一种基于动态贝叶斯网络的群目标意图识别方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115982560A(43)申请公布日2023.04.18(21)申请号202211605577.6(22)申请日2022.12.14(71)申请人南京航空航天大学地址210016江苏省南京市秦淮区御道街29号(72)发明人孔波陈坤杰陆翔赵家兴晋本周周福辉(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204专利代理师李淑静(51)Int.Cl.G06F18/20(2023.01)G06F18/2415(2023.01)权利要求书2页说明书7页附图6页(54)发明名称一种基于动态贝叶斯网络的群目标意图识别方法及系统(57)摘要本发明公开了一种基于动态贝叶斯网络的群目标意图识别方法及系统，所述方法包括：获取雷达探测信息包含的n个目标的属性和状态信息，提取与目标意图相关联的目标特征属性构成状态集合；将目标意图作为贝叶斯网络根节点，将与目标意图相关联的目标特征属性作为贝叶斯网络根节点下的子节点，基于各子节点之间的依赖关系获得贝叶斯网络拓扑结构；基于历史数据并结合专家知识确定各意图先验概率、条件概率和状态转移概率，确定动态贝叶斯网络模型；获取各特征属性相应的观测数据并进行预处理，确定节点变量对应的状态，基于动态贝叶斯网络模型进行意图识别。本发明的方法能实现在空间群层次上对目标蜂群进行分群，并同时在功能群层次上进行意图推理。CN115982560ACN115982560A权利要求书1/2页1.一种基于动态贝叶斯网络的群目标意图识别方法，其特征在于，包括以下步骤：获取雷达探测信息包含的n个目标的属性和状态信息，提取与目标意图相关联的目标特征属性构成状态集合；将目标意图作为贝叶斯网络根节点，将与目标意图相关联的目标特征属性作为贝叶斯网络根节点下的子节点，基于各子节点之间的依赖关系获得贝叶斯网络拓扑结构；基于历史数据并结合专家知识确定各意图先验概率、条件概率和状态转移概率，确定动态贝叶斯网络模型；获取各特征属性相应的观测数据并进行预处理，确定节点变量对应的状态，基于构建的动态贝叶斯网络模型进行意图识别，得到意图识别结果。2.根据权利要求1所述的方法，其特征在于，与目标意图相关联的目标特征属性包括目标距离D、目标雷达散射截面积R、目标轨迹类型M、辐射源类型P、目标类型T。3.根据权利要求1所述的方法，其特征在于，贝叶斯网络拓扑结构为：当子节点之间不存在依赖关系时，目标意图为根节点，与目标意图相关联的目标特征属性为根节点下的一级子节点；当子节点之间存在依赖关系时，根据依赖关系确定子节点之间的上下层结构，其中被依赖子节点在上层，依赖其他子节点的子节点在下层，目标意图为根节点，不依赖其他子节点的被依赖子节点为根节点下的一级子节点。4.根据权利要求2所述的方法，其特征在于，根据节点变量的状态集来确定节点变量对应的状态，节点变量的状态集为：目标距离D＝{一级防御区(D1)，二级防御区(D2)，三级防御区(D3)}目标雷达散射面积R＝{大(R1)，小(R2)}目标轨迹类型M＝{直线(M1)，圆(M2)，S弯(M3)，转向(M4)}辐射源类型P＝{无辐射源(P1)，雷达辐射源(P2)，干扰辐射源(P3)}目标类型T＝{固定翼飞机(T1)，多旋翼飞机(T2)，导弹(T3)}。5.根据权利要求1所述的方法，其特征在于，以P(TIi)表示第i种意图的先验概率，i＝1,2……,n，n为意图类型数目，由Aj表示属性，j＝1,2……m，m为属性个数，则意图i的条件概率为：其中P(A|TIi)表示意图i时，属性是A的概率；所述动态贝叶斯网络模型将P(TIi|A1,A2,…Am)乘以对应意图的先验概率P(TIi)得到后验概率，得到的后验概率作为下一个时刻的意图i的先验概率。6.一种基于动态贝叶斯网络的群目标意图识别系统，其特征在于，包括：数据提取模块，用于获取雷达探测信息包含的n个目标的属性和状态信息，提取与目标意图相关联的目标特征属性构成状态集合；贝叶斯网络构建模块，用于将目标意图作为贝叶斯网络根节点，将与目标意图相关联的目标特征属性作为贝叶斯网络根节点下的子节点，基于各子节点之间的依赖关系获得贝叶斯网络拓扑结构；2CN115982560A权利要求书2/2页动态贝叶斯网络模型确定模块，用于基于历史数据并结合专家知识确定各意图先验概率、条件概率和状态转移概率，确定动态贝叶斯网络模型；目标意图识别模块，用于获取各特征属性相应的观测数据并进行预处理，确定节点变量对应的状态，基于构建的动态贝叶斯网络模型进行意图识别，得到意图识别结果。7.一种计算机设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序