《考虑广义证据理论不完备识别框架的空战态势评估》2022西工大论文【Scientific Reports】

对于空战中的形势评估，由于新技术和未知或不确定的目标和威胁，可能存在不完整的信息。本文提出了一种改进的空战环境形势评估方法，考虑了证据理论中的不完全判别框架，以获得更准确的融合结果，用于战场环境中的决策。首先，用知识来评估空战的情况。然后，采用广义证据理论中的不完全辨别框架，即Dempster-Shafer证据理论的延伸，来模拟不完全和未知的态势评估。之后，采用广义证据理论中的广义组合规则进行智能空战中的态势融合。最后，态势评估中的实时决策可以达到采取行动的目的。在不完全和不确定的情况下进行的空战态势评估实验表明了所提方法的合理性和有效性。

图 1. 空中战场不完备态势下空战态势评估框架

引言

智能信息处理在物联网时代得到了广泛的应用。人工智能技术为智能空战带来了新的武器，如ALPHA软件系统。空战环境中的态势评估是成功防御和攻击的一个关键问题。然而，在空战的态势评估中存在着挑战，如不确定性和耦合因素。为了解决这些问题，有许多研究集中在提高空战态势评估的效率和准确性上。空战态势评估通常包括威胁评估，如对敌人军事意图的预测。现有的研究主要包括基于空间态势的双方目标威胁评估。贝叶斯网络被用来对态势评估环境进行建模，以更好地了解战场情况。一个基于模糊逻辑的态势评估系统被开发出来，以帮助飞行员在可能有多架友军飞机和/或敌军飞机的复杂空中场景中做出正确的决策。战斗机飞行员在空战中的态势评估知识被应用于贝叶斯网络中的人类态势评估模型，这是一个提高战斗机飞行员在空战中表现的新视角。其中，对空战数据的分类信心是基于一种新的算法，使用朴素贝叶斯理论进行建模。采用深度神经网络来预测空战环境中的以下情况，以提高无人机在空战中的获胜概率。由于技术的发展，特别是在人工智能的背景下，像ALPHA系统这样的新武器把我们带入了一个智能空战的新时代，Dempster-Shafer证据理论被应用于模型和融合态势评估。新武器意味着不确定、未知、不完整和新态势。需要信息融合技术来解决不确定的情况，包括不完整和未知的来源。

Dempster-Shafer证据理论是一个典型的信息融合的数学工具。它已被扩展并应用于许多实际领域，如智能决策、分类、聚类、供应商选择和风险分析。在Dempster-Shafer证据理论的基础上，提出了一些新的不确定信息建模和处理理论，例如，可转移信念模型、信念函数、证据推理理论、Dezert-Smarandache理论、D数、信念规则库模型和复杂质量函数。为解决因辨识框架不完整而可能出现的不完整信息和冲突信息融合问题，提出了广义证据理论，对不完整和未知对象进行建模和融合，在实际应用中效果良好。因此，本文选择广义证据理论对空战评估中的不完全情况进行建模和融合。

在空战的战场环境中，被评估的一些典型情况是攻击、防御、逃跑、巡航、侦察等等。由于战场环境的不确定性，人们无法清晰准确地评估所有的情况。例如，一项研究报告指出，有36种类型的演习，即使两架战斗机的信息清楚地显示在空间中，你也不能通过一个传感器或一个专家或一个传感器准确地弄清情况。信息融合是实时决策的必要条件。因此，需要一个数学工具来模拟不完整的态势评估。尽管Dempster-Shafer证据理论已被应用于态势评估的建模和融合，但潜在的不完整或未知态势被忽略了。本文采用广义的证据理论对不完备态势评估进行建模。

这项工作的以下章节组织如下。在 "序言"部分，介绍了证据理论和广义证据理论的一些基本概念。在 "不完备识别框架下的态势评估 "部分，提出了不完备态势评估的方法。"实验"部分给出了实验和实验结果。"结论"部分对该工作进行了总结。