[发明专利]基于云模型推理的目标威胁排序方法

说明书

技术领域

本发明属于信息融合技术领域，特别是一种目标排序方法，用于对目标威胁程度进行排序和评估。

背景技术

随着信息技术的不断发展，现代战争更加强调信息的高度共享、实时获取、处理、传输和融合能力。信息融合技术的发展，使得如何根据复杂多变的战场态势迅速准确地进行合理的指挥决策，成为当今世界各国军队普遍关注的热点和难点。

现代战争特别是防空作战变得越来越复杂，主要表现为来袭目标的多样化，高速化，远程化、机动化以及精确制导等。这就需要作战平台系统能够准确、有效、及时地反映战场态势变化，并对空中目标威胁程度进行科学的评估与排序，从而为指挥员进行战斗火力分配提供依据。

战场态势与威胁评估属于决策级信息融合，其输出结果将给目标优化分配、武器装备配置、兵力部署、作战行动等军事指挥决策提供依据，从而实现信息优势到决策优势进而到全维优势的转化，提高军事决策效能和作战效果。威胁评估重在推理敌方的意图和目的，量化判断敌方对我方的威胁程度，它涉及到众多因素，包括目标类型、速度、距离等，这些因素既有定性又有定量，并且威胁等级与各个因素之间又存在着复杂的非线性关系，很难用精确的数学模型来描述。目前采用的方法主要有贝叶斯推理、模糊推理、多属性决策理论，D-S证据理论等。这些方法都对态势评估的解决作出了贡献，但是它们存在着共同的弱点，即只考虑事物的模糊性，而忽视了它的随机性。如空军工程大学的周林运用多属性决策理论来进行目标威胁评估，对目标的各个属性采用G.A.Miller的9级量化理论进行量化来建立模型，参见周林，基于MADM威胁评估排序模型[J]，系统工程与电子技术，第23卷第1期，2001，18-19。该方法只能体现不同级别目标的威胁差异，而对于同一级别的目标得到的威胁评估是相同的。海军大连舰艇学院的高军亮运用模糊多目标决策理论来进行目标威胁评估，参见高军亮，基于模糊MODM的空袭目标威胁评估，指挥控制与仿真，第28卷第3期，2006，44-46。该方法通过建立影响目标威胁程度因素的数学模型来进行评估，其中的隶属函数能很好地反应出模糊性，而对于随机性则没有体现。

由于威胁评估本身就是一个不确定的推理过程，它的不确定性包括模糊性和随机性。只有结合两者，才能得出符合实际的推理。以上方法都只考虑了模糊性方面，而没能体现随机性，因此会造成目标威胁排序的不准确性。同时，实时性也是应用中需要考虑的一个重要方面，而以上方法都没有涉及运行时间，从而无法体现运行时间的快慢，不能对每个时刻获取的目标信息进行处理以实现目标的威胁排序。

发明内容

本发明的目的在于克服传统目标威胁评估方法只考虑事物的模糊性，而忽略了随机性的不足，提出了一种基于云模型推理的目标威胁排序方法，以实现对每个时刻获取的目标信息进行合理的威胁排序。

本发明的技术方案是：基于李德毅教授提出的云模型理论，建立不确定性推理器，进行目标的威胁度估计和排序。具体实现过程包括如下：

(1)选择影响目标威胁排序的因素，确定云推理器的输入输出变量；选择目标类型L、目标速度V、目标航向角度Q、目标的高度H、目标干扰能力R和相对距离D六个因素作为输入变量，将目标威胁程度B作为输出变量，并设置输入输出变量的云模型参数和相应的等级以及目标影响因素的权值；

(2)将某个已知目标的各个因素数据和威胁程度数据输入云推理器中，根据步骤(1)中设置的参数和等级，计算并提取激活目标因素和威胁程度的最大确定度对应的等级，作为这个目标的推理规则；学习多个已知目标数据生成相应的推理规则，存储这些目标数据和相应的规则，构建成推理规则库；

(3)将当前目标i的各个因素数据输入云推理器，并根据步骤(1)中设置的参数和等级计算激活目标各个因素所对应的等级和确定度，分别选取激活目标各个因素对应等级的最大确定度和次大确定度以及对应的等级，其中，i∈(1，2，3，...，M)，M表示进行目标威胁排序的目标总个数；

(4)根据选取激活目标各个因素对应等级的最大和次大确定度和步骤(1)中设置的目标因素权值，分别计算激活目标的综合最大确定度U₁和综合次大确定度U₂：