以目标类型为主的一种威胁评估方法

结合现代防空作战的特点和指挥自动化系统的工作要求，对影响目标威胁评估的属性进行了分析，根据多属性决策理论和方法，提出了一种目标威胁评估方法。首先对目标类型进行分类；然后对影响目标威胁评估的各个属性进行划分；最后依据多属性决策方法，建立了目标威胁评估的数学模型，并通过示例介绍了威胁评估的求解过程。仿真结果表明，该模型能够有效目标威胁评估问题，能够有助于指挥员进行目标分配和提高防空武器系统性能。     

基于MADM的威胁评估排序模型

结合现代防空作战的特点和指挥自动化系统的工作过程,对影响目标威胁评估的各种因素进行了分析,并讨论了常用威胁评估方法的缺点和不足,依据多属性决策(Multiple Attribute Decision Making,MADM)理论和方法,提出了基于MADM的目标威胁评估排序模型,并通过示例介绍了威胁评估和排序的求解过程。该方法有效地解决了目标威胁评估与排序问题,提高了防空作战效能。     

基于最大隶属度的目标威胁评估与排序法

对地空导弹将要拦截的目标进行威胁评估。其主要思想是在对目标威胁程度及影响目标威胁程度的因素定性分析的基础上给予了量化处理 ;基于最大隶属度原则 ,建立了目标威胁评估与排序模型 ;通过求解该模型即可获得因素权重信息完全未知或只有部分权重信息的不确定多因素决策问题的方案排序 ,即地空导弹将要拦截的目标威胁程度的排序 ,同时求得威胁程度最大的目标 ,以便于为防空作战决策提供科学依据。最后通过实例说明该模型的合理性和有效性     

熵权与群组AHP相结合的TOPSIS法多目标威胁评估

针对传统TOPSIS法在确定权重系数上面的缺陷和不足,提出了改进的TOPSIS法,该法综合考虑主观和客观因素,将运用聚类分析法得出的各决策专家个人权重应用到群组AHP法中确定目标属性主观权重,并与运用熵权法求解出的目标属性客观权重相融合,得到组合权重.运用改进的TOPSIS法研究空战威胁评估问题,建立多目标威胁评估数学模型,并进行了仿真研究.仿真结果表明该算法是合理和有效的.     

基于离差最大的机场威胁度评估

威胁度是威胁方和反威胁方综合对抗的体现,威胁同时作用于多个目标,威胁不是每个威胁属性威胁度的简单相加。针对这些特点,构建了战机威胁度属性指标体系;选择理想方案,建立了基于离差最大的属性权重分配模型,根据乘积思想构建了单战机单目标威胁度评估模型;按照最大有利度原则,建立了单战机多目标威胁度评估模型;在此基础上,累加并归一化后求取机场威胁度。计算表明,本模型能正确反映机场威胁度,验证了模型的可行性,可作为火力分配目标威胁系数使用。     

基于Vague集的空中目标威胁评估群决策方法

主观威胁评估方法是空中目标威胁评估的必要手段。将基于Vague集的群决策方法用于空中目标的主观威胁评估,用Vague数表示决策者对目标威胁度的主观评价值,提出一种Vague熵诱导的有序加权平均算子,用于集结各个Vague评价值,可以消除集结过程中人为误差带来的不良影响。为了直观评估各目标威胁程度大小,还提出一种基于Vague数距离和优劣点法的决策方法,来对目标威胁度进行比较和排序。算例证明该方法在空中目标威胁评估中是可行的,而且比常用的模糊综合评估方法更加有效。     

基于FD-TODIM的混杂空战多目标动态威胁评估

针对传统空战态势威胁评估存在“状态失衡”以及难以体现决策者个体行为差异的问题, 首先针对空战过程中多时刻态势信息, 提出基于变权理论的态势权重解析方法, 并结合基于正态累积分布生成时间序列权重的算法, 解决属性参数与权值动态匹配的问题。其次, 基于混杂态势信息, 综合考虑飞行员有限理性和个体行为存在差异的特点, 提出基于模糊动态交互式多准则决策(fuzzy dynamic interactive multi-criteria decision-making, FD-TODIM)算法的混杂空战多目标威胁评估方法。最后, 进行了仿真验证和分析。仿真结果表明, 该模型可充分挖掘历史信息影响, 有效融合多个时刻混杂空战态势的混杂信息, 并根据不同飞行员个体差异, 生成具有实际意义的空战威胁态势评估结果。     

电子战干扰目标的多属性多层次威胁评估模型

干扰目标威胁评估是电子战指挥决策中的关键环节之一。对电子战干扰目标威胁能力评估的基本过程进行了研究,对影响目标威胁评估的各种因素进行了分析,并基于灰量白化函数对相关的定性指标进行了量化;建立了多属性多层次威胁评估模型,分别给出了目标威胁能力及排序两种算法。最后进行了电子战干扰战情想定下目标威胁能力的评估仿真,结果表明建立的模型合理,算法可行。     

基于主客观综合赋权的CGF态势评估建模研究

超视距空战仿真中,计算机生成兵力(computer generated forces, CGF)实体态势评估行为是一种综合反映决策者主观偏好和决策信息客观排序结果的理性行为。为了解决CGF实体态势评估行为建模过程中作战信息的客观模糊性与指挥员的思维主观性相结合的问题,提出一种基于主客观综合赋权的CGF态势评估建模方法。该方法以对超视距空战中CGF实体态势评估行为产生机制的分析为基础,以模糊多属性决策方法为工具,根据主客观综合赋权的多属性决策方法,计算出目标各威胁因素的权重,得出当前空战态势中各CGF实体的威胁排序结果,进而估计出目标可能的作战意图。实例验证表明,基于主客观综合赋权的CGF态势评估仿真方法能有效地模拟实际兵力的态势评估行为,提高超视距空战仿真中CGF实体行为决策的真实性。     

基于混合贝叶斯网的空域目标威胁评估方法

针对空域目标威胁评估既需要综合考虑离散型变量和连续型变量影响,又需要具有不确定性推理能力的特点,建立了一种基于混合贝叶斯网的空域目标威胁评估模型。提出了结合主观经验和客观历史数据进行连续型网络参数学习的方法,提高了决策模型定量描述问题域中变量间依赖关系的准确性。运用团树传播算法进行空域目标威胁评估模型推理,仿真结果验证了该方法的有效性。     

基于模糊评判的新防空威胁评估模型

防空威胁评估是防空作战指挥决策中的关键环节之一。结合现代防空作战的特点,在分析了威胁评估有关因素的基础上,给出了一种新的威胁评估方法———静态威胁和动态威胁相结合的综合威胁,并对静态威胁和动态威胁中的因素进行了分析,对相关的指标进行了量化。根据防空作战中的实际情况建立了相应的数学模型,利用模糊决策和模糊综合评价理论和方法,给出了相应的算例,证明了此模型的有效性。该模型也可为其它兵种的防空威胁评估所借鉴。     

面向对象-规则语言系统的实现及在威胁估计中的应用

针对C3I软件系统的需求和现有规则语言系统的不足,提出了一种把面向对象语言范型和规则语言范型相结合的混合语言系统,设计了该语言的语法,实现了编译器和规则引擎.该规则语言系统允许规则程序和C++程序交叉引用,弥补了自封闭规则系统的不足,满足了C3I软件系统中C/C++程序模块与规则程序模块交互和协作的要求.通过在C3I情报处理系统中的应用,证明使用规则来编码威胁优先级、告警级别等应用逻辑,能够把这些易变的部分与系统的其它部分独立开来,增强了系统的可维护性.     

基于属性分析的威胁评估技术研究

从属性分析出发,提出应用认知理论方法,通过试验来确定专家的威胁评估(threatassessment,TA)过程、心理模型以及属性的使用等。阐述了属性分析的定义和基本内容,接着分析了属性的来源及选择、属性的重要性度量以及属性与威胁排序的关系。提出了一种威胁评估模型,并根据该模型设计了一种威胁评估的算法原型。     

低空突防模型建模的研究

在现代低空突防技术中,飞机根据数字地图提供的地形数据和获得的战场态势,结合任务计划以及自身的机动性能约束条件利用航迹算法提供最优航迹,其中航迹规划包括预规划和实时重规划。预规划阶段在预知威胁转化的基础上,利用规划算法计算出航迹;在航迹预规划的基础上估算了飞机的起飞时间;在实时重规划阶段,将突发威胁等级评估与规划系统进行了集成。     

基于熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在确定权重系数上面的缺陷和不足,提出了基于熵的TOPSIS改进算法,该算法运用熵理论处理空战获取的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法中,研究空战威胁评估问题。建立多目标威胁评估数学模型,并进行了仿真研究。仿真结果表明该算法是合理和有效的。     

一种新的超视距空战威胁估计非参量法模型

针对目前超视距空战威胁估计非参量法模型的缺点，提出了一种新的非参量法模型。该模型针对超视距空战以双机迎头飞行、导弹互射为主的特点，以载机空战能力、机载导弹攻击区、不可逃选区以及机载雷达的搜索区等性能参数和空战双方瞬时几何态势等作为主要研究对象，建立了各自的优势指数表达式，并采用线性加权法将各优势指数综合，求得空战中的整体优势指数，作为战术选择、目标分配、火力分配的基础。模型较全面、合理的反应了超视距空战的特点。仿真算例验证了模型的有效性。     

径向基神经网络解决威胁排序问题

在空战威胁估计中,把一架战机的态势量化为一个向量,每一个决策因素为一个分量。确定各因素之间的相对重要程度,是合成综合威胁指数,完成威胁排序的关键。本文使用径向基神经网络确定各个因素之间的非线性复杂关系。使用层次分析法生成初始的(战机态势量化向量、综合威胁指数)训练样本对。然后使用样本校正器对不合理的样本对自动进行校正。调整后的综合威胁指数,作为最终的学习样本的目标值,以供径向基神经网络训练使用。实验表明,径向基神经网络可以很好的逼近各个因素之间的权重关系。     

协调优势粗糙集方法及其在UCAV目标威胁估计中的应用

针对一般粗糙集方法不能由有限数据给出完整决策规则的问题, 定义了正协调、负协调和混合协调决策信息系统, 研究了正协调系统的优势关系决策规则获取方法, 在此基础上提出了负协调和混合协调系统的优势关系决策规则获取方法, 形成了协调决策信息系统的优势粗糙集方法, 即协调优势粗糙集方法. 将该方法应用到无人战斗机目标威胁估计中, 建立了无人战斗机目标威胁估计决策信息系统, 分析了目标属性的偏好性, 给出了决策算法, 对算法的复杂度进行了分析, 并与 Greco优势粗糙集方法进行了比较. 结果表明: 该方法简单可行, 得到的确定性决策规则可以涵盖目标条件属性的所有取值, 有效地解决了决策规则的不完备性.     

基于深度学习的空中目标威胁评估方法

针对空中目标威胁评估因素多、现有评估方法缺乏自学习能力的问题,采用深度学习理论建立了空中目标威胁评估的深层神经网络模型。为了提升模型训练的拟合效果,提出采用对称式的预训练方法,逐层地对模型中的隐含层进行预训练,最后对模型进行整体训练。分别通过样本测试集和空空仿真场景进行验证测试,结果表明：采用对称预训练方法,模型的威胁评估准确率高于其他三种预初始化方法;模型具有较好的鲁棒性,在无噪声下准确率大于90%,10%的正态噪声下,准确率大于70%。     

基于贝叶斯网络的威胁等级评估算法研究

阐述了基于贝叶斯网络专家系统的特点。研究了基于贝叶斯网络的推理模型以及基于此模型的推理算法。利用该算法构建了威胁等级评估模型，并进行了实例计算。研究结果表明，基于贝叶斯网络的威胁等级评估算法是一种有效的评估算法，其结果能够比较准确的反映威胁源的真实威胁程度。