[发明专利]一种基于贝叶斯网络的空空导弹态势感知与决策方法

权利要求书

1.一种基于贝叶斯网络的空空导弹态势感知与决策方法，其特征在于，采用最小二乘法拟合当前量测数据，从而获得目标轨迹方程，完成目标机动轨迹的预测；当拟合精度达到要求时，将得到的目标轨迹方程在时间序列上进行延拓，实现机动目标的轨迹超前预测；再建立机动决策贝叶斯网络模型，将基于目标机动预测的攻击区信息作为网络的输入，通过网络推理得到决策信息。

2.如权利要求1所述的一种基于贝叶斯网络的空空导弹态势感知与决策方法，其特征在于，按照以下步骤实施：

步骤一、建立空空导弹机动决策贝叶斯网络，所述贝叶斯网络包括观测层、决策层和隐藏层，所述贝叶斯网络每一个节点的条件概率初始化为均匀分布；

其中，所述观测层包括导弹是否在发射时刻攻击区范围内的判定AZ、导弹方位角Q、弹目相对高度RH、相对高度变化率dRH、相对速度RV和相对速度变化率dRV六个证据节点，用于战场环境的实时感知；所述决策层的决策节点为导弹机动决策类型DM，用于输出满足导弹过载限制的导弹机动动作；所述隐藏层包括目标机动类型MT和空战态势评估SA两个中间节点，用于推断空战中被攻击目标的机动类型和整体的空战态势；所述SA分别连接至AZ、Q、RV和dRV，所述MT分别连接至Q、RV、dRV、RH、dRH，所述DM分别连接至SA和MT；

步骤二、利用经过空空导弹攻防对抗仿真系统验证过的符合实际空战规律的数据，对所述贝叶斯网络每一个节点的条件概率进行优化，从而得到完整的空空导弹机动决策贝叶斯网络；

步骤三、利用最小二乘法对空空导弹弹载传感器或中继制导平台在当前时刻之前所观测到的被攻击目标的坐标进行拟合，得到被攻击目标的轨迹方程，然后将轨迹方程在时间序列上进行延拓，实现目标轨迹的预测；

步骤四、将步骤三预测得到的目标轨迹中的运动参数作为贝叶斯网络的输入，通过贝叶斯网络的推理得到具有超前指导意义的导弹机动决策指令，在空空导弹自身导引信号的基础上进行实时地修正与补偿。

3.如权利要求2所述的一种基于贝叶斯网络的空空导弹态势感知与决策方法，其特征在于，所述步骤二中空空导弹攻防对抗仿真系统，包括导弹运动模型、目标运动模型、导弹和目标相对运动模型、制导律模型、导引头信息滤波模型以及基于黄金分割法的传统攻击区计算模型；通过将以上模型进行有效集成，得到了符合空空导弹空战攻防对抗规律的训练样本数据；再调用Matlab中内置的贝叶斯网络工具箱的参数学习函数，利用样本数据对参数进行优化，从而得到最终完整的空空导弹决策贝叶斯网络模型。

4.如权利要求2所述的一种基于贝叶斯网络的空空导弹态势感知与决策方法，其特征在于，所述步骤三具体为：分别采用线性函数、多项式函数和三角函数对目标运动轨迹进行拟合：

(1)线性函数

f(t)＝A₁t+A₂，

(2)多项式

f(t)＝p₁+p₂t+p₃t²+p₄t³...，

(3)三角函数

f(t)＝a₁sin(b₁t+c₁)+a₂sin(b₂t+c₂)+a₃sin(b₃t+c₃)+...。

其中，A₁,A₂,p₁,p₂,a₁,b₁,c₁等参数都是拟合函数的待定系数，调用Matlab曲线拟合工具箱“Curve Fitting Tool”对目标的机动轨迹进行拟合，从而得到目标的轨迹方程，然后将轨迹方程在时间上进行延拓，得到预测的目标轨迹。