本發(fā)明屬于態(tài)勢估計技術(shù)領(lǐng)域，特別涉及一種基于動態(tài)貝葉斯網(wǎng)絡(luò)的意圖分析方法，可用于態(tài)勢估計、指揮控制系統(tǒng)。

背景技術(shù)：

當(dāng)今地區(qū)沖突呈現(xiàn)出對象多元化和環(huán)境復(fù)雜化的特點，面對觀測數(shù)據(jù)量急劇上升的情況，如果仍然依靠人工處理，則時效性和一致性均難以滿足實際需求。因此，需要利用計算機的存儲和計算優(yōu)勢來處理大量重復(fù)出現(xiàn)的有規(guī)律態(tài)勢，從而減輕指揮員的工作負擔(dān)，使其能夠更為快速有效地掌握實時動態(tài)。其中，意圖分析屬于一種較高層級的態(tài)勢估計技術(shù)，能夠在提取的態(tài)勢要素基礎(chǔ)之上，通過推理預(yù)測藍方的行動意圖，從而為紅方的應(yīng)對策略制定提供參考依據(jù)。

目前，典型的推理分析方法主要基于以下理論：d-s證據(jù)理論、貝葉斯網(wǎng)絡(luò)、因果網(wǎng)絡(luò)等。現(xiàn)有方法存在的缺陷主要有：a)部分方法只考慮各因素與關(guān)注事件之間的靜態(tài)關(guān)系，未能體現(xiàn)在時間上連續(xù)變化特性；b)針對單個目標(biāo)間的意圖分析，而實際中目標(biāo)通常是以編隊群目標(biāo)的形式執(zhí)行任務(wù)；c)傳統(tǒng)動態(tài)貝葉斯網(wǎng)絡(luò)精確推理所耗費的計算量隨時間迅速增長，難以滿足實際應(yīng)用需求。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對上述已有技術(shù)中的不足，采用動態(tài)貝葉斯網(wǎng)絡(luò)，綜合多種態(tài)勢要素實現(xiàn)對藍方群目標(biāo)行動意圖的動態(tài)評估，提出了一種基于動態(tài)貝葉斯網(wǎng)絡(luò)的意圖分析方法，有效提高意圖分析的可靠性和穩(wěn)定性。

實現(xiàn)本發(fā)明的技術(shù)關(guān)鍵是：在意圖分析過程中，首先綜合多種態(tài)勢要素構(gòu)建動態(tài)貝葉斯網(wǎng)絡(luò)，經(jīng)訓(xùn)練學(xué)習(xí)得到網(wǎng)絡(luò)參數(shù)，其次根據(jù)馬爾可夫性實現(xiàn)快速近似推理，進而通過融合估計得到藍方的行動意圖。

本發(fā)明采用的技術(shù)方案為：

基于動態(tài)貝葉斯網(wǎng)絡(luò)的意圖分析方法，包括以下步驟：

(1)初始設(shè)置為訓(xùn)練模式；

(2)數(shù)據(jù)匯集整理，具體包括以下步驟：

(2a)初始化性能參數(shù)，包括：藍方目標(biāo)速度上限；

(2b)讀入當(dāng)前時刻觀測數(shù)據(jù)，包括：紅方意圖、交火程度、藍方目標(biāo)數(shù)、紅方目標(biāo)數(shù)、藍方目標(biāo)實力量化數(shù)據(jù)、紅方目標(biāo)實力量化數(shù)據(jù)和藍方目標(biāo)徑向速度；

(2c)結(jié)合性能參數(shù)和觀測數(shù)據(jù)，得到相對實力連續(xù)值和相對速度連續(xù)值；

(2d)對相對實力連續(xù)值和相對速度連續(xù)值進行離散化，得到相對實力和相對速度；

(3)建立動態(tài)貝葉斯網(wǎng)絡(luò)拓撲，具體包括以下步驟：

(3a)建立意圖分析動態(tài)貝葉斯網(wǎng)絡(luò)拓撲，網(wǎng)絡(luò)節(jié)點包括：可觀測節(jié)點和隱藏節(jié)點，所述的可觀測節(jié)點包括：紅方意圖、交火程度、相對實力和相對速度，所述的隱藏節(jié)點為藍方意圖；所述藍方意圖為紅方意圖、交火程度、相對實力和相對速度的融合；

(3b)設(shè)置各網(wǎng)絡(luò)節(jié)點概率分布，包括紅方意圖概率分布、交火程度概率分布、相對實力概率分布、相對速度概率分布和藍方意圖先驗概率分布；

(4)訓(xùn)練模式下對動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)進行學(xué)習(xí)與設(shè)置，具體包括以下步驟：

(4a)判斷當(dāng)前模式是否為訓(xùn)練模式，若是，則執(zhí)行步驟(4b)，若否則執(zhí)行步驟(5)；

(4b)判斷是否達到設(shè)定的學(xué)習(xí)次數(shù)，若是，則通過對觀測數(shù)據(jù)學(xué)習(xí)，得到各網(wǎng)絡(luò)節(jié)點間的條件概率分布；否則返回步驟(1)；所述的各網(wǎng)絡(luò)節(jié)點間的條件概率分布包括：當(dāng)前時刻紅方意圖和藍方意圖的條件概率分布，當(dāng)前時刻交火程度和藍方意圖的條件概率分布，當(dāng)前時刻相對實力和藍方意圖的條件概率分布，當(dāng)前時刻相對速度和藍方意圖的條件概率分布，上一時刻藍方意圖和當(dāng)前時刻藍方意圖的條件概率分布；

(4c)將訓(xùn)練所得各網(wǎng)絡(luò)節(jié)點間的條件概率分布設(shè)置為動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)；

(4d)將當(dāng)前模式設(shè)置為應(yīng)用模式，返回步驟(2)；

(5)根據(jù)各網(wǎng)絡(luò)節(jié)點概率分布和各網(wǎng)絡(luò)節(jié)點間的條件概率分布，經(jīng)貝葉斯推理得到當(dāng)前時刻藍方意圖的后驗概率分布，具體包括以下步驟：

(5a)結(jié)合當(dāng)前時刻的紅方意圖、交火程度、相對實力、相對速度、上一時刻藍方意圖和當(dāng)前時刻的藍方意圖先驗概率分布經(jīng)貝葉斯推理得到當(dāng)前時刻藍方意圖的后驗概率分布；

(5b)根據(jù)馬爾可夫性，更新得到下一時刻的藍方意圖先驗概率分布；

(6)將當(dāng)前時刻藍方意圖的后驗概率分布融合為當(dāng)前時刻藍方意圖，具體包括以下步驟：

(6a)從當(dāng)前時刻藍方意圖的后驗概率分布中提取各種意圖的后驗概率；

(6b)將各種意圖的后驗概率融合為當(dāng)前時刻藍方意圖；

(7)輸出當(dāng)前時刻藍方意圖，檢查下一時刻的觀測數(shù)據(jù)是否到達，若是，將下一時刻更新為當(dāng)前時刻，將當(dāng)前時刻更新為上一時刻，跳轉(zhuǎn)到步驟(2)；否則，結(jié)束本流程；

完成基于動態(tài)貝葉斯網(wǎng)絡(luò)的意圖分析。

其中，步驟(2c)所述的結(jié)合性能參數(shù)和觀測數(shù)據(jù)，得到相對實力連續(xù)值和相對速度連續(xù)值，具體為：

計算相對實力連續(xù)值

其中，oi表示紅方第i個目標(biāo)實力量化值，i為紅方目標(biāo)標(biāo)號，取值為1,2,…,nk，nk為紅方目標(biāo)數(shù)，ej表示藍方第j個目標(biāo)實力量化值，j為藍方目標(biāo)標(biāo)號，取值為1,2,…,mk，mk為藍方目標(biāo)數(shù)；

計算相對速度連續(xù)值

其中，vk為藍方目標(biāo)徑向速度，vsup為藍方目標(biāo)速度上限。

其中，步驟(2d)所述的對相對實力連續(xù)值和相對速度連續(xù)值進行離散化，得到相對實力和相對速度，具體為：

離散化相對實力sk

離散化相對速度vk

其中，步驟(5a)所述的結(jié)合當(dāng)前時刻的紅方意圖、交火程度、相對實力、相對速度、上一時刻藍方意圖和當(dāng)前時刻的藍方意圖先驗概率分布推理得到當(dāng)前時刻藍方意圖的后驗概率分布，具體為：

其中，pu(bk)為k時刻威脅的后驗概率分布，p(rk)為k時刻紅方意圖概率分布，p(fk)為k時刻交火程度概率分布，p(sk)為k時刻相對實力概率分布，p(vk)為k時刻相對速度概率分布，pu(bk-1)為k-1時刻藍方意圖后驗概率分布，pf(bk)為k時刻藍方意圖先驗概率分布，p(rk|bk)為k時刻紅方意圖和藍方意圖的條件概率分布，p(fk|bk)為k時刻交火程度和藍方意圖的條件概率分布，p(sk|bk)為k時刻相對實力和藍方意圖的條件概率分布，p(vk|bk)為k時刻相對速度和藍方意圖的條件概率分布，p(bk-1|bk)為k-1時刻藍方意圖和k時刻藍方意圖的條件概率分布。

其中，步驟(5b)所述的根據(jù)馬爾可夫性，更新得到下一時刻的藍方意圖先驗概率分布，具體為：

pf(bk+1)＝pu(bk)；

其中，pf(bk+1)為k+1時刻的藍方意圖先驗概率分布。

其中，步驟(6a)所述的從當(dāng)前時刻藍方意圖的后驗概率分布中提取各種意圖的后驗概率，具體為：

pu(bk)＝{w1,w2,w3}；

其中，w1為k時刻藍方意圖為“撤退”的概率，w2為k時刻藍方意圖為“防御”的概率，w3為k時刻藍方意圖為“進攻”的概率。

其中，步驟(6b)所述的將各種意圖的后驗概率融合為當(dāng)前時刻藍方意圖，具體為：

其中，ik為k時刻藍方意圖，取值為1、2、3，分別一一對應(yīng)“撤退”、“防御”或“進攻”，wc為“撤退”、“防御”或“進攻”各種意圖的概率，c為意圖種類標(biāo)號，取值為1、2、3，表示使wc取最大值的意圖種類標(biāo)號c的取值。

本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點：

1)本發(fā)明采用動態(tài)貝葉斯網(wǎng)絡(luò)實現(xiàn)意圖分析，能夠反映各態(tài)勢要素與藍方意圖的動態(tài)關(guān)系，體現(xiàn)藍方意圖在時間上連續(xù)變化特性；

2)本發(fā)明考慮了群目標(biāo)的相對實力，能夠有效反映編隊的行動意圖；

3)本發(fā)明根據(jù)馬爾可夫性實現(xiàn)快速近似推理，耗費的計算量和存儲空間都較小，且不隨時間變化，能夠有效滿足實際系統(tǒng)的應(yīng)用需求。

附圖說明

圖1是本發(fā)明的整體流程圖；

圖2是用本發(fā)明進行意圖分析的動態(tài)貝葉斯網(wǎng)絡(luò)拓撲；

圖3是用本發(fā)明進行意圖分析的實驗場景；

圖4是用本發(fā)明進行意圖分析的各可觀測節(jié)點隨時間變化曲線；

圖5是用本發(fā)明進行意圖分析的各種意圖后驗概率和藍方意圖估計結(jié)果。

具體實施方式

下面結(jié)合附圖及實施例對本發(fā)明做進一步詳細的說明。

參照圖1，本發(fā)明的基于動態(tài)貝葉斯網(wǎng)絡(luò)的意圖分析方法，具體包括以下步驟：

步驟1.初始設(shè)置為訓(xùn)練模式；

步驟2.數(shù)據(jù)匯集整理。

2.1)初始化性能參數(shù)，包括：藍方目標(biāo)速度上限vsup；

2.2)令初始時刻k＝1，讀入k時刻的觀測數(shù)據(jù)，包括：紅方意圖rk，取值為“撤退”、“防御”或“進攻”，交火程度fk，取值為“低”、“中”或“高”，藍方目標(biāo)數(shù)mk，紅方目標(biāo)數(shù)nk，藍方目標(biāo)實力量化數(shù)據(jù)ej表示藍方第j個目標(biāo)實力量化值，j為藍方目標(biāo)標(biāo)號，取值為1,2,…,mk，紅方目標(biāo)實力量化數(shù)據(jù)oi表示紅方第i個目標(biāo)實力量化值，i為紅方目標(biāo)標(biāo)號，取值為1,2,…,nk，藍方目標(biāo)徑向速度vk；

2.3)結(jié)合性能參數(shù)和觀測數(shù)據(jù)，得到相對實力連續(xù)值和相對速度連續(xù)值

計算相對實力連續(xù)值

計算相對速度連續(xù)值

2.4)對相對實力連續(xù)值和相對速度連續(xù)值進行離散化，得到相對實力sk和相對速度vk；

離散化相對實力

離散化相對速度

步驟3.建立動態(tài)貝葉斯網(wǎng)絡(luò)拓撲。

3.1)利用專家知識和經(jīng)驗建立意圖分析動態(tài)貝葉斯網(wǎng)絡(luò)拓撲，如圖2所示，網(wǎng)絡(luò)節(jié)點包括：可觀測節(jié)點和隱藏節(jié)點，所述的可觀測節(jié)點包括：紅方意圖rk、交火程度fk、相對實力sk、相對速度vk，所述的隱藏節(jié)點為藍方意圖bk，動態(tài)貝葉斯網(wǎng)絡(luò)包含一層推理結(jié)構(gòu)，將紅方意圖rk、交火程度fk、相對實力sk、相對速度vk融合得到為藍方意圖bk；

3.2)設(shè)置各網(wǎng)絡(luò)節(jié)點概率分布：

3.2.1)由紅方意圖、交火程度、相對實力、相對速度，分別得到k時刻各態(tài)勢要素的概率分布，包括：紅方意圖概率分布p(rk)、交火程度概率分布p(fk)、相對實力概率分布p(sk)、相對速度概率分布p(vk)；

3.2.2)藍方意圖bk，取值為“撤退”、“防御”或“進攻”，當(dāng)k＝1時藍方意圖先驗概率分布pf(bk)設(shè)置為等概率分布其中，下標(biāo)f表示所屬概率分布為先驗概率分布；

步驟4.參數(shù)學(xué)習(xí)與設(shè)置。

對動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)進行學(xué)習(xí)與設(shè)置，具體包括以下步驟：

4.1)判斷當(dāng)前模式是否為訓(xùn)練模式，若是，則執(zhí)行步驟4.2)，若否則執(zhí)行步驟5；

4.2)判斷是否達到設(shè)定的學(xué)習(xí)次數(shù)，若是，則通過對觀測數(shù)據(jù)學(xué)習(xí)，得到各網(wǎng)絡(luò)節(jié)點間的條件概率分布；否則返回步驟(1)；所述的各網(wǎng)絡(luò)節(jié)點間的條件概率分布包括：k時刻紅方意圖和藍方意圖的條件概率分布p(rk|bk)，k時刻交火程度和藍方意圖的條件概率分布p(fk|bk)，k時刻相對實力和藍方意圖的條件概率分布p(sk|bk)，k時刻相對速度和藍方意圖的條件概率分布p(vk|bk)，k-1時刻藍方意圖和k時刻藍方意圖的條件概率分布p(bk-1|bk)；

4.3)將訓(xùn)練所得各網(wǎng)絡(luò)節(jié)點間的條件概率分布設(shè)置為動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)；

4.4)將當(dāng)前模式設(shè)置為應(yīng)用模式，返回步驟2。

步驟5.近似推理。

根據(jù)各網(wǎng)絡(luò)節(jié)點概率分布和各網(wǎng)絡(luò)節(jié)點間的條件概率分布，經(jīng)近似貝葉斯推理得到k時刻藍方意圖的后驗概率分布

5.1)結(jié)合k時刻的紅方意圖、交火程度、相對實力、相對速度、k-1時刻藍方意圖和k時刻藍方意圖的先驗概率分布推理得到k時刻藍方意圖的后驗概率分布

其中，下標(biāo)u表示所屬概率分布為后驗概率分布；

5.2)根據(jù)馬爾可夫性，更新得到k+1時刻的藍方意圖先驗概率分布

pf(bk+1)＝pu(bk)，6)

步驟6.意圖融合估計。

將k時刻藍方意圖的后驗概率分布融合為k時刻藍方意圖，具體包括以下步驟：

6.1)從k時刻藍方意圖的后驗概率分布中提取各種意圖的后驗概率

pu(bk)＝{w1,w2,w3}，7)

其中，w1為k時刻藍方意圖為“撤退”的概率，w2為k時刻藍方意圖為“防御”的概率，w3為k時刻藍方意圖為“進攻”的概率。

6.2)將各種意圖的后驗概率融合為k時刻藍方意圖

其中，ik為k時刻藍方意圖，取值為1、2、3，分別一一對應(yīng)“撤退”、“防御”或“進攻”，wc為“撤退”、“防御”或“進攻”各種意圖的概率，c為意圖種類標(biāo)號，取值為1、2、3，表示使wc取最大值的意圖種類標(biāo)號c的取值。

步驟7.意圖分析結(jié)果輸出。

7.1)輸出k時刻藍方意圖ik；

7.2)檢查下一時刻的觀測數(shù)據(jù)是否到達，若是，令k＝k+1，返回步驟2進行迭代；否則，結(jié)束本流程。

本發(fā)明的效果可通過以下仿真實驗進一步說明：

1.仿真條件。

仿真環(huán)境：計算機采用intelcorei3-2130cpu3.4ghz，2gb內(nèi)存，軟件采用matlabr2011a仿真實驗平臺。

仿真參數(shù)：藍方目標(biāo)速度上限vsup＝360km/h。

2.仿真方法。

方法1：本發(fā)明方法。

3.仿真內(nèi)容與結(jié)果。

用方法1，實現(xiàn)圖3所示實驗場景中群目標(biāo)2(藍方)對群目標(biāo)6(紅方)的意圖分析，各可觀測節(jié)點隨時間變化曲線如圖4所示，藍方意圖估計結(jié)果如圖5所示，其中：

圖3為用本發(fā)明進行意圖分析的實驗場景；

圖4為用本發(fā)明進行意圖分析的各可觀測節(jié)點隨時間變化曲線；

圖5為用本發(fā)明進行意圖分析的各種意圖后驗概率和藍方意圖估計結(jié)果。

在圖3中，黑點表示各群目標(biāo)的位置量測，連續(xù)多個時刻的位置量測構(gòu)成了多編隊群目標(biāo)運動軌跡，黑色六角形為群目標(biāo)觀測起始位置，旁邊的數(shù)字為群目標(biāo)編號，各群目標(biāo)編隊情況如表1所示。圖3所描繪的態(tài)勢情況為藍方飛機與車輛多編隊突襲紅方車輛集群，遭遇紅方飛機群攔截后撤退。

表1

從圖3和圖4可以看出，隨時間變化，藍方意圖初始為防御，后半段轉(zhuǎn)為進攻；交火程度，在中間時段出現(xiàn)短暫交火；相對實力保持不變；相對速度初始為正向接近，后半段反向遠離。

從圖5可以看出，藍方各種意圖(撤退、防御、進攻)的概率，受輸入變量的影響，起伏變化；通過選取最大概率對應(yīng)意圖得到意圖融合估計結(jié)果。通過分析可以看出，在前半段藍方飛機編隊主動靠近，意圖攻擊紅方車輛編隊；而遭遇紅方攔截，發(fā)生短暫相持交火之后，藍方飛機編隊改變行動策略，選擇撤退。

綜上可以得出，本發(fā)明能夠綜合多種態(tài)勢要素，進行合理、智能的推理分析，實現(xiàn)了對藍方群目標(biāo)意圖的動態(tài)估計，顯著提升了態(tài)勢分析能力。