基于极限学习机的目标智能威胁感知技术
2020-09-11王永坤郑世友邓晓波
雷达科学与技术 2020年4期
王永坤,郑世友,邓晓波
(1. 中国航空工业集团公司雷华电子技术研究所, 江苏无锡 214063;2. 航空电子系统射频综合仿真航空科技重点实验室, 江苏无锡 214063)
0 引言
当前空战决策仍依赖飞行员对各类传感器获取的多维态势信息进行融合分析,并通过人为经验进行目标威胁估计,进而完成作战决策。这种传统作战方式下的感知与决策,一方面带有人为主观判断,易引发战场不确定性;另一方面,不利于加速OODA环的迭代,无法做到先敌发现、先敌攻击。此外,下一代空战环境的典型特点是无人化、智能化、体系化[1]。大型无人作战飞机将是未来空战的主角,智能化的目标威胁感知[2-3]作为大型无人作战飞机自主空战的关键支撑技术,是实现智能化空战[4-5]的基础。
针对未来智能化空战的典型关键技术需求,目标威胁估计技术获得了国内外学者的广泛研究。目前国内外研究较多的目标威胁估计方法有多属性决策法[6-7]、模糊逻辑法[8-11]、贝叶斯网络法[12-14]以及神经网络方法[15-17]等。多属性决策法[6]首先需要设定影响威胁评估的各态势因素固定权重值,不同的权重值设置对威胁评估结果有很大影响,算法鲁棒性较差。模糊逻辑法[9]算法复杂性较高,不适于工程应用。基于贝叶斯网络算法[12]的威胁估计重点在于推理估计各态势因子对目标威胁度的影响概率,当态势因子维度较高时,各影响因子的概率推理复杂度将会呈指数级上升。神经网络方法[15-16]本质上属于数据化方法,通常借助专家知识数据进行训练建模,实现对目标威胁度的自主感知。……
登录APP查看全文
