随着计算机生成兵力(Computer Generated Forces,CGF)在作战仿真系统中的广泛应用,CGF的行为建模在战略战术应用中发挥了越来越重要的作用。作为CGF行为建模的重要内容,CGF的感知模型是CGF进行推理和行动的基础,感知模型的好坏直接影响到仿真系统的真实感和仿真结果的可信度。传统的CGF感知模型缺乏主观注意力机制的建模,导致其感知行为难以反映真实战场中作战主体的注意力变化规律,从而无法满足CGF行为建模真实性、智能性的需求。然而,现有的注意力模型研究主要集中于图像处理领域,具有很强的针对性,不能直接用于CGF的感知注意力建模。因此,研究CGF的感知注意力模型对提高CGF的智能性和仿真系统的真实可信性具有重要的理论研究价值与实际应用价值。本文首先对本课题研究的背景、意义以及相关的理论和应用现状进行了论述,在充分掌握国内外研究现状的基础上,详细分析了已有方法的适应场景和不足之处,然后根据本文特定的应用场景针对性的提出了论文研究的主要内容,并概括了主要的创新点。本文研究的第一个大问题是CGF的注意力选择机制。如何根据当前的感知信息判断注意力的焦点是研究的重点,文中提出了CGF感知注意力模型的整体框架,分析了现有注意力模型的适应场景和优缺点,最后选择对SEEV注意力控制模型进行改进,以适应虚拟战场环境下作为CGF的注意力控制模型。本文研究的第二个大问题是CGF感知范围根据环境的动态变化而自我适应。这里给CGF建立了一个简单的记忆模型,通过使用注意熵方法实现CGF的反馈机制。传统的注意熵方法很难准确给出注意的概率值,而本文通过改进的SEEV模型实现了注意概率值的定量计算,设计了感知能力的反馈模型,提出了基于注意熵理论的CGF反馈机制,从而实现了历史认知对当前感知注意力的反馈机制。其后,文章设计了仿真实验,验证了本研究所设计的模型具有有效性,同时也更符合人真实的注意力判断。论文最后对研究工作进行了总结,并对未来的研究方向作了展望。