• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于BP網(wǎng)絡(luò)與DS證據(jù)理論的態(tài)勢(shì)估計(jì)問題研究*

      2013-08-10 09:04:04周國祥許錦洲韋曉萍
      艦船電子工程 2013年8期
      關(guān)鍵詞:態(tài)勢(shì)戰(zhàn)場證據(jù)

      周國祥 許錦洲 韋曉萍

      (1.海軍蚌埠士官學(xué)校 蚌埠 233012)(2.海軍指揮學(xué)院浦口分院 南京 211800)

      1 引言

      隨著傳感器和軍事信息系統(tǒng)的發(fā)展應(yīng)用,海戰(zhàn)場各作戰(zhàn)平臺(tái)的探測距離遠(yuǎn)、機(jī)動(dòng)能力強(qiáng)、火力范圍廣,使得戰(zhàn)場態(tài)勢(shì)變化更加快速復(fù)雜,且敵我雙方交戰(zhàn)過程中普遍采用了偽裝、隱蔽和欺騙(CC&D)等戰(zhàn)術(shù),如何及時(shí)、準(zhǔn)確、迅速地反映戰(zhàn)場態(tài)勢(shì)的變化,增強(qiáng)對(duì)戰(zhàn)場態(tài)勢(shì)的感知,逐步識(shí)別敵方意圖和作戰(zhàn)計(jì)劃,并作出正確的態(tài)勢(shì)估計(jì)[1],將成為作戰(zhàn)雙方爭奪戰(zhàn)場信息優(yōu)勢(shì)的焦點(diǎn)[2]。

      態(tài)勢(shì)估計(jì)是信息融合功能模型[3~6]的二級(jí)處理過程,它接收一級(jí)融合結(jié)果,并從中抽取對(duì)當(dāng)前態(tài)勢(shì)盡可能準(zhǔn)確、完備的戰(zhàn)場情報(bào)信息,為各級(jí)指揮員作戰(zhàn)決策提供輔助支持。態(tài)勢(shì)估計(jì)是在決策級(jí)上進(jìn)行的一種推理行為[7],由于傳感器性能以及敵方干擾、欺騙等行為,使得態(tài)勢(shì)估計(jì)過程需要處理的信息具有高度不確定性。同時(shí),由于作戰(zhàn)的復(fù)雜性,使得用于推理的軍事知識(shí)存在著不確定性。因此,態(tài)勢(shì)估計(jì)系統(tǒng)必須能夠處理不確定性信息,進(jìn)行有效推理[8]。

      用于態(tài)勢(shì)評(píng)估的主要方法有模板匹配[9]、規(guī)劃識(shí)別[10]、貝葉斯網(wǎng)絡(luò)[11~12]以及專家系統(tǒng)[13]等,這些方法運(yùn)用于戰(zhàn)場態(tài)勢(shì)評(píng)估問題各有其優(yōu)缺點(diǎn)。DS證據(jù)理論是一種有效的不確定性推理方法,比傳統(tǒng)概率論能更好地把握問題的未知性和不確定性[14]。該理論提供了證據(jù)的合成方法,能融合多個(gè)證據(jù)源提供的證據(jù),因此成功應(yīng)用于信息融合領(lǐng)域。針對(duì)文獻(xiàn)[7~8]中存在的基本概率賦值函數(shù)由領(lǐng)域?qū)<医o出,結(jié)果容易受專家主觀因素影響的問題,本文提出一種基于神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論相結(jié)合的態(tài)勢(shì)估計(jì)方法,使用神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛的BP網(wǎng)絡(luò)來求解基本概率賦值函數(shù),再使用DS證據(jù)理論進(jìn)行態(tài)勢(shì)估計(jì)。結(jié)果表明,該方法可有效克服專家主觀因素的影響,為海戰(zhàn)場戰(zhàn)術(shù)態(tài)勢(shì)估計(jì)提供新的途徑。

      2 神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論

      2.1 BP網(wǎng)絡(luò)原理與算法步驟

      BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),其主要特點(diǎn)是信號(hào)前向傳播,誤差反向傳播。該網(wǎng)絡(luò)是一個(gè)典型的多層網(wǎng)絡(luò),由輸入層、一個(gè)或多個(gè)隱含層、輸出層組成,各層之間采用全互連方式,同層單元之間不存在連接。可以利用訓(xùn)練樣本的學(xué)習(xí)建立起記憶,將未知模式判為最接近的記憶。且經(jīng)過神經(jīng)網(wǎng)絡(luò)處理的數(shù)據(jù),可近似認(rèn)為數(shù)據(jù)間是相互獨(dú)立的,能較好滿足DS證據(jù)理論對(duì)證據(jù)獨(dú)立性的要求。

      BP算法的基本思想[15]是,學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播組成。正向傳播時(shí),輸入樣本從輸入層傳入,經(jīng)各隱層逐層處理之后,傳向輸出層。若輸出層的實(shí)際輸出與期望輸出(導(dǎo)師信號(hào))不符,則轉(zhuǎn)入誤差的反向傳播。誤差反傳是將輸出誤差以某種形式通過隱層向輸入層逐層反傳,并將誤差分?jǐn)偨o各層的所有單元,從而獲得各層單元的誤差信號(hào),此誤差信號(hào)即作為修正各單元權(quán)值的依據(jù)。這種信號(hào)正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程是周而復(fù)始地進(jìn)行的。權(quán)值不斷調(diào)整的過程,也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程,此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度,或進(jìn)行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

      BP算法的步驟[15]如圖1所示。

      圖1 標(biāo)準(zhǔn)BP算法流程

      針對(duì)標(biāo)準(zhǔn)BP算法存在易陷入局部極小、學(xué)習(xí)效率低、收斂速度慢、隱節(jié)點(diǎn)選取缺乏指導(dǎo)等缺陷,目前已提出不少有效的改進(jìn)算法,較常用的有增加動(dòng)量項(xiàng)、自適應(yīng)調(diào)節(jié)學(xué)習(xí)率、引入陡度因子等方法。本文采用增加動(dòng)量項(xiàng)和自適應(yīng)調(diào)節(jié)學(xué)習(xí)率相結(jié)合的BP改進(jìn)算法。

      1)增加動(dòng)量項(xiàng)

      若用W 代表某層權(quán)矩陣,X代表某層輸入向量,則含動(dòng)量項(xiàng)的權(quán)值調(diào)整向量表達(dá)式為

      可見,增加動(dòng)量項(xiàng)即從前一次權(quán)值調(diào)整量中取出一部分疊加到本次權(quán)值調(diào)整量中,α稱為動(dòng)量系數(shù),一般α∈(0,1)。動(dòng)量項(xiàng)反映了以前積累的調(diào)整經(jīng)驗(yàn),對(duì)于t時(shí)刻的調(diào)整起阻尼作用。

      2)自適應(yīng)調(diào)節(jié)學(xué)習(xí)率

      設(shè)一初始學(xué)習(xí)率,若經(jīng)過一批次權(quán)值調(diào)整后使總誤差E總增加,則本次調(diào)整無效,且有

      若經(jīng)過一批次權(quán)值調(diào)整后使總誤差E總減少,則本次調(diào)整有效,且有

      2.2 基于DS證據(jù)理論的態(tài)勢(shì)估計(jì)

      1)DS證據(jù)理論

      在命題A的一個(gè)辨識(shí)框架Θ中,有冪集2Θ上的基本概率賦值函數(shù)m:2Θ→ [0,1],且滿足:

      式(4)中,m(A)稱為辨識(shí)框架上的基本概率賦值函數(shù),它表示證據(jù)支持命題A發(fā)生的程度。其信任函數(shù)bel(A)和似然函數(shù)pl(A)分別如下式(5)~(6)所示:

      信任函數(shù)bel(A)表示證據(jù)完全支持命題A的程度,似然函數(shù)pl(A)表示證據(jù)不反對(duì)(不懷疑)命題A的程度,區(qū)間 [bel(A),pl(A)]構(gòu)成證據(jù)的不確定空間,表示命題的不確定程度。

      設(shè)m1,m2,…,mn是同一辨識(shí)框架Θ上n個(gè)不同證據(jù)的基本可信度分配,由Dempster公式進(jìn)行合成,合成后的mass函數(shù)m:2Θ→ [0,1]如下:

      式中,m1(Ai1),m2(Ai2),…,mn(Ain)為焦元。k為證據(jù)之間的沖突概率,反映了證據(jù)之間沖突的程度;歸一化因子(1-k)-1的作用就是避免在合成時(shí)將非0的概率賦給空集Φ。

      2)BP網(wǎng)絡(luò)與DS理論的融合方法

      本文所采用的BP網(wǎng)絡(luò)與DS理論的融合模型如圖2所示。在傳感器探測和0級(jí)處理、1級(jí)處理的基礎(chǔ)上,將各時(shí)刻傳感器所探測目標(biāo)的狀態(tài)估計(jì)、特征信息、航跡信息、屬性估計(jì)、事件(輻射源事件、機(jī)動(dòng)事件)等信息提取出來,進(jìn)行模糊化處理后利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行敵目標(biāo)意圖分類識(shí)別,將神經(jīng)網(wǎng)絡(luò)的輸出作為DS證據(jù)理論推理所需的基本概率賦值,采用DS證據(jù)理論來完成決策級(jí)融合,實(shí)現(xiàn)對(duì)海戰(zhàn)場戰(zhàn)術(shù)態(tài)勢(shì)的評(píng)估。該模型將BP網(wǎng)絡(luò)自主學(xué)習(xí)、聯(lián)想記憶、容錯(cuò)能力與DS證據(jù)理論的不確定推理能力結(jié)合起來,能較好地解決DS理論中基本概率賦值難以獲取的問題。

      3)融合判決準(zhǔn)則

      本文采用如下基于規(guī)則的判決準(zhǔn)則:

      圖2 BP網(wǎng)絡(luò)與DS理論的融合模型

      (1)判定的目標(biāo)作戰(zhàn)意圖應(yīng)具有最大的基本概率分配函數(shù)值;

      (2)判定的目標(biāo)作戰(zhàn)意圖與其它作戰(zhàn)意圖的基本概率分配函數(shù)值之差要大于某個(gè)閾值;

      (3)表示未知的m(Θ)必須小于某一門限;

      (4)判定目標(biāo)作戰(zhàn)意圖的基本概率函數(shù)值要大于不確定基本概率函數(shù)值m(Θ)。

      3 算例仿真

      3.1 目標(biāo)信息預(yù)處理

      由于各種傳感器得到的速度、目標(biāo)方位、發(fā)現(xiàn)距離等數(shù)據(jù)均為實(shí)數(shù),為減少識(shí)別空間,便于神經(jīng)網(wǎng)絡(luò)的分類判決,需要對(duì)各屬性進(jìn)行模糊化,本文采用文獻(xiàn)[16]的方法進(jìn)行模糊化處理。

      模糊化后各識(shí)別屬性如下:

      1)目標(biāo)類型:分為 (C1,C2,C3)三種類型。其中,C1為巡洋艦等大型艦艇;C2為巡邏艇、快艇等;C3為驅(qū)護(hù)艦。

      2)運(yùn)動(dòng)速度:分為快、較快、較慢、慢,分別表示為(V1,V2,V3,V4)。

      3)目標(biāo)方位:將識(shí)別參考點(diǎn)設(shè)為中心,以正北、正東為正方向的四個(gè)象限,分別表示為 (B1,B2,B3,B4)。

      4)發(fā)現(xiàn)距離:分為遠(yuǎn)、較遠(yuǎn)、較近、近四個(gè)類別,表示為(D1,D2,D3,D4)。

      5)目標(biāo)火力范圍:分為遠(yuǎn)、較遠(yuǎn)、較近、近四個(gè)類別,表示為 (F1,F(xiàn)2,F(xiàn)3,F(xiàn)4)。

      6)航跡類型:分為直航、以直航為主、以機(jī)動(dòng)為主、機(jī)動(dòng)四種,表示為 (T1,T2,T3,T4)。

      7)警戒雷達(dá)是否開機(jī):R1為開機(jī),R2為未開機(jī)。

      8)導(dǎo)攻雷達(dá)是否開機(jī):R1為開機(jī),R2為未開機(jī)。

      對(duì)海戰(zhàn)場戰(zhàn)術(shù)態(tài)勢(shì)的類別分為進(jìn)攻、防御、相持、逃跑四種,表示為 (A1,A2,A3,A4)。

      3.2 應(yīng)用實(shí)例

      根據(jù)以往數(shù)據(jù)資料積累可得到一些敵目標(biāo)屬性及其意圖信息,首先對(duì)屬性信息進(jìn)行預(yù)處理,建立起B(yǎng)P網(wǎng)絡(luò)的訓(xùn)練樣本集,如表1所示。

      表1 屬性模糊化后BP網(wǎng)絡(luò)學(xué)習(xí)樣本

      續(xù)表1

      選取上述訓(xùn)練樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,這里采用3層BP神經(jīng)網(wǎng)絡(luò),訓(xùn)練算法采用增加動(dòng)量項(xiàng)和自適應(yīng)調(diào)節(jié)學(xué)習(xí)率的改進(jìn)BP算法,訓(xùn)練誤差設(shè)為0.01,經(jīng)反復(fù)訓(xùn)練確定網(wǎng)絡(luò)結(jié)構(gòu)為8-11-4,BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差下降曲線如圖3所示。

      圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差下降曲線

      設(shè)我水面艦艇執(zhí)行警戒任務(wù)時(shí)發(fā)現(xiàn)有敵艦艇接近,敵艦意圖有進(jìn)攻 (A1)、防御 (A2)、相持 (A3)、逃避 (A4)四種,則得到辨識(shí)框架Θ= (A1,A2,A3,A4)。在E1~E3時(shí)刻,分別將所探測目標(biāo)的狀態(tài)估計(jì)、特征信息、航跡信息、屬性估計(jì)、輻射源事件等信息模糊化后輸入已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),得各時(shí)刻基本概率賦值函數(shù)m1、m2、m3。經(jīng)過D-S證據(jù)理論方法進(jìn)行信息融合后,結(jié)果如表2所示:

      表2 證據(jù)空間的時(shí)空域融合

      由表2可知,隨著時(shí)刻E3傳感器檢測到證據(jù)m3,使得A1的可信度達(dá)到0.4594,且不確定的可信度降為0.0240,若設(shè)定閾值ε1=0.40,閾值ε2=0.25,顯然有m(A1)=max{m(Ai)}>ε1,(i=1,2,3,4),且 m(A1)-max{m(Ai)}>ε2,(i=2,3,4),根據(jù)判決準(zhǔn)則可判定敵艦艇處于態(tài)勢(shì)A1,即目標(biāo)可能發(fā)動(dòng)進(jìn)攻,這與實(shí)際情況是相符的。

      4 結(jié)語

      本文分析了海戰(zhàn)場態(tài)勢(shì)估計(jì)的特點(diǎn),提出BP網(wǎng)絡(luò)與DS證據(jù)理論相結(jié)合的方法,克服了DS證據(jù)理論中基本概率賦值難以獲取的問題。將傳感器0級(jí)、1級(jí)處理結(jié)果進(jìn)行預(yù)處理后,輸入BP網(wǎng)絡(luò)進(jìn)行目標(biāo)意圖的分類識(shí)別,將神經(jīng)網(wǎng)絡(luò)的輸出作為證據(jù),采用DS證據(jù)理論完成各時(shí)刻證據(jù)空間的時(shí)空域融合,仿真試驗(yàn)結(jié)果表明,該方法能有效克服專家主觀因素的影響,可有效應(yīng)用于海戰(zhàn)場中艦艇編隊(duì)?wèi)?zhàn)術(shù)態(tài)勢(shì)估計(jì)。

      [1]韓崇昭,朱洪艷,段戰(zhàn)勝.多源信息融合[M].北京:清華大學(xué)出版社,2006:475476.

      [2]趙宗貴,李君靈,王珂.戰(zhàn)場態(tài)勢(shì)估計(jì)概念、結(jié)構(gòu)與效能[J].中國電子科學(xué)研究院學(xué)報(bào),2010,5(3):226230.

      [3]沃茲,李納斯.多傳感數(shù)據(jù)融合[M].馬薩諸塞州波士頓出版社,1990.

      [4]霍爾,李納斯.多傳感器數(shù)據(jù)融合概述[J].IEEE論文集,1997,85(1).

      [5]霍爾,李納斯.多傳感器數(shù)據(jù)融合手冊(cè)[M].紐約:CRC出版社,2001.

      [6]斯坦伯格,波曼,懷特.回顧JDL數(shù)據(jù)融合模型[J].第三屆NATO/IRIS會(huì)議論文集,1998.

      [7]徐曉輝,劉作良.基于DS證據(jù)理論的態(tài)勢(shì)評(píng)估方法[J].電光與控制,2005,12(5):3637,65.

      [8]賈則,宋敬利,金輝,等.DS證據(jù)理論在戰(zhàn)術(shù)態(tài)勢(shì)估計(jì)技術(shù)中的應(yīng)用[J].計(jì)算機(jī)測量控制,2009,17(8):15711573.

      [9]李曼,馮新喜,張薇.基于模板的態(tài)勢(shì)估計(jì)推理模型與算法[J].火力與指揮控制,2010,35(6):6466.

      [10]谷文祥,李麗,李丹丹.規(guī)劃識(shí)別的研究及其應(yīng)用[J].智能系統(tǒng)學(xué)報(bào),2007,2(1):911.

      [11]杜菲菲,馮新喜.用于態(tài)勢(shì)評(píng)估的貝葉斯網(wǎng)絡(luò)研究綜述[J].電光與控制,2010,17(9):4247.

      [12]孫兆林.基于貝葉斯網(wǎng)絡(luò)的態(tài)勢(shì)估計(jì)方法研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2005,10:710.

      [13]Ruoff等.C3I態(tài)勢(shì)估計(jì)專家系統(tǒng):模型、方法與工具[M].指揮與控制科學(xué).AFCEA出版社,1998.

      [14]韓峰,楊萬海,袁曉光.一種有效處理沖突證據(jù)的組合方法[J].電光與控制,2010,17(4):58,13.

      [15]韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M].第二版.北京:化學(xué)工業(yè)出版社,2007,7:4752.

      [16]楊金寶,吳曉平.D-S證據(jù)理論在電路故障診斷中的應(yīng)用研究[J].計(jì)算機(jī)與數(shù)字工程,2012,40(12).

      [17]牛曉博,趙虎,陳新來.基于信息熵和概率神經(jīng)網(wǎng)絡(luò)的海戰(zhàn)場目標(biāo)識(shí)別[J].電光與控制,2010,17(4):8485.

      猜你喜歡
      態(tài)勢(shì)戰(zhàn)場證據(jù)
      戰(zhàn)場上的神來之筆
      C-130:戰(zhàn)場多面手
      貼秋膘還有三秒到達(dá)戰(zhàn)場
      意林(2020年20期)2020-11-06 04:06:14
      2019年12月與11月相比汽車產(chǎn)銷延續(xù)了增長態(tài)勢(shì)
      汽車與安全(2020年1期)2020-05-14 13:27:19
      匯市延續(xù)小幅震蕩態(tài)勢(shì)
      中國外匯(2019年19期)2019-11-26 00:57:36
      我國天然氣供需呈現(xiàn)緊平衡態(tài)勢(shì)
      對(duì)于家庭暴力應(yīng)當(dāng)如何搜集證據(jù)
      紅土地(2016年3期)2017-01-15 13:45:22
      手上的證據(jù)
      “大禹治水”有了新證據(jù)
      縣鄉(xiāng)一體化探索呈加速態(tài)勢(shì)
      404 Not Found

      404 Not Found


      nginx
      深水埗区| 福清市| 鹤岗市| 青铜峡市| 瓦房店市| 新乡市| 从化市| 随州市| 屯留县| 丹江口市| 浠水县| 佛冈县| 灌云县| 防城港市| 枣强县| 漳浦县| 汶川县| 确山县| 察雅县| 汉阴县| 丰城市| 枣阳市| 姜堰市| 丰城市| 郑州市| 大港区| 横山县| 北安市| 酉阳| 来宾市| 玉林市| 明光市| 济南市| 偏关县| 台东县| 彰化县| 乌拉特后旗| 济源市| 屏东县| 曲麻莱县| 尤溪县|