基于FDBN的空中目标威胁评估方法
- 格式：pdf
- 大小：1.33 MB
- 文档页数：5
文档推荐
-
战场态势估计和威胁评估 PPT页数:18
-
基于空中目标态势和作战能力的威胁评估算法页数:4
-
战场态势估计和威胁评估页数:17
-
战场态势估计和威胁评估课件页数:18
下载文档原格式
合集下载
陆战场低空多域场景下的集群目标威胁动态评估
陆战场低空多域场景下的集群目标威胁动态评估在现代战争中，低空多域场景下的集群目标威胁已成为一种不可忽视的战术现象。
这些集群目标如同一群狡猾的狐狸，在战场上穿梭、潜伏，给敌方带来极大的困扰和威胁。
因此，对这种威胁进行动态评估，对于提高战场态势感知能力和制定有效应对策略具有重要意义。
首先，我们需要明确什么是低空多域场景下的集群目标。
简单来说，它们是由多个小型、快速移动的目标组成的群体，通常在低空领域活动，如无人机群、巡航导弹群等。
这些目标具有高度机动性、隐蔽性和协同性，能够在复杂地形中迅速变换位置，给敌方造成巨大压力。
其次，我们要认识到这种集群目标威胁的严重性。
它们如同一把把锋利的匕首，随时可能刺入敌方的心脏。
一旦被其突破防线，后果不堪设想。
因此，对这种威胁进行动态评估，就是要及时掌握其动向、预测其意图，以便采取有效措施加以防范。
那么，如何进行动态评估呢？这需要我们运用先进的侦察手段和技术手段，对集群目标进行全面、实时的监测。
通过雷达、红外、光电等多种传感器的综合运用，我们可以获取目标的位置、速度、航向等信息，从而描绘出其在战场上的运动轨迹。
同时，我们还可以通过分析目标之间的通信信号、数据链等信息，揭示其内部的协同关系和作战意图。
在评估过程中，我们还需要关注一些关键因素。
例如，目标的数量、类型、性能等都会影响其威胁程度。
此外，地形、气象等环境因素也会对目标的活动产生重要影响。
因此，在进行动态评估时，我们要充分考虑这些因素的作用，以提高评估的准确性和可靠性。
最后，我们还要强调一点，那就是动态评估是一个持续的过程。
随着战场态势的变化和目标活动的不断演变，我们需要不断更新评估结果，以便及时调整应对策略。
这就像一场激烈的棋局，每一步都需要谨慎思考、精心布局。
总之，陆战场低空多域场景下的集群目标威胁动态评估是一项复杂而艰巨的任务。
但只要我们充分发挥科技手段的优势，不断提高侦察能力和分析水平，就一定能够有效应对这种威胁，为保卫国家安全和利益做出积极贡献。
空中来袭目标威胁判断的可变模糊评价法
空中来袭目标威胁判断的可变模糊评价法
王书齐;陈守煜;郭传福
【期刊名称】《火力与指挥控制》
【年(卷),期】2011(036)006
【摘要】目标威胁判断是根据来袭目标相关因素，判断对被打击目标的相对威胁
程度。
不同的威胁判断方法和准则会产生不同的判断结果。
传统的威胁判断方法多局限于“点”的形式，表达意义不全面。
利用可变模糊及理论中的可变模糊评价方法，针对水面舰艇空中来袭目标威胁问题，提出目标威胁判断的可变模糊评价方法，并以示例说明此方法的有效性。
【总页数】4页(P24-26,34)
【作者】王书齐;陈守煜;郭传福
【作者单位】大连理工大学，辽宁大连,116024;海军大连舰艇学院，辽宁大
连,116018;大连理工大学，辽宁大连,116024;海军大连舰艇学院，辽宁大
连,116018
【正文语种】中文
【中图分类】E927.17；O159
【相关文献】
1.基于熵与TOPSIS法的空中目标威胁判断 [J], 王光源;马海洋;庞文强
2.大型水面舰艇编队空中来袭目标威胁值评估 [J], 武从猛;王公宝
3.基于层次-效用法的空中目标威胁度判断模型 [J], 周鹏文;蒋里强
4.空中对来袭目标威胁评估仿真研究 [J], 韩城;杨海燕;涂从良
5.基于EWM-BN的空中来袭目标威胁评估 [J], 许鹏程;舒健生;武健;张辉;高继伟因版权原因，仅展示原文概要，查看原文内容请购买。
基于区间支持向量回归的空战目标威胁评估
基于区间支持向量回归的空战目标威胁评估
郭辉;吕英军;王平;任博;朱丽
【期刊名称】《火力与指挥控制》
【年(卷),期】2014(000)008
【摘要】针对空战目标威胁评估问题，提出了一种新的基于区间支持向量回归的评估方法。
首先对空战目标威胁评估方法中常用的距离威胁模型进行了分析，在此基础上对距离威胁模型进行了改进。
然后构建了基于区间数方法的威胁评估指标权重的确定方法。
最后建立了基于区间支持向量回归的空战目标威胁评估模型，并进行了仿真实验。
仿真结果表明，提出的方法具有较高的预测精度，能够准确、快速地完成多个空战目标的威胁评估。
【总页数】5页(P17-21)
【作者】郭辉;吕英军;王平;任博;朱丽
【作者单位】空军航空大学，长春 130022;空军航空大学，长春 130022;空军航空大学，长春 130022;空军航空大学，长春 130022;空军航空大学，长春 130022【正文语种】中文
【中图分类】V271
【相关文献】
1.基于区间数理论的空战目标威胁评估 [J], 郭辉;任博;吕英军;罗艳春;崔连柱
2.基于Rough集和回归型SVM的超视距空战威胁评估 [J], 张文忠;孙永芹;杨洪立;张国贤
3.基于区间数雷达图的可视化空战威胁评估 [J], 张才坤;朱战霞;冯琦;张堃
4.基于区间数TOPSIS法的空战目标威胁评估 [J], 郭辉;徐浩军;刘凌
5.基于区间交叉熵的时序动态空战威胁评估 [J], 张才坤;徐忠富;孙丹辉;
因版权原因，仅展示原文概要，查看原文内容请购买。
基于不确定性信息的空战威胁评估方法
２０１６年 ４月 第 ３４卷第 ２期
西 北 工 业 大 学 学 报
Ｊｏｕｒｎ ａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ
Ａｐｒ． ２０１６ Ｖｏ１．３４ Ｎｏ．２
基 于不 确 定 性 信 息 的 空 战威 胁 评 估 方 法
王昱 ，章卫 国 ，傅 莉 ，黄得 刚 ，何墉
后 的变 量集 合 为 Ｄ Ｄ。边 际化操 作可 表示 为
ｍ 叫 （Ａ）：∑ｍ。（ ）
（３）
文献 ［５］给 出 了定 义 于 ＶＢＳ（Ｖａｌｕａｔｉｏｎ—ｂａｓｅｄ ｓｙｓｔｅｍ）图 模 型 框 架 下 的 ＥＮ，表 示 为 五 元 组 形 式 ｛ ， ， ，０， ｝，其中 表示模型所有变量 的集 合 ， 为所有变量的识别框架集合 ，Ｍ 为变量 间评 价函数 （也即信度关系）的集合 ，０ 为合成算子、Ｊ， 为消元算子 。
≠Ｄ ），需要将待合成方的 ＢＢＡｓ分别扩展到变量合 集 Ｄ。ｕ Ｄ：，再应用（１）式进行信度合成运算 。即
ｍ ｌｔ（。１ 。２’（ｃ）＝
（Ａ） ｃ＝Ａ ×ＯＤ２，Ａ ＯＯｌ 【０
ｅｌｓｅ
（２）
３）边际化运算（１） 通过将 ＢＢＡｓ分 配到缩小的变量集合 中，消除
某些不需要的变量 。假设 原变量集合为 Ｄ，边 际化
然而 ，纷繁复杂的空战态势信息具有极大 的不 确定性 ，这种不确定性广泛存在于证 据信息 的检测 环节 、专家先验知识 以及 由此制定 的推理规则等各 个方面。因此 ，有针对性地研究不确定性信息 的有 效 处理 方法 对现 代空 战具 有重 要 意义 。
证据理论集集合论与概率论于一体 ，适合处理 不精确 、不完全信息 的融合问题… ，已被广泛应 用 于 处理 不确 定 性态 势 信 息 融 合 。 而 以证 据 理 论 为核心 的证据网络简化了单纯用 Ｄｅｍｐｓｔｅｒ合 成规 则进行信息间融合的计算复杂度 ，十分适合对时 效性要求很高的空战威胁评估。
西 北 工 业 大 学 学 报
Ｊｏｕｒｎ ａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ
Ａｐｒ． ２０１６ Ｖｏ１．３４ Ｎｏ．２
基 于不 确 定 性 信 息 的 空 战威 胁 评 估 方 法
王昱 ，章卫 国 ，傅 莉 ，黄得 刚 ，何墉
后 的变 量集 合 为 Ｄ Ｄ。边 际化操 作可 表示 为
ｍ 叫 （Ａ）：∑ｍ。（ ）
（３）
文献 ［５］给 出 了定 义 于 ＶＢＳ（Ｖａｌｕａｔｉｏｎ—ｂａｓｅｄ ｓｙｓｔｅｍ）图 模 型 框 架 下 的 ＥＮ，表 示 为 五 元 组 形 式 ｛ ， ， ，０， ｝，其中 表示模型所有变量 的集 合 ， 为所有变量的识别框架集合 ，Ｍ 为变量 间评 价函数 （也即信度关系）的集合 ，０ 为合成算子、Ｊ， 为消元算子 。
≠Ｄ ），需要将待合成方的 ＢＢＡｓ分别扩展到变量合 集 Ｄ。ｕ Ｄ：，再应用（１）式进行信度合成运算 。即
ｍ ｌｔ（。１ 。２’（ｃ）＝
（Ａ） ｃ＝Ａ ×ＯＤ２，Ａ ＯＯｌ 【０
ｅｌｓｅ
（２）
３）边际化运算（１） 通过将 ＢＢＡｓ分 配到缩小的变量集合 中，消除
某些不需要的变量 。假设 原变量集合为 Ｄ，边 际化
然而 ，纷繁复杂的空战态势信息具有极大 的不 确定性 ，这种不确定性广泛存在于证 据信息 的检测 环节 、专家先验知识 以及 由此制定 的推理规则等各 个方面。因此 ，有针对性地研究不确定性信息 的有 效 处理 方法 对现 代空 战具 有重 要 意义 。
证据理论集集合论与概率论于一体 ，适合处理 不精确 、不完全信息 的融合问题… ，已被广泛应 用 于 处理 不确 定 性态 势 信 息 融 合 。 而 以证 据 理 论 为核心 的证据网络简化了单纯用 Ｄｅｍｐｓｔｅｒ合 成规 则进行信息间融合的计算复杂度 ，十分适合对时 效性要求很高的空战威胁评估。
防空作战中异常空情威胁等级评估
Threat Level Assessment of Anomaly Air Situation in Air-Defense
L I U Q i n g ，C U I H a o -lin，M A O H o u - c h e n ( A T C and Navigation Collage，Air Force Engineering University，Xi’an 710051，China) Abstract：Based on traditional model of threat assessment model，with consideration of various elements’impacts from both sides of friend and foe，this paper puts for^-ard a ne w method in order to assess the threat level of ever^^day anomaly air situa tion.This method uses the dynamic Bayesian network to analyze the attack intention of the target and its combat ability in or
力的信息获取、拦截打击等因素进行评估得到我方异常空情应急处置能力水平，作为异常空情的成本，最后以和差 的形式给出异常空情威胁等级。仿真结果表明该方法科学有效，计算结果符合处置实际。
关键词：异常空情；威胁等级；动态贝叶斯网络；模糊神经网络
中图分类号:T P 391.9;E 917
文献标志码：A
D O I :10.3969/j.iwn.1673-3819.2017.04.015
基于贝叶斯网络的空中目标威胁估计算法
基于贝叶斯网络的空中目标威胁估计算法
翟贵敏;董龙明;邱瑞波;马连淼
【期刊名称】《火力与指挥控制》
【年(卷),期】2016(041)011
【摘要】联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策.贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题.提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性.
【总页数】5页(P90-93,97)
【作者】翟贵敏;董龙明;邱瑞波;马连淼
【作者单位】南京市莫愁中等专业学校,南京 210017;陆军驻南京地区军事代表室,南京 210000;陆军驻南京地区军事代表室,南京 210000;陆军驻南京地区军事代表室,南京 210000
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于模糊贝叶斯网络的空中目标多传感器融合识别研究 [J], 刘海燕;陈红林;史志富;梁华强
2.基于贝叶斯网络算法的空中目标可信度计算 [J], 王新富;王瑞然;卢蛟
3.基于贝叶斯网络的空中目标威胁估计方法 [J], 朱波;方立恭;金钊
4.基于贝叶斯网络的空中目标意图识别方法 [J], 朱波;方立恭;张小东
5.基于参数学习贝叶斯网络的对敌空中目标融合识别 [J], 狄方旭;王小平;李瑾;刘哲
因版权原因，仅展示原文概要，查看原文内容请购买。
海上防御作战中的空中目标威胁评估技术
海上防御作战中的空中目标威胁评估技术
贺文红
【期刊名称】《舰船电子工程》
【年(卷),期】2015(000)006
【摘要】针对海上防御作战中的空中目标威胁评估问题，本文分析了威胁评估任
务特性及评判准则、威胁评估要素提取与选择，探讨了层次分析法、多属性决策法、基于贝叶斯网络法等目标威胁评估方法，为有效打击多个威胁目标提供切实可靠的决策依据。
【总页数】4页(P26-29)
【作者】贺文红
【作者单位】北京西三环中路 19号北京 100841
【正文语种】中文
【中图分类】E917
【相关文献】
1.空中目标威胁评估技术 [J], 张肃
2.舰艇编队协同作战的空中目标威胁评估研究 [J], 王玮;史红权;王磊;李涛
3.基于不确定多属性决策的空中目标威胁评估技术 [J], 徐长江;王乐群
4.近程防御系统中多空中目标威胁度分析 [J], 张原;段冀新;马伟娟;杨百战
5.一种基于区间数的空中目标威胁评估技术 [J], 冯卉;邢清华;宋乃华
因版权原因，仅展示原文概要，查看原文内容请购买。
基于协同战术识别的双机编队威胁评估方法
犃犫狊狋狉犪犮狋：Ａｄｏｐｔｉｎｇｃｏｏｐｅｒａｔｉｖｅｔａｃｔｉｃｓｏｆｄｕａｌａｉｒｃｒａｆｔｆｏｒｍａｔｉｏｎｔｏａｔｔａｃｋｔａｒｇｅｔｓｉｓｏｎｅｏｆｔｈｅｍａｉｎｆｏｒｍｓ ｏｆｍｕｌｔｉａｉｒｃｒａｆｔｃｏｏｐｅｒａｔｉｖｅａｉｒｃｏｍｂａｔ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔｏｆｂｅｙｏｎｄｖｉｓｕａｌｒａｎｇｅａｉｒ ｃｏｍｂａｔｉｎｗｈｉｃｈｔｈｅｂｌｕｅｓｉｄｅｉｓｄｕａｌａｉｒｃｒａｆｔｆｏｒｍａｔｉｏｎ，ａｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｂａｓｅｄｏｎｃｏｏｐｅｒａｔｉｖｅｔａｃｔｉ ｃａｌｒｅｃｏｇｎｉｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｃｏｏｐｅｒａｔｉｖｅｔａｃｔｉｃｓｏｆｄｕａｌａｉｒｃｒａｆｔｆｏｒｍａｔｉｏｎ， ｓｐａｃｅｏｃｃｕｐａｎｃｙａｎｄｍａｎｅｕｖｅｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｆｏｒｍａｔｉｏｎｏｆｄｕａｌａｉｒｃｒａｆｔ，ｔｈｅｄｙｎａｍｉｃＢａｙｅｓｉａｎｎｅｔｗｏｒｋ （ＢＮ） ｉｓｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｃｏｏｐｅｒａｔｉｖｅｔａｃｔｉｃａｌｒｅｃｏｇｎｉｔｉｏｎｍｏｄｅｌｏｆｔａｒｇｅｔｄｕａｌａｉｒｃｒａｆｔｆｏｒｍａｔｉｏｎ．Ｔｈｅｎ，ａｃｃｏｒｄｉｎｇ ｔｏｔｈｅｔａｒｇｅｔｆｌｉｇｈｔｓｔａｔｅｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｔａｒｇｅｔｍａｎｅｕｖｅｒｉｎｇａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎｒｅｓｕｌｔｓ，ｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅ ｔａｒｇｅｔｔｒａｊｅｃｔｏｒｙｉｓｃａｒｒｉｅｄｏｕｔ．Ｆｉｎａｌｌｙ，ｔｈｅｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔｍｏｄｅｌｉｓｂｕｉｌｔｂｙｔｈｒｅａｔｆａｃｔｏｒｓｓｕｃｈａｓｓｐａｃｅｏｃ ｃｕｐａｎｃｙ，ｄｅｔｅｃｔｉｏｎ，ａｔｔａｃｋ，ｃｏｏｐｅｒａｔｉｖｅｔａｃｔｉｃｓａｎｄｃｏｎｓｉｄｅｒｉｎｇｔｈｅｉｍｐａｃｔｏｆｔａｒｇｅｔｔｒａｊｅｃｔｏｒｙｃｈａｎｇｅｓｏｎｔｈｅ ｂａｔｔｌｅｆｉｅｌｄｓｉｔｕａｔｉｏｎｅｖｏｌｕｔｉｏｎ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄｃａｎｒｅｃｏｇｎｉｚｅｔｈｅｃｏｏｐｅｒａｔｉｖｅ ｔａｃｔｉｃｓｏｆｄｕａｌａｉｒｃｒａｆｔｆｏｒｍａｔｉｏｎａｃｃｕｒａｔｅｌｙａｎｄｒｅａｌｉｚｅｒｅａｓｏｎａｂｌｅｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔ．
基于DDBN-Cloud的舰艇编队防空目标威胁评估方法
基于DDBN-Cloud的舰艇编队防空目标威胁评估方法孙海文;谢晓方;孙涛;张龙杰【期刊名称】《系统工程与电子技术》【年(卷),期】2018(040)011【摘要】海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络-云模型(discrete dynamic Bayesian networkscloud,DDBN-Cloud)的威胁评估方法.通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络-云模型(Bayesian networks cloud,BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值.【总页数】10页(P2466-2475)【作者】孙海文;谢晓方;孙涛;张龙杰【作者单位】海军航空大学岸防兵学院,山东烟台264001;海军航空大学岸防兵学院,山东烟台264001;海军航空大学岸防兵学院,山东烟台264001;海军航空大学岸防兵学院,山东烟台264001【正文语种】中文【中图分类】E273;TJ761;TP274;E919【相关文献】1.基于动态直觉模糊群决策的舰艇编队防空威胁评估 [J], 申兴盼;丁勇;李世豪2.水面舰艇编队防空目标威胁评估 [J], 孙春生;齐新战;鲁军3.舰艇编队网络化防空作战空袭目标威胁评估 [J], 代进进;李相民4.小样本数据缺失状态下DBN舰艇编队防空目标威胁评估方法 [J], 孙海文;谢晓方;孙涛;张龙杰5.联合防空任务下舰艇编队威胁评估方法 [J], 李一夫;宋贵宝;贾汝娜;张文鹏因版权原因，仅展示原文概要，查看原文内容请购买。
基于分层防御的空中目标威胁值评定模型
基于分层防御的空中目标威胁值评定模型
张松涛;王公宝;赵虎
【期刊名称】《现代防御技术》
【年(卷),期】2010(038)001
【摘要】按照分层防御的原则,结合水面舰艇编队防空火力的主要性能和空中目标的部分属性,首先建立了空中目标的威胁分级模型,再在同一威胁等级中运用模糊理论根据目标的属性进行进一步评定,从而建立了基于分层防御的空中目标的威胁值评定模型.本模型可为水面舰艇编队防空作战决策提供一定的参考.
【总页数】5页(P13-17)
【作者】张松涛;王公宝;赵虎
【作者单位】海军蚌埠士官学校,安徽,蚌埠,233012;海军工程大学,理学院,湖北,武汉,430033;海军蚌埠士官学校,安徽,蚌埠,233012
【正文语种】中文
【中图分类】O159;E83
【相关文献】
1.舰艇编队对特殊空中目标威胁值的评定方法 [J], 刘治国
2.基于分层防御的舰艇编队空中目标威胁度排序模型 [J], 张松涛;王公宝
3.基于组合赋权TOPSIS法的舰艇编队空中目标威胁评估模型 [J], 杨璐;刘付显;张涛;朱丰
4.特种空中目标威胁值的评定 [J], 徐品高
5.空中目标威胁值的评定 [J], 徐品高
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期：2017-10-21修回日期：2018-01-28基金项目：国家自然科学基金资助项目（61472441）作者简介：杨海燕（1972-），女，陕西西安人，副教授，硕士研究生导师。
研究方向：贝叶斯网络与态势评估。
*摘要：为了更好地处理各类探测数据中的模糊性和不确定性，通过模糊化方法将威胁评估动态贝叶斯网络局部进行模糊化处理，处理后的动态威胁值进行解模糊的方法转化为概率域的知识，这样不仅简化了网络结构，同时结合模糊理论的知识表达能力和DBN 的强推理能力。
最后将相应观测证据输入到简化后的DBN 网络中，相应仿真研究表明，该方法能有效地对空中目标威胁度进行实时评估。
关键词：模糊推理机，动态贝叶斯，空中目标，威胁评估中图分类号：TP319.9文献标识码：ADOI ：10.3969/j.issn.1002-0640.2019.01.006引用格式：杨海燕，韩城，张帅文.基于FDBN 的空中目标威胁评估方法［J ］.火力与指挥控制，2019，44（1）：29-33.基于FDBN 的空中目标威胁评估方法*杨海燕，韩城，张帅文（空军工程大学空管领航学院，西安710051）Research of Aerial Target Threat AssessmentBased on Fuzzy Dynamic Bayesian NetworkYANG Hai-yan ，HAN Cheng ，ZHANG Shuai-wen（School of Air Traffic Control and Navigation ，Air Force Engineering University ，Xi ’an 710051，China ）Abstract ：In order to deal with the fuzziness and uncertainty of different exploratory data ，threatassessment dynamic Bayesian network is under part fuzzy processing by fuzzy methods.The dealt dynamic threat value is translated into the knowledge in probability domain through defuzzification ，which not only simplifies the network ，also combines it with knowledge expression ability of fuzzy theory and strong reasoning ability of DBN.Finally ，the corresponding observational evidence is input into the simplified DBN.Simulation results show that this method can effectively assess the air target threat in real time.Key words ：fuzzy inference controller ，dynamic bayesian network ，arial target ，threat assessment Citation format ：YANG H Y ，HAN C ，ZHANG S W.Research of aerial target threat assessment based on fuzzy dynamic bayesian network ［J ］.Fire Control &Command Control ，2019，44（1）：29-33.0引言对空中目标进行威胁评估，是指挥控制的重要环节之一。
同时为后续的目标分配和火力分配提供参考依据。
因此，综合各传感器信息，对空中目标的威胁度进行快速、准确地评估对于指挥决策人员具有重要意义。
目前用于威胁评估的方法主要有基于贝叶斯网络的方法、基于模糊理论的方法、基于多属性决策的方法、基于神经网络的方法等。
文献［1］提出了一种能处理软证据的后向遍历算法，使得所构建的动态贝叶斯网络能够更好地区分观测证据，但对于错误数据的滤波能力不强。
文献［2］利用高斯模糊隶属度函数对速度、距离等数据进行模糊分类，评估得到的10个时间片的威胁等级较符合动态变化的战场。
文献［3］提出一种结合概率域和模糊域的文章编号：1002-0640（2019）01-0029-05Vol.44，No.1Jan ，2019火力与指挥控制Fire Control &Command Control 第44卷第1期2019年1月29··（总第44-）火力与指挥控制2019年第1期方法进行评估，该方法一定程度上克服了静态贝叶斯对于实时动态数据处理的不足，但评估模型的实时性表达不够。
本文针对动态贝叶斯网络在证据知识表达上的不足，提出基于模糊动态贝叶斯的方法（FDBN ），引入模糊理论对局部的网络进行模糊化处理，将模糊推理机的动态威胁度的输出值进行概率域的转换，作为所构建的FDBN 的动态威胁度节点的输入。
充分结合模糊理论的软证据知识表达优势和DBN 网络对软硬证据实时推理优势。
仿真结果表明，该方法能有效地对空中目标的威胁度进行综合评估。
1空中目标威胁评估指标体系传统的文献对于威胁评估指标的选取尚未达成一致的意见。
本文主要选取目标类型、目标速度、目标航向角、目标干扰能力、目标高度、目标距离、目标作战能力、目标意图8个指标作为空中目标的威胁评估指标。
这些指标中既有定性指标，又有定量指标。
其中目标类型、目标干扰能力、目标作战能力、目标意图为定性指标，目标速度、航向角、高度、距离为定量指标。
指标体系如图1所示。
图1威胁评估指标体系2相关原理简介2.1动态贝叶斯网络动态贝叶斯网络是在贝叶斯网络的基础上，结合马尔科夫理论在时序上加以扩展，用以表示复杂随机过程的有向图模型。
一个动态贝叶斯网模型可表示为一个二元组，其中，B 0为以X （0）为节点的初始贝叶斯网络，如图2（a ）所示。
为转移网络，如图2（b ）所示。
在任意时刻t ，的联合概率分布为：给定任意时间长度，可以通过叠加B 0和，形成一个完整的动态贝叶斯网，如图2（c ）所示。
图2动态贝叶斯网络2.2模糊集合理论模糊集合理论是利用严格的数学方法来处理模糊现象，以达到消除模糊现象的一种理论。
论域U 到［0，1］区间的任意映射μF 的一个模糊子集F ；μF 称为F 的隶属度函数或者隶属度。
在论域U 中，可以把模糊子集表示为元素u 与其隶属函数μF 的序偶集合，记为若U 为连续的，则模糊集F 可记为若U 为离散的，则模糊集F 可记为一个完整的模糊推理机主要由输入、输出和模糊推理规则构成，模糊推理规则形式如下：其中，x 为输入语言变量，A 为推理前件的模糊集合，y 为输出语言变量，B 为推理后件的模糊集合。
对于多输入多输出的情况，中间用and 或or 进行连接。
Zadeh 认为可能性理论可以看作是模糊集理论的扩展，模糊集上的隶属函数决定着可能性理论中的可能性分配仔；Geer 和Klir 认为在可能性概率转换过程中，应当保持信息的不确定性不变。
根据此理论，有下列两式：3基于FDBN 的威胁评估模型构建3.1确定节点变量及其状态确定节点变量是建立威胁评估DBN 模型的第30··0030（总第44-）一步，依据上述的评估指标体系，共取11个节点变量，其中速度、高度等8个节点变量为可观测节点变量，其他节点变量为隐含节点变量。
如表1所示。
表1节点变量及其状态取值3.2建立威胁评估的FDBN模型3.2.1模型的构建由于可观测节点变量既有连续型，又有离散型。
可以将相应的观测证据分为硬证据与软证据，利用模糊理论对于软证据的知识表示优势，将相应DBN的局部网络进行模糊化处理。
构建相应的模糊推理机，这样既结合了模糊表达优势，又一定程度上解决了DBN中条件概率表随节点数增加呈指数增长的问题。
具体的模型构建如图3所示。
图3威胁评估的FDBN模型3.2.2参数学习构建相应的FDBN评估模型后，需要对网络节点进行参数学习才能进行威胁度的推理。
参数学习主要有两种方法：通过大量样本数据或者相关专家领域知识确定。
本文主要通过专家知识进行参数学习，确定各节点的条件概率以及威胁度节点的状态转移矩阵。
由于篇幅有限，在这里仅列出意图节点的条件概率表及状态转移概率表。
表2意图节点条件概率表3状态转移概率表3.2.3推理方法多树传播推理算法是由Pearl于1986年提出的一种贝叶斯网络推理算法。
它适用于网络中两个节点之间有且仅有一条路径的单连通图。
其主要思想是为网络中的每一个节点分配一个处理机，每个处理机利用相邻节点传递来的消息和其自身存储的条件概率表进行计算，求得相关信度并传递给其余相邻节点。
循环往复直至证据的影响遍历所有节点。
假设从节点X i开始推理，节点的诊断支持向量如下式所示，其中表示节点X i的第k个子节点所传递的信息。
利用下式计算节点X i的因果支持向量其中，U j表示节点X i的第j个父节点；表示节点X i的条件概率矩阵；表示父节点U j 传递给X i的消息，其值可由下式求出m表示X i的兄弟节点的个数；琢为归一化因子。
信息的更新：X i自身的更新节点X i向上的更新：节点X i向下的更新：节点变量状态取值隐含节点威胁度高(H)中(M)低(L)动态威胁度高(H)中(M)低(L)静态威胁度高(H)中(M)低(L)可观测节点速度快(F)中(M)慢(S)高度高(H)中(M)低(L)航向角小(S)中(M)大(B)距离远(F)中(M)近(N)意图攻击(A)侦查(I)巡逻(P)类型大型目标(B)小型目标(S)直升机(C)干扰能力强(S)中(M)弱(W)作战能力强(S)中(M)弱(W)低攻击0.45侦查0.25巡逻0.3高0.80.10.1中0.60.30.1威胁度低（t）高（t-1）0.1中（t-1）0.2低（t-1）0.7高（t）0.80.10.1中（t）0.10.60.3杨海燕，等：基于FDBN的空中目标威胁评估方法31··0031（总第44-）火力与指挥控制2019年第1期4仿真验证4.1仿真实验本文主要运用Matlab 模糊工具箱和Genie 软件进行仿真。
模糊推理机的类型选用mamdani ，输入与输出的隶属度函数均选用高斯型隶属度函数。
所构建的模糊推理机如图5所示。