第六讲多传感器信息.ppt

1、6情况评价技术，信息融合是多层次综合处理多传感器数据的过程。每个处理级别反映了远视数据不同级别的抽象。结果表现为在较低层次对目标状态和属性的估计，以及在较高层次对态势的评估和对威胁的估计。态势评估和威胁估计是信息融合的高级部分。在最常用的数据融合处理模型JDL中，情况评估定义为信息融合的第二级，威胁估计为信息融合的第三级。数据字典处理、第一处理目标评估、第二处理目标评估、第二处理态势估计、第三处理威胁估计、人机介面、数据源、第四阶段处理流程评估、支持数据库、统一数据库、数据库管理系统、图1-6 JDL模型结构、牙齿部分包括态势评估的概念、态势评估，情况评估的英语缩写为SASituation A

2、ssessment。6.1态势评估概述，6.1.1态势评估的概念，对兰伯特态势的抽象定义实质上是相关时间-空间事实的集合，这些事实由目标之间的相互关系组成。构成情况的基本要素如图6.1所示。如图6.1所示，情况的基本元素包括环境、实体、事件、组和操作。可以理解，图6.1态势组件，图6.1态势组件，态势由一定的时间和空间组成的环境中存在某种实体(事物)，当它们的性质或状态发生变化时，会发生一些事件。可以根据特定环境中存在的实体之间的特定关系分组的组(单个实体及其事件可以视为构成组)，这些组可以生成特定行为。图6.1态势组件，态势评估是对一定时间和空间环境要素含义的理解，以及预测他们未来状态变化的

3、过程。情况评价不仅在军事领域，而且广泛应用于机器人智能系统、天气预报、故障诊断、环境监测、医疗诊断、交通状况监测、商业决策支持、农作物疾病监测等领域。而且，情况评价根据应用领域和它支持的医生决定的抽象水平徐璐有不同的定义。(大卫亚设，北美国电视电视剧，成功)态势评估在军事领域的应用比较成熟，因此牙齿部分主要讨论军事领域的态势评估。军事正义是评价大田战斗力分配状况的过程。取得的敌人的病历部署，战场环境，地理，气象条件，活动和意图，指挥官的特点，甚至包括政治、经济因素在内的所有与战争有关的信息，都进行了综合分析和评价，最终形成了我方态势、蓝颜看赤的态势。情况评估需要考虑的因素见图11.2。情况评价

4、因素，对策因素，病历部署/使用/位置，环境因素，社会政治因素，敌人/我/朋友，地形，放射性污染，水文气象，政治，经济，欺诈，心理状态，训练水平，石辉元，6.1.2态势评估的功能模型，态势评估是这种动态变化的对象和态势要素的检测、识别、理解和预测过程。因此，一般将态势评估分为态势认识、态势理解和态势预测三阶段功能模型，如图6.3所示。，图6.3态势评估的功能模型，态势预测，态势理解，态势认识，态势分析知识库，态势分析过程，敌我作战计划预测，目标识别和状态估计，敌我作战意图预测，敌我因素病历构成，太岁事件是指目标在一定的太岁空间和时间发生的有意义的行动。(1)事件检测，事件检测是对这些动作的认识。

5、在情况评估中，目标的事件通常分为辐射源事件、目标机动事件和与目标组结构相关的事件。辐射源事件主要包括目标各种辐射源(如雷达、无线电、干扰器等)的开/关事件。在军事对抗中启动多种类型的辐射源通常意味着某种行动即将展开。辐射源关闭事件通常表示某种行动已经完成。辐射源事件可以根据一次融合的输入直接判断。目标机动事件包括目标恒定速度/加速度/减速、旋转和水平/上升/下降运动等。目标机动事件检测必须根据一次融合获得的目标状态信息，徐璐判断适合不同机动事件设置的发生条件。与目标群体结构相关的活动主要包括新的目标发现、目标失踪等，这需要一定程度的知识测试。目标分组的目的是揭示目标之间的相互关系，了解相互合作

6、关系，说明问题领域的各种行为。(2)目标分组，目标分组是根据目标的可用数据按空间、相互关系等属性逐步分组的过程。分组可以分为从低到高的目标对象、空间组、功能组和敌/我方/中立方组四个阶段，如图6.4所示。敌人/我/中立国、技能军、空间军、战场目标、图6.4目标分类图、战场目标是战场上的各个威胁单位。空间群组是在空间位置和行为上具有相似特性的目标集合。功能组是具有相同战略目标的多个相关空间组的集合，在一个功能组中，每个空间组可以徐璐具有不同的攻击或防御目标，但多个空间组共同协作，实现共同的战略目标。敌/我/中立军、职能军、空间军、战地目标、图6.4目标分类等级图、敌/我/中立军是将所有职能军分为

7、敌、我方、中立方构成战场的三大阵营。太岁理解是根据太岁探测产生的太岁特征，结合领域专家的军事知识，用于解释当前态势，判断敌人意图和作战计划的识别。在理解态势的过程中，军事领域知识起着决定性的作用。2了解态势，预测态势是根据了解态势的结果预测未来可能发生的态势。对于态势实体，可以利用位置预测、活动可能的范围、事件可能的进化、惯用战术，进行综合分析和判定，获得未来态势。三态势预测，态势预测包括对态势实体运动参数的预测，因此可以说是态势预测融合。同时，态势预测也是对战场未来态势的推论，因此在态势理解中，涉及态势抽象和分析的内容，处理方法中态势理解和态势预测类似。态势预测是一个不断进行的动态过程，对态

8、势的预测也是下一阶段态势理解中要做的事情，因此态势预测和态势理解也可以看作是统一的。总之，情况评估的所有级别根据问题的不同功能执行各种功能，所有级别一起完成情况评估，结果用作威胁估计和传感器管理的输入。一级态势感知直接连接到外部数据输入，数据源通过一级数据融合系统生成。每个级别可以徐璐输出不同抽象层的态势评估结果。态势评估是战场信息的高水平处理过程，主要基于认知知识和经验解决特定领域的问题。当前态势评估的主要实施方法包括预期模板、质量因素、专家系统、计划识别、贝叶斯网络、模糊推理、代理模型等。6.1.3态势评估的核心技术，态势评估是高水平的信息处理过程，对领域专业知识的依赖性很强。态势评估实际

9、上是一个基于知识的推理过程，主要涉及知识表示、知识发现、不确定性推理等核心技术。态势评估实际上是一个基于知识的推理过程，其性能在很大程度上取决于知识的数量和利用程度，可以利用的知识越多，智力就越高。大卫亚设，“美国电视电视剧”(Northern Exposure，Northern Exposure)，要利用领域专家的知识，就必须用适当的格式表达和存储所需的知识，用合理的知识表达出来，解决问题就会更容易、更有效。相反，这会导致解决问题的麻烦和效率低下。1知识表示技术，态势评估的专业知识多种多样，抽象水平也多种多样，适合不同类型、抽象水平的知识表示格式不同，因此，将多种知识表示格式结合起来是态势评

10、估系统知识表示的必然趋势。军事领域知识包括军事原则、敌人的军事行为等。在敌我不断对抗的过程中，敌人逐渐总结经验，调整战术和战略，因此军事领域知识具有可变性，态势评估必须具备知识发现能力，并根据大量现有案例获得新知识。2知识发现技术、态势评估过程是基于领域专业知识的推理过程，包括时间推理、空间推理、因果推理等。时间推理和空间推理主要是对事件发生的时间和地点、相应的时间模式和空间模式进行推理。因果推理主要是推理某一事件及其事件模式的过程。通过上述推理，可以得出何时何地可能发生什么事件的结果。3由于不确定性推理技术、战场环境中获得的战场信息、传感器性能和敌人的干扰、士气等原因，信息的不确定性很高。同

11、时，由于作战的复杂性，用于推理的军事知识也存在不确定性。因此，态势评估系统必须处理这种不确定性，实现有效的推理。6.2模板匹配方法，知识的表达决定了态势评估系统的推理机制。知识表达的选择不仅与知识的有效存储有关，而且直接影响系统的知识获取能力和知识的运用效率。在基于模板的态势评估方法中，态势知识存储为模板，态势推理在模式识别中采用模板匹配的思想。6.2.1模板表示，适用于军事态势评估的模板主要包括作战目的、作战计划、作战任务和事件的四个茄子层。作战计划是描述作战各编队如何合作实现目标的过程。作战任务描述了编队内部的各个平台如何共同完成编队子目标。活动说明了每个平台为实现编队子目标而采取的各种行

12、动。模板可以由插槽、约束关系和与其它模板的分层相互关系组成。主页用于填充作战参与者、事件、作战任务、作战计划、作战目的等。约束关系与每个插槽相关，限制在插槽中填充的数据的特性，如数据值的一般范围和允许范围。由于实施过程中军事计划(参与者的灵活移动性)的不确定性，通过模板中每个参与者的行动步骤引入子计划，可以提高模板的通用性。Example:图6.5是美军对敌人睡眠战斗群进行空中打击的作战计划的模板表示。以下两页的图为图6.5。、水面战斗群压制、监视/侦察、打击力、敌方水面战斗群发现、轰炸效果评估、攻击、恢复、再攻击、攻击、打击力、弹药装载、起飞、巡航EA每个模板的名称显示在模板顶部，水平表示时

13、间推位，垂直对应于参与者。事件显示为框，并按计划中最常用的时间顺序排列在每行中。事件之间有四种茄子关系。原因(Causes):指示上一个事件是下一个事件的原因。例如，以“发现敌人目标”为由开始“攻击”。启用：表示上一个事件是下一个事件发生的条件。例如：只有“装载弹药”才有“攻击”的能力。reed:表示事件必须按特定的时间顺序发生。伴随：表示事件同时发生。模板标记的作战计划只能反映作战过程中的典型情况，但实际作战过程中在战场上观察到的每个事件与模板并不完全一致。为了解决这种问题，将模板中的事件分为必然事件和可选事件。可选事件在与模板匹配时可能发生，也可能不发生。事件必须在匹配中。此外，事件之间发

14、生的事件间隔、执行任务的平台类型和数量也可能发生变化，设计典型作战计划模板时允许的最大、最小和常用最大和最小值可以适应实际的可变性。6.2.2模板匹配，基于模板的态势知识库构建后，可以使用模板匹配思想进行态势推理。基于模板匹配的态势推理算法过程如图6.6所示。基于图6.6模板匹配的态势推理算法过程，Nobel提供的模板匹配算法如下：(1)根据观察到的敌人行为，诊断综合系统知识库的军事态势模板，建立特定态势家庭模板结构。(2)计算观察到的敌人的行动与特定态势模板结构一致的程度，并测试牙齿模板结构能否充分解释观察到的敌人的行动。战场上发生的事件/动作是逐步发生和序列，因此模板匹配时已经发生的事件/

15、动作序列a和模板中事件序列a的匹配度可以除以三个茄子案例来计算。这意味着特定类型的事件在军事计划和战场环境中均发生。此时，将观察到的态势特征与模板结构的约束关系槽定义范围(常规和允许)进行比较。如果将一般值部分设置为，将允许值部分设置为，则匹配度也为、(6.1)。每次填充插槽时观察到的行为提高了对模板的支持度，设置了行为对模板军事计划的影响时，发生的N个行为对模板的支持度也为MB(Measure of Belief，MB)，表示特定类型的事件存在于军事计划中，但未发生在战场环境中。在牙齿情况下，主计算会对模板产生负面的Measure of Disbelief(MD2)。(3)计算模板的事件的总支持或否定度。当特定态势模板结构的操作序列不受支持程度达到阈值时，将删除假设模板结构。如果观察到的行为序列与特定态势模板结构完全匹配，则可以使用牙齿特定态势模板说明当前战场态势。6.3专家系统方法，专家系统使用人工智能和电脑技术，根据领域专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，解决人类专家需要处理的复杂问题。在基于专家