【技术实现步骤摘要】
本专利技术涉及区域防空，更具体地说，它涉及一种防空作战中大规模目标威胁评估方法。
技术介绍
1、目标威胁评估是作战指挥控制的关键环节，对指挥员下步进行决策提供重要依据，特别是在防空反导作战过程中，敌方空袭兵器数量、进攻来袭方向、空袭战术战法等存在极高的不确定性，针对敌方的逆梯度攻击，防守方极易处于被动地位，如何利用有限的防空资源最大化的达成作战目的，前提是需要评估不同目标的威胁程度，将防守资源进行最大化利用。同时在大场景区域联合作战中，信息数据量大且及其复杂，这对指挥控制系统的能力提出极高的要求，因此，在大场景区域联合防空作战中，一方面要解决如何利用有限的指控资源处理大量目标数据问题，另一方面如何优化现有的威胁评估方法，对军事问题适当抽象简化的前提下不掩盖战争问题博弈本质，既能对目标进行准确的威胁评估，又能给出全面评估结果，而并非简单威胁排序列表，最终使指挥员能够针对不同战场环境结合评估结果做出适应性决策，为指挥员选择战术战法提供依据。
2、目前，当来袭武器较少时，防空武器一般采用“先到先打”的评估及拦截原则，但是在大场景区域防空中，由于目标数目多，且威胁价值不等，在防守资源有限的情况下，集中资源首先对高价值目标进行拦截，以实现最大资源利用率。此时威胁评估就转化为多属性决策问题，多属性决策方法通过将多属性值进行量化，设置不同属性的权重矢量，最终通过单调的加权函数将多属性聚合，得到表征目标威胁度的单一值。此方法过度依赖属性权重的设定与修改，在作战过程中，不同作战场景和战场态势，指挥员需要考虑目标的属性特征，而该方法过度
技术实现思路
1、本专利技术的目的是为了解决上述问题，提供一种防空作战中大规模目标威胁评估方法，针对大规模复杂作战场景，提出改进天际线方法选择的威胁评估方法，首先进行聚类方法的设计，提出基于模糊理论的参数自适应密度网格聚类方法，对大规模目标进行处理，便于后续快速进行威胁评估；其次提出多级天际线选择方法，该方法避免了传统威胁评估方法的权值设定等复杂过程，消除权值设定过程中个人喜好等众多干扰因素；最后建立雷达图的多指标表示方法，为指挥员进行针对性决策提供依据。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：一种防空作战中大规模目标威胁评估方法，所述方法包括以下步骤：
3、s1：基于模糊理论的参数自适应密度网格聚类方法，对大场景目标进行聚类处理；
4、采用基于密度网格的k维聚类方法，对算法参数进行自适应改进，并通过墨滴扩散算法引入模糊逻辑的概念，使所述基于模糊理论的参数自适应密度网格聚类方法同时利用基于密度和基于网格聚类以及模糊逻辑的优势，对需要处理的复杂大量目标数据进行聚类处理；
5、s2：采用多级天际线选择方法，实现多目标威胁等级的判定；
6、s3：建立雷达图的多指标表示方法，给指挥员提供更加全面的目标信息，将各个属性统一进行呈现，为指挥员进行针对性决策提供依据。
7、本专利技术进一步设置为：所述s1基于密度网格的k维聚类方法，通过墨滴扩散算法引入模糊逻辑的概念，得到基于模糊的密度网格聚类方法，具体包括以下步骤：
8、s11：假定数据输入是k维，并在空间中指定为：
9、s＝s1×s2×...×sk (1)
10、其中si表示第i维，kids将s划分为k维k空间单元，又将每个si划分为pi个单元，数据空间s被划分为单元，每个单元被称为密度单元并且表示为g，g＝1,...,n，其中n是密度单元的数量，数据映射到密度单元g：
11、
12、gd是指映射数据记录的密度单元，其中d＝1,...,l是映射记录的数量；
13、s12：在将数据映射到网格单元之后，应用扩散算子；定义邻域半径以在该邻域中传播数据；对于每个gd，根据以下步骤执行扩散过程，重复l次；
14、(1)已选择gd单元之一，这个单元格用表示；然后选择最接近的gd，即：
15、
16、为给出和gd之间的距离，的小值被认为是具有中心的邻域半径，即：
17、
18、(2)数据点以墨滴扩散图案的形式分布在半径内，寻找在领域半径内的密度单元，邻域半径为：
19、
20、其中，假设每个数据点都包含关于其确切位置及其邻域的信息；除了单元，扩散效应也出现在周围的密度单元中；
21、(3)引入了密度矢量(d)，使用扩散算子将数据点的影响扩展到半径为的点的邻域；效应存储在向量d中，即邻域内所有网格单元的效应等于向量d中的
22、(4)矢量d的每个分量在数据围绕传播之后被更新，即：
23、
24、τ(.)是网格更新函数，起初将所有密度单元的密度向量归零；
25、假设数据点是随机分布的，并且不存在任何集群，即以及具有随机和独立的分布；对于每个遵循高斯分布；随机变量的概率密度由下式给出，其中μ是分布的平均值或期望值，σ2是方差：
26、
27、
28、
29、n是密度单元的数量，k是属性的数量；概率密度函数(pdf)表示为
30、fy(y)＝(n-1)g(y)(1-g(y))n-2 (10)
31、其中，和g(y)是高斯累积分布函数(cdf)；
32、(4)通过阈值判断d，并对d进行选取，使得值小于阈值的每个密度单元变为零；
33、
34、本专利技术进一步设置为：所述s1中参数自适应的kids聚类算法的改进包括以下步骤：
35、s1a：首先进行以下定义：
36、定义1：第j维数据的离散度hj，hj是数据集第j维数据离散度，可由下式计算
37、
38、sj和x_meansj分别是第j维数据的标准差和均值；
39、定义2：数据集的标准化离散度；其hs是数据集的标准化离散度，可由下式计算
40、
41、其中，d是数据集中数据对象的维度，hs是数值越小，表明数据集的离散度越大；
42、根据上式定义，能够确定维度分割参数m可由下式自适应计算
43、
44、式中，d是数据集中数据对象的维数，n是数据集的样本中的数据量，此方法能够根据不同数据集的数据分布情况，计算与其相适应的分割参数m，从而确定密度单元数量n
45、
46、其中maxj、minj分别为数据集s中第j维属性值的最大值和最小值；
47、s1b：在计本文档来自技高网...
【技术保护点】
1.一种防空作战中大规模目标威胁评估方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述S1基于密度网格的K维聚类方法，通过墨滴扩散算法引入模糊逻辑的概念，得到基于模糊的密度网格聚类方法，具体包括以下步骤：
3.根据权利要求2所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述S1中参数自适应的KIDS聚类算法的改进包括以下步骤：
4.根据权利要求1所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述S2中多级天际线选择方法通过在给定的评价对象集合T中选择天际线成员S，作为评价对象集合T的一个子集S，然后执行以下流程：系统初始化后，将集合T中第一个目标放入天际线集合Si，T中元素t与Si中元素s逐一比较，根据比较结果选择支配方式，所述支配方式包括t支配s、t与s互不支配和s支配t，所述t支配s方式为t加入Si，s加入P，所述t与s互不支配方式为t加入Si，所述s支配t方式为t加入P，s保留；支配完成后，令T为P，令P为空，判断T是否为空，T为空结束流程，T不为空，则重复
5.根据权利要求1所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述S3中雷达图的多指标表示方法包括以下步骤：
...【技术特征摘要】
1.一种防空作战中大规模目标威胁评估方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述s1基于密度网格的k维聚类方法，通过墨滴扩散算法引入模糊逻辑的概念，得到基于模糊的密度网格聚类方法，具体包括以下步骤：
3.根据权利要求2所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述s1中参数自适应的kids聚类算法的改进包括以下步骤：
4.根据权利要求1所述的一种防空作战中大规模目标威胁评估方法，其特征是：所述s2中多级天际线选择方法通过在给定的评价对象集合t中选...
【专利技术属性】
技术研发人员：刘祥雨，王刚，郭相科，付强，孙文，王思远，李腾达，赵敏睿，刘家义，刘伟，杨科，张锦，唐裕淞，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。