[發明專利]一種基于活動語義文本消息的態勢智能認知方法

有效

• 申請號: 202210116918.7
• 申請日: 2022-02-08
• 公開（公告）號: CN114139550B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 耿虎軍;張文寶;楚博策;王梅瑞;韓長興;高曉倩;孟楠;姜巖松;高峰
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N7/00;G06N5/04
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶;曲佳穎

1.一種基于活動語義文本消息的態勢智能認知方法，其特征在于，包含以下步驟：

（1）基于正則表達式，對輸入的淺層態勢語義態勢消息的消息主體、時空屬性和行為狀態的內涵在語義層進行關聯融合，構建語義消息內容理解框架，并解析輸入的淺層態勢語義態勢消息中包含的各類態勢要素屬性的動態變化；其中，淺層態勢語義態勢消息內容包括復雜對抗場景中對敵方單元行為狀態的語義消息、敵方單元基本屬性的語義消息、敵方擔負任務的語義消息以及交戰環境的語義描述；

（2）基于步驟（1）中對語義消息內容理解框架的處理結果，定義不確定事件本體模型，之后針對各類態勢要素的隨機動態變化，對各類隨機不確定事件的觸發要素以及可能結果進行概率擴展，構建概率擴展的不確定事件模型；

（3）基于步驟（2）構建的概率擴展的不確定事件模型，對事件發生的不確定性、事件演變過程的不確定性和事件影響的不確定性進行抽象建模，構建靜態事件貝葉斯網絡；

（4）根據任務、子任務序列以及各任務主體間的交互判斷當前所處任務階段，并以此為軸，在步驟（3）中靜態事件貝葉斯網絡的基礎上，將各動態事件與各任務所處階段相結合，構建任務語義動態貝葉斯網絡模型，推斷各態勢要素狀態的未來變化趨勢；

（5）基于步驟（4）中任務語義動態貝葉斯網絡的推理結果，對敵方單元的任務遂行階段進行評估，并對敵方單元的部署態勢、行為活動以及活動意圖進行預測；

（6）結合己方各戰略目標的分布與己方兵力的部署狀態，在對敵方單元部署態勢、行為活動以及活動意圖的預測結果上，對敵方威脅態勢進行評估；

（7）將步驟（5）與步驟（6）中的敵方單元的部署態勢、行為活動預測、活動意圖預測以及威脅態勢預測的結果以語義消息的形式輸出。

2.根據權利要求1所述的基于活動語義文本消息的態勢智能認知方法，其特征在于，步驟（2）包括如下步驟：

（201）結合專家知識刻畫不確定事件領域中的態勢要素和要素間的相互關系，建立不確定事件本體模型；其中，不確定事件包含環境類不確定事件、要素狀態緩變類事件、要素狀態突變類事件和對抗活動類不確定事件；

（202）在步驟（201）構建的不確定事件本體模型基礎上，依據專家知識進行概率擴展，得到概率擴展的不確定事件本體模型；其中概率擴展過程為：構建模糊隸屬關系矩陣對每個事件的觸發要素、發生概率以及對涉及態勢要素狀態屬性的影響程度進行量化；其中專家知識包括建筑工事的抗毀損性、裝甲單位的抗毀損性以及武器與人員的殺傷性能。

3.根據權利要求1所述的基于活動語義文本消息的態勢智能認知方法，其特征在于，步驟（3）具體過程為：

依據步驟（2）中建立的概率擴展的不確定事件模型，構建貝葉斯網絡的節點，基于各事件的觸發要素、發生概率以及對涉及要素狀態屬性的影響，構建貝葉斯網絡節點的條件概率，形成靜態事件貝葉斯網絡；其中，節點的條件概率包含態勢要素與子事件、子事件與子事件、子事件與父事件以及父事件與父事件間的互相影響轉移概率。

4.根據權利要求1所述的基于活動語義文本消息的態勢智能認知方法，其特征在于，步驟（4）包括如下步驟：

（401）通過專家經驗或數據學習，根據任務、子任務序列以及各任務主體間的交互，從敵我兵力對比、敵我關鍵陣地的占領對比以及敵我任務目的達成情況進行判別，判別當前對抗局勢所處任務階段；

（402）根據步驟（401）得到的當前對抗局勢所處任務階段，對當前各不確定事件的觸發概率以及各類事件對態勢要素狀態屬性的影響程度，構造靜態事件貝葉斯網絡內的節點間條件概率狀態轉移概率矩陣，即對抗局勢狀態轉移概率矩陣；

（403）在步驟（3）中的靜態事件貝葉斯網絡基礎上，以對抗局勢所處戰略階段為軸，結合對抗局勢狀態轉移概率矩陣，構建任務語義動態貝葉斯網絡模型；其中，在同一任務階段切片內，貝葉斯網絡的拓撲結構、節點變量集和節點變量內部因果關系保持不變；

（404）結合任務語義動態貝葉斯網絡模型，對涉及到的各類態勢要素的狀態變化進行推理。