论文部分内容阅读
随着“网络化”现代高科技战争的来临,指挥作战面临着巨大的挑战。单纯的依靠指挥员个人的智慧和能力已经远远不能满足现代战场作战快速准确的要求,这就需要能够完全理解战场环境下多来源、多格式以及具有高度不确定性的态势知识,实现对当前战场准确无误的态势估计并科学高效地辅助指挥作战。因此,开展关于态势估计中知识表示和推理的研究具有十分重大的现实意义和军事价值。针对态势估计中知识的多来源和高度不确定性特性,本文通过对态势估计领域本体进行概率扩展,研究基于多实体贝叶斯网络的态势估计方法。目前完成的主要内容如下：(1)本文首先从态势估计的概念定义出发,详细概述态势觉察、态势理解、态势预测三级功能模型,然后分析了态势估计中不确定性产生的原因并给出了不确定性信息处理的步骤,最后详细介绍了一些态势估计不确定性推理算法,为本文开展态势估计的知识表示和推理的研究指明了方向。(2)鉴于态势估计领域知识的复杂多样性,本文引入具有语义关系的本体技术,采用斯坦福大学开发的Protege软件来构建态势估计领域本体,并利用计算机可理解、可处理的本体描述语言OWL对构建的态势估计领域本体进行有效描述,从而实现知识的重用和共享。(3)由于现有的本体描述语言OWL没有支持不确定性表示的机制,本文在不改变OWL语义的基础上对OWL进行概率扩展,提出基于多实体贝叶斯网络(MEBN)逻辑的概率本体描述语言-PR-OWL,阐述了PR-OWL与OWL之间的映射转换关系,最后给出态势估计PR-OWL概率本体模型以支持态势估计中不确定信息的表示。(4)提出了一种基于多实体贝叶斯网络的态势估计方法。该方法利用多实体贝叶斯网络中模块化的实体片断MFrag来描述态势估计中态势要素的不确定性信息,在保证一致性约束条件的前提下合并实体片断MFrag形成多实体贝叶斯网络模型MTheory,在此基础上生成态势描述贝叶斯网络SSBN并结合标准贝叶斯推理算法进行态势不确定知识的推理。最后,结合一个作战想定对本文提出的基于多实体贝叶斯网络的态势估计方法进行验证,仿真结果表明该方法具有较好的可用性和有效性。