[发明专利]面向多智能体对抗场景的威胁态势评估方法、装置及设备

说明书

本申请涉及威胁态势评估技术领域，特别涉及一种面向多智能体对抗场景的威胁态势评估方法、装置及设备，方法包括：获取多智能体的智能体信息和环境信息并分解瞄准过程、躲避过程和破坏过程中的对抗行为；利用预先训练的威胁能量模型由分解的对抗行为得到在任一时刻下对抗场景中所有一方的参与对抗的智能体对于任一区域的威胁能量，并基于威胁能量评估威胁态势。由此，解决了相关技术中威胁态势评估的泛化性差、无法形成统一量化的评估方法且无法适应复杂环境导致难以对当前态势做出准确快速的判断等问题，通过对多智能体对抗行为的本质分析，从量化的多种因素着手，以高精度确立体融合感知结果作为输入，从而快速精准的获得威胁态势评估方法。

技术领域

本申请涉及威胁态势评估技术领域，特别涉及一种面向多智能体对抗场景的威胁态势评估方法、装置及设备。

背景技术

现代信息化条件下，对于环境中可探测范围日益扩展，信息来源愈益广泛，这使得获取的信息数量大，含义杂，变化快，已经大大超出了人脑的信息综合能力，极易造成指控人员的认知过载现象。因此，基于多源信息融合的多智能体对抗场景理解判断，已经成为对抗环境信息系统的核心技术之一。当前，在对抗场景下态势理解所面临的关键问题在于，没有成熟的模型对场景中的多源信息进行统一量化，导致难以对当前态势做出准确快速的判断。

在各种态势之中，威胁态势是最主要的类别之一，其描述的是对抗场景中多智能体对于特定区域的威慑力。威慑力来源于多种方面，例如使用各种途径进行打击、利用自身物理体积进行撞击等。在进行对抗时，智能体之间有可能会产生合作、博弈等行为交互，使得态势会变得相对复杂。

现有的对态势的建模主要分为以下几类：

(1)基于时间的风险评估量化方法：在城市交互场景中，经常使用诸如THW(TimeHeadway,车头时距)、TTC(Time to Collision，碰撞时间)、TTR(Time to Reaction，反应时间)等。该类态势评估方法的优势在于便于计算，模型简单，然而其无法应对复杂的多智能体对抗环境，仅仅能够描述两个智能体之间特定的某种行为(例如碰撞)，泛化性较差；

(2)基于多层分级的对抗场景信息模型：美国学者提出了在对抗场景一级数据(对环境中目标位置和身份等的估计)融合处理的基础上，建立的关于越野行动、事件、时间、位置、装备要素等组织形式的一张多重视图，它将所观测到的越野力量分布与活动和周围环境、对方意图以及机动性等有机地联系起来，识别已发生的事件和计划，得到对对方组织结构、部署、行动方向与路线的估计结果，指出对方的行为模式，推断对方的意图，做出对当前越野情景的合理解释，即对抗场景态势理解，并对临近时刻的态势变化做出预测，即对抗场景态势预测，最终形成越野综合态势图。该类威胁态势评估方法考虑的因素较多，然而无法形成统一量化的评估方法，只能给出一种相对主观的评价，同时依赖评估人员经验，权威性较低；

(3)包含部分量化环节的态势建模方法：不少学者都对打击方式、感知能力等智能体属性进行了量化建模，因此在整体的态势评估中某些环节具备量化输出，例如路遥等研究了基于时间序列加权与模糊理论的无人机态势评估方法，根据各个时间段态势信息数据在无人机环境态势评估中重要程度的不同，对时间序列进行加权，通过模糊综合评判得出态势分析结果。该类方法虽然能够体现一定的量化特性，然而依旧无法摆脱整体主观性评价的框架，同时不同模块的量化方法不统一，无法给出归一、有效的整体态势结论。

(4)基于机器学习的态势评估方法：近年来，随着机器学习方法的发展，许多学者也将此应用到了装备效能评定领域中。部分学者利用支持向量机(SVM)及其拓展方法进行装备系统效能评定。这些方法虽然能够实现各评价维度权重的自确定，但仍需采用传统的专家经验等方法才能确定真值，因此实用性不大。

综上，有必要开发一种能够综合体现智能体之间各种交互行为，能够有效体现智能体各种威慑能力的量化威胁态势评估方法。

申请内容