1=0.4、τ2=0.7和τ3=0.9与威胁值tm是否满足以下关系:
若0≤tm<τ1,则该目标具有低级威胁;若τ1≤tm<τ2,则该目标具有中级威胁;若τ2≤tm<τ3,则该目标具有高级威胁;若τ3≤tm≤1,则该目标具有最高威胁;其中0<τ1<τ2<τ3<1.0。
表7给出了敌方空中目标的威胁等级估计结果。
表7敌方空中目标的威胁等级估计结果
本发明通过每个目标包括电子对抗能力指数的多个指数计算每个目标的作战能力,并通过每个目标的多个威胁估计属性参数确定每个目标的作战意图,避免了现有技术未考虑目标作战意图属性导致的信息缺失等缺陷,有效提高了评估的准确性。
Claims (8)
1.一种基于多属性决策的空中目标威胁估计方法,其特征在于,包括如下步骤:
(1)初始化每个对方飞机目标的多个威胁估计属性参数:
初始化M个对方飞机目标中每个目标的威胁估计属性包括K个参数,包括每架飞机的飞行速度、飞行高度、飞行航向角、作战能力、作战意图以及对方飞机与己方飞机的距离,M≥2;
(2)计算每个目标的作战能力:
通过第m个目标的隐形性能指数航电系统指数/>续航能力指数/>电子对抗能力指数/>火力配置参数P1 m、探测能力参数/>和机动能力参数/>计算每个目标的作战能力/>
(3)确定每个目标的作战意图:
根据第m个目标的飞行高度hm、飞行速度vm、飞行航向角θm、对方飞机与己方飞机的距离dm,确定每个目标的作战意图
(4)构建威胁度决策矩阵:
计算每个目标威胁估计属性中飞行高度的威胁指数Ih、飞行速度威胁指数Iv、飞行航向角威胁指数Iθ和目标与己方飞机距离的威胁指数Id,以及作战能力的威胁指数Iattack、作战意图/>的威胁指数Iintention,并构建以目标个数为行,以所计算的每个目标的K威胁估计属性的威胁指数组成的威胁度决策向量f长度为列的威胁度决策矩阵为F;
(5)利用威胁度决策矩阵F计算威胁估计属性的客观组合权重:
计算每个威胁估计属性的权重并通过/>和/>计算第k个威胁估计属性的客观组合权重/>则所有威胁估计属性的客观组合权重组成的客观组合权重向量为Wec;
(6)利用层次分析法计算威胁估计属性的主观权重:
(6a)利用1-9的比例标定方法评定当前每个威胁估计属性的重要等级;
(6b)通过当前所有威胁估计属性的重要等级构建第j个属性与第i个属性重要等级比较结果为qij且维度为K×K的比较矩阵Q,并通过比较矩阵Q的最大特征值λmax以及属性个数K计算随机一致性比例CR;
(6c)判断CR与预先设置的一致性比率阈值之间是否满足CR≤α,若是,将λmax对应的特征向量作为主观权重Wahp,并执行步骤(7),否则,调整当前每个威胁估计属性的重要等级,并执行步骤(6b);
(7)获取空中目标威胁估计结果:
对客观组合权重Wec与主观权重Wahp进行融合,并通过融合得到的综合权重W和威胁度决策矩阵F,计算每个目标的威胁值tm,然后利用tm通过威胁等级判定规则确定每个目标的威胁等级。
2.根据权利要求1所述的估计方法,其特征在于,步骤(2)中所述的计算每个目标的作战能力计算公式为:
其中,ln(·)表示以自然对数e为底的对数函数。
3.根据权利要求1所述的估计方法,其特征在于,步骤(3)中所述的确定每个目标的作战意图实现步骤为:
(3a)获取我方数据库中敌方的C种作战意图的样本数据,并通过每个样本数据包括的P个数据类型:距离、飞行航向角、飞行速度以及飞行高度,计算第c种作战意图的特征值向量(sc1,sc2,sc3,sc4),然后构建维度为C×P的特征值矩阵S,其中:
其中,Lc表示数据库中第c种作战意图的样本数据个数,dcl、θcl、vcl以及hcl分别表示数据库中具有第c个作战意图的第l个样本数据的距离、飞行航向角、飞行速度、飞行高度,c=1,2,…,C,l=1,2,…,Lc;
(3b)计算第m个目标与第c个作战意图之间的灰色关联系数r(ymp,scp),并通过r(ymp,scp)计算第m个目标和第c个作战意图之间的关联度r(ym,sc),然后根据r(ym,sc)中最大值对应的作战意图索引确定第m个目标的作战意图,其中:
Dcm(p)=|ymp-scp|
其中,Dcm(p)表示第c个作战意图与第m个目标之间关于第p个数据类型的关联值,ρ表示分辨系数,min min(·)表示取最小值操作,max max(·)表示取最大值操作。
4.根据权利要求1所述的估计方法,其特征在于,步骤(4)中所述的飞行高度的威胁指数Ih、飞行速度威胁指数Iv、飞行航向角威胁指数Iθ和目标与己方飞机距离的威胁指数Id,计算公式分别为:
其中,p1、p2、p3、p4表示函数中的参数,μ1、σ1和μ2、σ2分别表示两个函数的均值、方差参数,exp(·)表示幂函数。
5.根据权利要求1所述的估计方法,其特征在于,步骤(4)中所述的作战能力的威胁指数Iattack、作战意图/>的威胁指数Iintention,计算公式分别为:
其中,I1、I2、I3和I4均表示常量,Υ1、Υ2、Υ3、Υ4分别表示意图为攻击、支援、侦察、巡航。
6.根据权利要求1所述的估计方法,其特征在于,步骤(5)中所述的权重以及组合客观权重/>其中/>分别利用CRITIC法、熵权法,计算公式分别为:
Ck=Sk×Rk
其中,Ck表示第k个属性的信息量,Sk表示第k个属性的对比强度,Rk表示第k个属性的冲突性,rmk表示由矩阵X计算得到的相关系数,矩阵X表示由xmk构成的矩阵,xmk表示对fmk做标准化处理得到的数据,fk表示矩阵F中的第k列数据,max(·)表示取最大值操作,min(·)表示取最小值操作;ek表示第k个威胁估计属性的信息熵,lmk表示对矩阵F第m列数据做归一化处理后的数据。
7.根据权利要求1所述的估计方法,其特征在于,步骤(6b)中所述的计算随机一致性比例CR,计算公式为:
其中,λmax表示判断矩阵Q的最大特征值,RI表示威胁估计属性数量为K时的平均随机一致性指标。
8.根据权利要求1所述的估计方法,其特征在于,步骤(7)中所述的利用tm通过威胁等级判定规则确定每个目标的威胁等级,实现步骤为:
(7a)计算每个目标的威胁值tm:
其中,表示威胁度决策矩阵中第m个目标的第k个威胁指数,wk表示第k个属性的综合权重;
(7b)判断预先设定的威胁等级阈值τ1、τ2和τ3与威胁值tm是否满足以下关系:
若0≤tm<τ1,则该目标具有低级威胁;若τ1≤tm<τ2,则该目标具有中级威胁;若τ2≤tm<τ3,则该目标具有高级威胁;若τ3≤tm≤1,则该目标具有最高威胁;其中0<τ1<τ2<τ3<1.0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702071.5A CN116975773A (zh) | 2023-06-14 | 2023-06-14 | 一种基于多属性决策的空中目标威胁估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702071.5A CN116975773A (zh) | 2023-06-14 | 2023-06-14 | 一种基于多属性决策的空中目标威胁估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116975773A true CN116975773A (zh) | 2023-10-31 |
Family
ID=88475722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310702071.5A Pending CN116975773A (zh) | 2023-06-14 | 2023-06-14 | 一种基于多属性决策的空中目标威胁估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116975773A (zh) |
-
2023
- 2023-06-14 CN CN202310702071.5A patent/CN116975773A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502031B (zh) | 基于任务需求的异构无人机集群协同最优配置方法 | |
CN110490422B (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
CN112149715B (zh) | 一种基于深度学习的无人机空战威胁评估方法 | |
CN113987789B (zh) | 无人机协同空战中的动态威胁评估方法 | |
CN112307613B (zh) | 基于自适应权重的无人机集群空-地对抗博弈仿真方法 | |
CN112861257B (zh) | 一种基于神经网络的飞机火控系统精度敏感性分析方法 | |
CN115759754A (zh) | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 | |
CN115544714B (zh) | 一种基于飞行器编队的时序动态对抗威胁评估方法 | |
CN114444203A (zh) | 基于战场态势变权的空中集群威胁评估方法 | |
US20060010443A1 (en) | Analytic hierarchy process based rules for sensor management | |
CN106679670B (zh) | 一种基于融合赋权的无人飞行器航迹规划决策方法 | |
CN115222271A (zh) | 基于神经网络的武器目标分配方法 | |
CN110018694B (zh) | 一种针对具有非连续观测特性目标的无人机协同搜索方法 | |
CN114444389A (zh) | 基于组合赋权和改进vikor的空袭目标动态威胁评估方法 | |
CN117933523A (zh) | 一种基于优化随机森林的对地攻击无人机自主作战效能评估方法 | |
CN112370790B (zh) | 游戏地图绘制方法、装置、电子设备和存储介质 | |
CN116975773A (zh) | 一种基于多属性决策的空中目标威胁估计方法 | |
CN113792984A (zh) | 基于云模型的防空反导指挥控制模型能力评估方法 | |
CN117611018A (zh) | 基于无人集群规模和指标动态调整的效能推演评估方法 | |
CN114118664A (zh) | 一种解决属性权重和时间权重复杂性的动态决策方法 | |
CN116975663A (zh) | 一种基于模糊神经网络的无人机集群对抗态势评估方法 | |
CN116739428A (zh) | 一种主客观赋权的变权topsis炮兵火力打击目标价值分析方法 | |
CN114565027B (zh) | 基于空中飞行目标雷达数据的威胁度评估方法 | |
CN114580884A (zh) | 多特性分层结构与自适应逼近的空天目标威胁评估方法 | |
CN115186378A (zh) | 一种空战模拟环境中的战术控制距离实时解算方法 |
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 |