態(tài)勢估計方法綜述

態(tài)勢估計方法綜述0引言數(shù)據(jù)融合的概念是在20世紀(jì)70年代初期由美國海軍首先提出的[1]。而數(shù)據(jù)融合包括態(tài)勢估計這個過程（見圖1），可以說態(tài)勢估計這個概念就是這個時候產(chǎn)生的。態(tài)勢估計是軍事智能決策過程中的重要環(huán)節(jié)。在軍事領(lǐng)域中，態(tài)勢估計至今沒有統(tǒng)一的定義。在大量關(guān)于態(tài)勢估計的功能描述，最著名的是美國JDL的描述：態(tài)勢估計是建立關(guān)于作戰(zhàn)活動、事件、時間、位置和兵力要素組織形式的一張視圖。該視圖將所獲得的所有戰(zhàn)場力量的部署、活動和戰(zhàn)場周圍環(huán)境、作戰(zhàn)意圖及機動性結(jié)合起來，分析并確定發(fā)生的事件，估計敵方的兵力結(jié)構(gòu)、使用特點，最終形成戰(zhàn)場綜合態(tài)勢圖[2]。態(tài)勢估計應(yīng)該包括下述過程：1，生成當(dāng)前態(tài)勢要素集合；2，生成態(tài)勢假設(shè)集合；3，當(dāng)前態(tài)勢生成—通過形成最小不確定性態(tài)勢假設(shè)來實現(xiàn)；4，估計當(dāng)前態(tài)勢對實現(xiàn)態(tài)勢目標(biāo)的支持程度；5，態(tài)勢預(yù)測—預(yù)測下一周期出現(xiàn)的可能戰(zhàn)場態(tài)勢（包括戰(zhàn)場事件和作戰(zhàn)行為等）[1]。態(tài)勢估計處理的是正在發(fā)生的事件或者活動，它的重點是所關(guān)心領(lǐng)域內(nèi)的敵我行為模式。因此，態(tài)勢估計的結(jié)果能夠反映當(dāng)前真實的戰(zhàn)場態(tài)勢，并提供事件、活動的預(yù)測，為最優(yōu)決策和資源管理的優(yōu)化提供依據(jù)。國外態(tài)勢估計技術(shù)發(fā)展比較迅速，自20世紀(jì)70年代以來，許多國家對態(tài)勢估計從理論體系和系統(tǒng)實現(xiàn)方法等方面進行了研究和開發(fā)，取得了很大進展。美國已經(jīng)有較成熟的聯(lián)合作戰(zhàn)態(tài)勢估計系統(tǒng)。實現(xiàn)態(tài)勢估計系統(tǒng)的方法很多，主要的實現(xiàn)技術(shù)有：基于知識的系統(tǒng)（又稱作專家系統(tǒng)）、模板技術(shù)、品質(zhì)因素法、計劃識別方法、貝葉斯網(wǎng)絡(luò)、模糊邏輯技術(shù)、遺傳算法等[1]。它們將軍事領(lǐng)域知識與不確定性處理技術(shù)結(jié)合起來，用于解決態(tài)勢估計中的問題。傳感器像索層融合特征層融合信息源判泄層融合融合態(tài)勢估計二級*融合威脅估計級合果估傳感器像索層融合特征層融合信息源判泄層融合融合態(tài)勢估計二級*融合威脅估計級合果估戸融效評信息源一級融合H標(biāo)狀態(tài)/屬性估計初級處理圖1數(shù)據(jù)融合體系的功能結(jié)構(gòu)1態(tài)勢估計方法基于貝葉斯網(wǎng)絡(luò)的態(tài)勢估計貝葉斯網(wǎng)絡(luò)也稱為信度網(wǎng)絡(luò)、因果網(wǎng)絡(luò)或者推理網(wǎng)絡(luò)，是指基于概率分析和圖論的一種不確定性知識的表示和推理模型 ［3］。它是一種概率推理技術(shù)，使用概率論來處理在描述不同知識成分之間的條件相關(guān)而產(chǎn)生的不確定性，提供了一種將知識知覺地圖解為可視化的方法，是一種新的知識表示模型，知識的不完全、不確定性用概率來表示。貝葉斯網(wǎng)絡(luò)的計算機模型化已成為建設(shè)決策支持系統(tǒng)的一個重要部分，并被稱為職能軟件，廣泛應(yīng)用于“信息恢復(fù)、交通管理、國防系統(tǒng)"等方面［4］。由于在貝葉斯網(wǎng)絡(luò)中，所有的數(shù)據(jù)要能被概率函數(shù)描述，這在現(xiàn)實中是不可能的⑸。因此，馬銳等將多實體貝葉斯網(wǎng)絡(luò)（MEBN）用于態(tài)勢估計。多實體貝葉斯網(wǎng)絡(luò)能有效克服上述缺點，使得態(tài)勢估計結(jié)果的精確度提高。一個MEBN是通過貝葉斯網(wǎng)絡(luò)片BNFrags（BayesiannetfragmentS體系和結(jié)構(gòu)集合來描述一個概率分布。把復(fù)雜的模型分解成概念上有意義并且可操作的 BNFrags,用以表示概率知識庫中的可共享元素，每個貝葉斯網(wǎng)絡(luò)片包含了隨機變量的一個子集合的概率知識，實體結(jié)構(gòu)的模型、行為和關(guān)系等均可以編碼和貝葉斯網(wǎng)絡(luò)片[1]?；谥庇X模糊決策的態(tài)勢估計由于常用的態(tài)勢估計方法有很多種，而且它們分別適用于不同的情形，但是它們的共同點是對當(dāng)前戰(zhàn)場態(tài)勢的綜合評價和理解不足或缺乏[6]。因此，雷英杰，王寶樹，王毅提出一種基于知覺模糊決策的方法來求解戰(zhàn)場態(tài)勢估計問題。直覺模糊集（Intuitionisticfuzzysets）叮。]是對Zadeh模糊集的一種重要擴展，直覺模糊決策是基于直覺模糊集理論的一個綜合評判過程，綜合評判是綜合決策的數(shù)學(xué)工具。態(tài)勢估計反映對戰(zhàn)場的綜合評價結(jié)果，因此可以歸結(jié)為一個評價問題，從而可以用直覺模糊綜合評判方法來求解。該方法的基本步驟是：（1）建立歸一化的直覺模糊綜合評判模型；（2）建立戰(zhàn)場態(tài)勢評估指標(biāo)體系；（3）確定評估指標(biāo)的權(quán)重向量；（4）計算評估指標(biāo)的效用值，進行歸一化處理及直覺模糊度量，形成評估矩陣；（5）進行評估計算，得到評估結(jié)果[6]?；谥庇X模糊決策的戰(zhàn)場態(tài)勢評估方法，最大的優(yōu)點是能適時給出對戰(zhàn)場態(tài)勢的綜合評價和“直觀理解”，供軍事指揮人員決策時參考，可有效彌補現(xiàn)有方法在這方面的不足?；谥庇X模糊集理論的綜合評判方法，有效克服了Zadeh模糊集單一隸屬度的局限性，使得評估結(jié)果的可信度更高[11]基于粒子濾波的態(tài)勢估計通常，為了建模和確定物理系統(tǒng)的狀態(tài)，系統(tǒng)會被描述成一個隱馬爾可夫模型或者一個狀態(tài)空間模型。但是，狀態(tài)空間模型有如下的不足：（1）統(tǒng)一向量不能完全利用條件獨立性，也不能有效地描述存在于變量間的相關(guān)性。（2）向量分布系數(shù)不能在混合數(shù)據(jù)中融合推理。（3）在出現(xiàn)大量的敵對單元時，跟蹤狀態(tài)變化變得幾乎不可能[12]。因此，SubrataDas和DavidLawless提出了一種基于粒子濾波的態(tài)勢估計方法。粒子濾波是90年代發(fā)展起來的一種基于蒙特卡羅方法和遞推貝葉斯估計的新濾波方法，在處理非線性，非高斯系統(tǒng)的參數(shù)估計和狀態(tài)濾波方面具有獨到的優(yōu)勢[13]。在這種方法中，通過把狀態(tài)空間模型向量轉(zhuǎn)化為動態(tài)的置信網(wǎng)絡(luò)，而置信網(wǎng)絡(luò)技術(shù)能提供如下的優(yōu)點：（1）它的圖示的方法對于態(tài)勢建模有很大的幫助；（2）通過建立概率語義，能很好的處理不確定性；而粒子濾波是一種模型估計技術(shù)，常用來估計貝葉斯模型。通過粒子濾波的建模，使得置信網(wǎng)絡(luò)技術(shù)的優(yōu)點發(fā)揮出來，從而提高態(tài)勢估計的準(zhǔn)確性[12]。基于計劃識別的態(tài)勢估計計劃識別是根據(jù)代理的行為序列來推斷代理所追求目標(biāo)的過程，著重于對當(dāng)前已發(fā)生行為的分析和抽象，因而對動態(tài)問題有很好的適應(yīng)性，與態(tài)勢估計中通過觀察、分析、戰(zhàn)場中軍事單元的動態(tài)行為來識別其計劃的要求相一致，因此，態(tài)勢估計實際上是一個計劃識別過程[14]。計劃識別問題的構(gòu)成和求解首次由Kautz[15]提出，但是這種方法要求計劃庫完備（封閉世界模型），而在現(xiàn)實世界中這是很難滿足的，因此李偉生等人通過動態(tài)建立計劃庫，突破了這一模型的局限性。該模型對于實時性要求很高的戰(zhàn)場環(huán)境是非常有用的?；谀：拍顚哟畏纸獾膽B(tài)勢估計邢清華，劉付顯給出了戰(zhàn)場態(tài)勢的一種全新定義，分析了“態(tài)”與“勢”的本質(zhì)含義，提出了空襲態(tài)勢和防空態(tài)勢的概念，給出了一種新的因素表征值的確定方法。并在此基礎(chǔ)上建立了基于模糊概念層次分解的戰(zhàn)場態(tài)勢綜合評估模型[16]。此種方法的貢獻在于：針對空戰(zhàn)提出了一種新的關(guān)于戰(zhàn)場態(tài)勢的定義，并將影響態(tài)勢的因素分為動態(tài)和靜態(tài)兩類。這種方法目前已被用于某些指揮自動化系統(tǒng)中?；谄谕０宓膽B(tài)勢估計在現(xiàn)代戰(zhàn)場上，一些重要的態(tài)勢要素如兵力結(jié)構(gòu)、兵力使用、行為序列等的先驗?zāi)Ｐ头Q為模板：人及其軍事行動、武器裝備及部署使用成為行為?；谀０迤谕姆椒ň褪峭ㄟ^開發(fā)這類先驗?zāi)Ｐ蛠淼玫綉B(tài)勢估計。模板結(jié)構(gòu)形成反映要素之間關(guān)系得抽象框架，用以在實際應(yīng)用中挖掘多源信息的有效性[1]。基于期望模板理論的優(yōu)點是：容易理解，能直接表示和聚類大量的數(shù)據(jù)，并且模板的范圍和復(fù)雜性是可選的。其缺點是：結(jié)構(gòu)相對固定，模板未必總能用數(shù)據(jù)填滿?；贒-S證據(jù)理論的態(tài)勢估計D-S證據(jù)理論是一種處理不確定性的推理方法，滿足概率論弱的條件，能夠區(qū)分“不確定”與“不知道”的差異，并能靈活處理由“不知道”引起的不確定性，具有較大的靈活性，在不確定信息的表達及合成方面具有很大的優(yōu)點，因此可以采用它來完成對信息的融合，完成對戰(zhàn)場態(tài)勢的評估[17]。因此，徐曉輝，劉作良提出用D-S證據(jù)理論來構(gòu)造態(tài)勢估計模型。態(tài)勢估計從檢測事件發(fā)生開始，在檢測到事件后，由領(lǐng)域知識產(chǎn)生對某些命題的度量，這些度量即構(gòu)成了證據(jù)，并利用這些證據(jù)通過構(gòu)造相應(yīng)的基本概率分配函數(shù)，對所有的命題賦予一個置信度。在態(tài)勢估計系統(tǒng)中，先得到一次對基本概率的分配，再使用Dempster合成規(guī)則得到新的基本概率分配，并把合成后的結(jié)果送到?jīng)Q策邏輯進行判斷，將具有最大置信度的命題作為備選命題。當(dāng)不斷有事件發(fā)生時，這個過程便得以繼續(xù)，直到備選命題的置信度超過了一定的閾值，即認為該命題成立[17]。在應(yīng)用此方法進行的仿真中，得到的結(jié)果比較準(zhǔn)確 "I。D-S證據(jù)理論用于態(tài)勢估計是一種有前景的方法。2總結(jié)和未來關(guān)注的問題目前態(tài)勢估計存在的問題：（1）態(tài)勢估計理論體系需要進一步完善。（2）通用性不夠—由于各階段知識表示推理方法存在較大的差異，使得態(tài)勢估計構(gòu)建存在著很大的困難。這也因此極大的限制了態(tài)勢估計系統(tǒng)的應(yīng)用于發(fā)展。未來關(guān)注的問題：（1）知識表示技術(shù)仍然是態(tài)勢估計領(lǐng)域研究的難點和人們課題。（2）態(tài)勢估計系統(tǒng)不再使用單一的技術(shù)，而是各種技術(shù)進行有機的結(jié)合。參考文獻：巴宏欣，趙宗貴，楊飛，董強，張濤.態(tài)勢估計—概念、內(nèi)容與方法[J].解放軍理工大學(xué)學(xué)報（自然科學(xué)版），2004,5（6）:10-16.孫兆林?基于貝葉斯網(wǎng)絡(luò)的態(tài)勢估計方法研究 [D]?國防科學(xué)技術(shù)大學(xué).2005.李曼，馮新喜，陳玉?基于貝葉斯網(wǎng)絡(luò)的態(tài)勢估計研究[J].微計算機信息（管控一體化）,2008,24（6-3）：233-235.程岳，王寶樹，李偉生?貝葉斯網(wǎng)絡(luò)在態(tài)勢估計中的應(yīng)用[J].計算機工程與應(yīng)用，2002.23：206-208.AlessioBenavoli,BrankoRistic,AlfonsoFarina,MartinOxenham,LuigiChisci.AnApproachtoThreatAssessmentBasedonEvidentialNetworks[J].InformationFusion,200710thInternationalConference.2007:1-8.雷英杰，王寶樹，王毅.基于知覺模糊決策的戰(zhàn)場態(tài)勢評估方法 [J].電子學(xué)報，2006，34（12）:2175-2179.AtanassovK.Intuitionisticfuzzysets[J].FuzzySetsandSystems,1986,20（1）:87-96.AtanassovK.Moreonintuitionfuzzysets[J].FuzzySetsandSystems,1989,33(1):37-46.AtanassovK,KacprzykJ,SzmidtE,etal.OnSeparabilityofIntuitionisticFuzzySets[J].LectureNotesinArtificialIntelligence,2003,2715:285-292.AbbasSE.Onintuitionisticfuzzycompactness[J].InformationScience,2005,173(1-3):75-91.雷英杰，王寶樹.直覺模糊邏輯的語義算子研究[J].計算機科學(xué)，2004，31(11)：4-6.SubrataDas,avidLawlessBrendaNg,AviPffeffer.FactordeParticleforDataFusionandSituationAssessmentinUrbanEnvironments[C].InformationFusion,20057thInternationalConference.2005:955-962.CaronF,DavyM,DoucetA,DuflosE,VanheeghPh.BayesianInferenceforLinearDynamicModelswithDirichletProcessMixture.IEEETrans.SignalProcessing.2007李偉生