一種目標威脅程度評估方法
2023-06-12 22:37:11
專利名稱:一種目標威脅程度評估方法
技術領域:
本發明屬於數據融合技術領域,特別涉及一種目標威脅程度評估方法。
背景技術:
數據融合是一門信息綜合處理技術,它利用多源數據的互補性、冗餘性,對各傳感器提供的各種信息加以融合,從而提高數據的可靠性。威脅評估作為信息融合的一個應用方向,不論在交通,網絡安全還是在防空安全和防空作戰中,威脅程度評估越來越受重視。 在國際上,民用航空成為恐怖分子實施恐怖活動的首選目標,空防的範圍擴大到全世界,危及空防安全的對象將會變成高科技武裝甚至是武裝力量的直接攻擊。如何應對空防安全的新形勢,是對中國的民航企業提出的嚴峻考驗。隨著電子信息技術的應用,需要處理的信息日益增多,越來越複雜,對目標進行正確的威脅程度評估,有助於我方採取更好的措施保護生命和財產安全,減少不必要的損失,同時更有力的回擊對方,保證防空安全,因此對目標進行正確的威脅程度評估成了一個亟待解決的問題。應用於威脅程度評估具有代表性的方法主要有基於專家系統的方法、基於模板匹配的方法、基於品質因數的方法、基於多代理規劃識別方法等。專家系統構成很困難,需要專家與技術人員的緊密結合,並且無法模擬人的創造性思維,智能性不高;模板匹配的方法,知識結構常採用靜態結構,資料庫維護複雜;品質因數法開發和證實比較繁瑣;多代理規劃識別方法僅適用於可預測或可驗證的假設。
發明內容
本發明的目的是為了解決現有的目標威脅程度評估方法存在的問題,提出了一種目標威脅程度評估方法。本發明的技術方案是一種目標威脅程度評估方法,包括如下步驟Si.建立威脅評估量化模型,確定各威脅因素的威脅指數;S2.根據步驟Sl所述的威脅指數初始化BP神經網絡結構;S3.根據PSO算法確定BP神經網絡的初始權值和閾值;S4.根據步驟S3得到的初始權值和閾值,利用步驟Sl所述的威脅指數組成的訓練樣本對BP神經網絡進行訓練,得到訓練好的BP神經網絡;S5.利用步驟S4得到的BP神經網絡對步驟Sl所述的威脅指數組成的測試樣本進行測試,得到威脅評估程度。本發明的有益效果本方法通過把BP神經網絡和PSO算法結合起來對目標威脅程度進行評估,即是先通過PSO算法確定BP神經網絡的初始權值和閾值,進而加快了 BP神經網絡的收斂速度和收斂精度,可有效避免BP神經陷入局部極小值,在提高智能性的基礎上降低了複雜度。本發明的方法不僅可以避免繁瑣的數學計算過程,而且可以減小專家知識帶來的偏差,提高目標威脅程度預測的準確性。
圖1本發明實施例的空中兩架飛機飛行狀態示意圖。圖2本發明威脅程度評估方法神經網絡模型示意圖。圖3本發明威脅程度評估方法的流程示意圖。
具體實施例方式下面結合附圖和具體的實施實例對本發明作進一步的闡述。本發明以我機在空中飛行過程中發現目標為實例,二者狀態示意圖如圖1所示, 用本發明的方法判斷目標對我機的威脅程度。Si.建立威脅評估量化模型,確定威脅評估因素的威脅指數;在本實例中,威脅指數包括高度威脅指數,距離威脅指數、角度威脅指數、速度威脅指數,目標類型威脅指數,具體計算過程如下(1)高度威脅指數Thij
權利要求
1.一種目標威脅程度評估方法,其特徵在於,包括如下步驟51.建立威脅評估量化模型,確定各威脅因素的威脅指數;52.根據步驟Sl所述的威脅指數初始化BP神經網絡結構;53.根據PSO算法確定BP神經網絡的初始權值和閾值;54.根據步驟S3得到的初始權值和閾值,利用步驟Sl所述的威脅指數組成的訓練樣本對BP神經網絡進行訓練,得到訓練好的BP神經網絡;55.利用步驟S4得到的BP神經網絡對步驟Sl所述的威脅指數組成的測試樣本進行測試,得到威脅評估程度。
2.根據權利要求1所述的目標威脅程度評估方法,其特徵在於,所述的威脅指數包括 高度威脅指數,距離威脅指數、角度威脅指數、速度威脅指數,目標類型威脅指數。
3.根據權利要求1或2所述的目標威脅程度評估方法,其特徵在於,步驟S3所述的確定BP神經網絡的初始權值和閾值的具體過程如下(31)粒子群初始化在初始化範圍內,對粒子群進行隨機初始化,包括隨機位置和速度,根據初始化的BP神經網絡的結構,把BP網絡的權值和閾值個數作為每個粒子的維數, 對其進行實數編碼;(32)計算粒子適應度以BP網絡的訓練誤差絕對值之和作為每個粒子的適應度;(33)更新個體最佳適應度值對於每個粒子,將其適應度值與所經歷的最好位置的適應值進行比較,如果更好,則將其作為粒子的個體歷史最優值,用當前位置更新個體歷史最好位置;(34)更新全局最佳適應度值對於每個粒子,將其歷史最有適應度值與群體內或鄰域內所經歷的最好位置的適應度值進行比較,若更好,則將其作為當前的全局最好位置;(35)更新粒子的速度和位置速度和位置更新方程為
全文摘要
本發明屬於數據融合技術領域,公開了一種目標威脅程度評估方法。本發明的方法首先建立威脅評估量化模型,確定各威脅因素的威脅指數;然後利用威脅指數初始化BP神經網絡結構;再根據PSO算法確定BP神經網絡的初始權值和閾值;進而獲得威脅評估程度。本方法通過把BP神經網絡和PSO算法結合起來對目標威脅程度進行評估,即是先通過PSO算法確定BP神經網絡的初始權值和閾值,進而加快了BP神經網絡的收斂速度和收斂精度,可有效避免BP神經陷入局部極小值,在提高智能性的基礎上降低了複雜度。
文檔編號G06N3/08GK102298728SQ20111023653
公開日2011年12月28日 申請日期2011年8月17日 優先權日2011年8月17日
發明者全麗, 張偉, 張可, 陳華 申請人:電子科技大學