基于事件图的海战场情况数据融合方法与系统与流程

本申请涉及海战场情况数据分析技术领域，尤其涉及一种基于事件图的海战场情况数据融合方法与系统。

背景技术：

有效实施情况判断对作战指挥决策至关重要，由于战场情况数据来源广泛且不确定性较高，不同来源情况数据的结构和语义差异较大，在语义层面建立统一的结构模型是情况判断辅助决策亟待解决的问题。

情况判断又称为态势判断，是综合分析敌我双方部署、能力、行动等信息，研判敌情、我情和战场情况的过程，是军事决策的基础。受大数据环境的影响，情报分析走向计算的趋势越来越明显，海战场情况数据具有多源、异构、分布、不完备和准确度参差不齐等特性，如何运用多源信息之间的相关性，将不精确、不完整和不一致的战场情况信息融合成对敌方行动的一致性描述和解释，是计算机辅助情况判断的难点问题。基于本体的知识建模理论通过规范化和形式化表达知识中的概念结构，有利于复杂语义环境下的知识抽取、共享、重用和分析，这些正是计算机辅助情况判断所面对的主要任务。

情况数据蕴含了上述军事领域概念实例在特定时空范围内的关联，从本体模型角度来看不涉及到额外的军事领域概念，因此如何规范地形式化表达这些概念之间的关联关系，是基于本体研究海战场情况数据融合方法所面临的主要问题。战场情况数据可视为所观测到的战场事件的集合，主要价值在于为指挥员提供有关战场现状及其演化趋势的认知信息。

技术实现要素：

有鉴于此，本申请的目的在于提出一种基于事件图的海战场情况数据融合方法与系统，来解决现有技术中不能对不精确、不完整和不一致的战场情况信息融合成对敌方行动的一致性描述和解释的技术问题。

基于上述目的，本申请提出了一种基于事件图的海战场情况数据融合方法，包括：

获取多个战场情况数据，生成战场情况数据集；

利用战场情况本体模型对所述战场情况数据集中的战场情况数据进行一致性表达；

对一致性表达后的战场情况数据进行融合分析；

判断每个所述的战场情况数据的融合增益是否满足预设条件；

当每个所述的战场情况数据的融合增益满足预设条件时，停止融合分析，生成全面战场情况数据；

根据所述全面战场情况数据对海战场进行情况判断。

在一些实施例中，所述获取多个战场情况数据，可以由以下方式获取：

观测方式，从客观世界中获取战场情况数据；

转达方式，对事件数据的复述、转述和通报，以及

推测方式，对源事件进行加工、解译和推理形成新的事件数据。

在一些实施例中，所述战场情况本体模型，包括战场情况概念子模型、状态概念子模型和行为概念子模型。

在一些实施例中，所述战场情况概念子模型，综合考虑了战场情况数据及其获取方式，利用“事件”的概念对战场情况数据进行语义建模，包括主体、前置状态、后置状态、行动说明和状态关联五个属性要素，所述“事件”是系统演化过程中在一定时间和空间范围内被观测到的离散性、局域性动态过程。

在一些实施例中，所述状态概念子模型具有时间属性和空间属性，包括基本状态、重复状态和复合状态。

在一些实施例中，所述行为概念子模型记录了表达行为语义的关键谓词，根据关键谓词可以确定行为主体的行为的类别，所述行为的类别包括独立行为、单向行为和互动行为。

在一些实施例中，所述对一致性表达后的战场情况数据进行融合分析，具体地包括：

令x表示战场情况本体概念模型表达的情况数据对象，e^x表示x的属性{event}中的所有事件，c^x表示x的属性中的所有渠道，表示e^x的第i个元素，表示c^x的第j个元素，定义x的信度函数b(x)为在产生方式为c^x的条件下事件集合e^x的概率：

b(x)＝p(e^x|c^x)

如果e^x中的事件都相互独立且|e^x|＝n，则

其中表示事件的产生方式集合；

如果e^x中某些事件存在正相关，即其中表示与正相关的事件子集，表示中事件对应的产生方式集合。

在一些实施例中，在计算b(x)时可以用代替从而增加x的信度，假设有h份信息x1，…，xh，如果它们能够融合为一份信息则有

如果中产生了一些正相关事件集，则那么这种融合就是有效的。

在一些实施例中，利用下述算法进行情况信息融合：

定义融合增益函数以及令x＝{x1，x2，…，xm}表示情况信息集，而2^x表示x的幂集，针对2^x中的每一个元素计算融合增益，并令融合增益最大的元素为x^*，

若g(x^*)≤0，融合过程结束；否则按照式生成x^*对应的情况信息对象x^*，更新情况信息集x＝(x\x^*)u{x^*}。

基于上述目的，在本申请的另一方面，还提供一种基于事件图的海战场情况数据融合系统，包括：

战场情况数据获取模块，用于获取多个战场情况数据，生成战场情况数据集；

战场情况数据表达模块，用于利用战场情况本体模型对所述战场情况数据集中的战场情况数据进行一致性表达；

战场情况数据融合分析模块，用于对一致性表达后的战场情况数据进行融合分析；

融合增益判断模块，用于判断每个所述的战场情况数据的融合增益是否满足预设条件；

全面战场情况数据生成模块，用于当每个所述的战场情况数据的融合增益满足预设条件时，停止融合分析，生成全面战场情况数据；

情况判断模块，用于根据所述全面战场情况数据进行海战场情况判断。

本申请实施例提供基于事件图的海战场情况数据融合方法，包括：获取多个战场情况数据，生成战场情况数据集；利用战场情况本体模型对所述战场情况数据集中的战场情况数据进行一致性表达；对一致性表达后的战场情况数据进行融合分析；判断每个所述的战场情况数据的融合增益是否满足预设条件；当每个所述的战场情况数据的融合增益满足预设条件时，停止融合分析，生成全面战场情况数据，根据所述全面战场情况数据对海战场进行情况判断。实现了对不精确、不完整和不一致的战场情况信息融合成对敌方行动的一致性描述和解释。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例的基于事件图的海战场情况数据融合方法的流程图；

图2是本申请实施例的战场情况本体概念模型总体结构图；

图3是本申请实施例案例1的语义结构图；

图4是本申请实施例案例2的语义结构图；

图5是本申请实施例案例5的语义结构图；

图6是本申请实施例案例6的语义结构图；

图7是本申请实施例案例7的语义结构图；

图8是本申请实施例的情况融合后的语义结构图；

图9是本申请实施例的基于事件图的海战场情况数据融合系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，为是基于事件图的海战场情况数据融合方法的流程图。从图1中可以看出，本实施例中的基于事件图的海战场情况数据融合方法，可以包括以下步骤：

s101：获取多个战场情况数据，生成战场情况数据集。

基于事件概念来理解战场情况数据，数据的获取方式则被定义为事件的产生方式(eventchannel)，战场情况数据本质上来源于实际发生的客观事件，并通过各种渠道转换为情况判断人员接收到的事件数据，因此eventchannel可以视为事件数据的转换机制，具有“源事件”和“转换后事件”两个属性。事件产生方式可分为观测方式(detect)、转达方式(convey)和推测方式(infer)三类，其中detect对应于从客观世界中获取战场情况数据的各种过程(如观察、发现和探测等)，convey对应于对事件数据的复述、转述和通报等过程，infer对应于对源事件进行加工、解译和推理形成新的事件数据的过程。

在实际应用中，detect实例的“源事件”属性通常为空，因为该属性是客观事件；convey实例的“转换后事件”属性为空，因为它与“源事件”等价。另外，战场情况数据至少包括一个event和一个eventchannel，如“案例3”所示的战场情况数据就包括了全部三种渠道：

案例3：上级通报(convey)：巡逻机报告：在方位xxx，距离xx处发现(detect)潜望镜，判断(infer)为敌潜艇活动。

s102：利用战场情况本体模型对所述战场情况数据集中的战场情况数据进行一致性表达。

战场情况概念子模型是战场情况本体模型的表层结构，是战场情况(situation)概念的初级语义分解，其主要特点是综合考虑了战场情况数据及其获取方式，因为战场情况数据的获取方式往往是开展信度推理和关联分析的重要依据。在该子模型中，系统动力学视角的主要体现是利用“事件(event)”的概念对战场情况数据进行语义建模，“事件”是系统演化过程中在一定时间和空间范围内被观测到的离散性、局域性动态过程。

事件概念模型在新闻报道分析、故事语义理解和动态过程挖掘等方面得到了广泛研究，但这些研究主要基于行为学视角，以行为语义为核心构建事件本体，例如刘宗田等提出的六要素事件概念模型。但在军事战场情况数据中往往包含更复杂且更隐蔽的状态变化语义，因此本文采用了更直接的系统动力学状态变迁形式的事件概念模型，用主体、前置状态、后置状态、行动说明和状态关联五个属性要素进行建模。主体是事件所关注的海战场的实体，引用“实体”(entity)概念；“前置状态”和“后置状态”分别描述了事件发生前的起始状态信息和发生后的结果状态信息；“行动说明”描述了状态变迁的原因或过程，引用“军事行动”(militaryaction)概念；“状态关联”描述了前置状态与后置状态之间的关系，最终用于系统动力学语义表达的是状态概念及其相应的衍生概念，事件被抽象为一种特殊的状态，这与实际情况中“状态”概念的灵活运用和嵌套表达方式是一致的。在event实例中，有些战场情况数据表达的是发现的现象，而并未明确指出前后置状态的语义，此时将发现的现象作为后置状态，而前置状态和行动说明两个属性可以省略，它实际上表达了在系统中增加了新的由战场情况数据所描述的状态。具有“行动说明”的战场情况数据描述了目标从一种状态向另一种状态的变化，是一种完整的事件概念构成，在实际案例中这类战场情况数据通常表达了一种动态过程，此时往往需要分辨这种动态过程是否应按事件概念进行前后置划分，例如案例1，图3是本申请实施例案例1的语义结构图，可以归为目标发现战场情况数据，此时整个过程作为事件的后置状态，也可归为状态变迁战场情况数据。案例2展示了另一种常见战场情况数据，即对状态重复方式变更的描述，图4是本申请实施例案例2的语义结构图。

案例1：据侦察：4月14日，敌空军xxx师由xx1-转场xx2。

据侦察：4月下旬开始，红方飞机对xxx的战巡由平时的不定时改为每日上下午各1次，每次一批2架。

“状态(state)”是战场情况本体模型中的作为顶层抽象概念，主要考虑“时间属性(time)”和“空间属性(space)”，体现出情况判断过程中关注客观世界中实体的时空状态，而不关注实体心理活动状态的特点。这两类属性可以作为顶层本体库中时间本体和空间本体的实例进行进一步解构，本文仅以战场情况数据中相应的描述内容文本对其赋值。根据战场情况数据特征，本文基于state抽象概念派生了三类具体状态概念：“基本状态(basicstate)”、“重复状态(repeatstate)”和“复合状态(compositestate)”，它们除了基本的时空属性外，还具有自身的特有属性，分别阐述如下：

(1)基本状态(basicstate)

“基本状态(basicstate)”用于表达事件关注的实体对象不依赖其他对象所具有的时空属性，表达了主体的存在性。

(2)重复状态(repeatstate)

在某些情况下，某种常规状态自身并没有特殊含义，但其发生的频率或者空间分布却值得关注，从而成为一种由子状态(在时间上或空间上的)重复特征所构成的复杂状态，此时可以表达为repeatstate实例，它的特有属性包括事件所关注主体行为的“重复方式”，例如“案例4”中就蕴含了重复状态，其中词语“多次”表达了状态(出现不明国籍潜望镜)的重复特征。

案例4：7月30日以来，xxx附近海域多次(状态方式)发现不明国籍潜望镜。

(3)复合状态(compositestate)

“复合状态(compositestate)”概念的特有属性包括“子状态集”和“状态关联集”，其本质上是一类由子状态及其关联组成的状态图，可以灵活表达各种复杂的状态语义，basicstate和repeatstate实际上都是特殊的compositestate。这其中，“状态关联集”属性是概念“状态关联”(statelink)实例的集合，statelink表达了战场情况数据中描述的子状态之间的关系语义，体现于事件所关注实体的状态之间的时空关联关系。

“行为(militaryaction)”概念在动态过程描述中具有关键意义，作为基础抽象概念的militaryaction具有唯一的通用属性即“行为描述”，该属性记录了表达行为语义的关键谓词，在本文的模型中不对其进行进一步解构，但利用该描述符可以从其他领域本体中检索出更专业化的行为语义内涵。基于militaryaction抽象概念派生了三种子概念：独立行为(singleaction)、单向行为(directedaction)和互动行为(interaction)。

singleaction仅包含一个特有属性“主体”，它是支撑basicstate表达的关键概念，描述了主体不依赖于其他主体所表达出来的行为。

directedaction和interaction都表达了若干主体之间的动态关系，不同之处在于directedaction是由主动主体施加于被动主体的，而interaction中没有主动和被动之分，例如“攻击”行为就是典型的单向行为，而“交火”行为是典型的互动行为。

s103：对一致性表达后的战场情况数据进行融合分析。

战场情况数据的融合分析本质上是将以分布式方式采集的多份情况数据综合为一份更为全面的信息数据，战场情况的本体概念模型作为战场情况知识的一致性表达框架，可以以此为基础对分布式情况数据实施融合分析。令x表示战场情况本体概念模型表达的情况数据对象，e^x表示x的属性{event}中的所有事件，c^x表示x的属性{eventchannel}中的所有渠道，表示e^x的第i个元素，表示c^x的第j个元素。定义x的信度函数b(x)为在产生方式为c^x的条件下事件集合e^x的概率。

b(x)＝p(e^x|c^x)

如果e^x中的事件都相互独立且|e^x|＝n，则

其中表示事件的产生方式集合。

s104：判断每个所述的战场情况数据的融合增益是否满足预设条件。

s105：当每个所述的战场情况数据的融合增益满足预设条件时，停止融合分析，生成全面战场情况数据。

s106：根据所述全面战场情况数据进行海战场情况判断。

如果e^x中某些事件存在正相关，即其中表示与正相关的事件子集，表示中事件对应的产生方式集合。则我们在计算b(x)时可以用代替从而增加x的信度。假设有h份situation信息x1，…，xh，如果它们能够融合为一份situation信息则有

如果中产生了一些正相关事件集，则那么这种融合就是有效的。定义融合增益函数以及令x＝{x1，x2，…，xm}表示情况信息集，而2^x表示x的幂集，可以利用下述算法进行情况信息融合：

a.针对2^x中的每一个元素计算融合增益，并令融合增益最大的元素为x^*

b.若g(x^*)≤0，融合过程结束；否则转入c

c.按照(1)式生成x^*对应的情况信息对象x^*

d.更新情况信息集x＝(x\x^*)u{x^*}。

目标发现战场情况数据是最典型的侦察战场情况数据，以观测到某个或某些特殊目标为主要内容(如案例5)，可能还会附加简单的判断(如案例6)。本文在案例文本中添加了简单的概念标注，根据前文分析，目标发现战场情况数据的内容对应于事件的后置状态，而前置状态和行动说明可以省略。图5是本申请实施例案例5的语义结构图；图6是本申请实施例案例6的语义结构图。

案例5：据我渔民报告：8月25日1900时，在xxx处发现潜望镜。

案例6：据我渔民报告：9月7日1530时，在xxxx处发现可疑渔船2艘，判断为敌电子侦察船。

如果在案例5、6的基础上又收集到另一条情况信息如案例7，则其语义结构如图7所示，图7是本申请实施例案例7的语义结构图。

案例7：据我渔民报告：9月7日1630时，在xxxx处发现潜望镜。

由上述三条情况信息组成的集合为x＝{x1＝(案例3)，x2＝(案例4)，x3＝(案例5)}，而根据分析，(x2，x3)与x1存在正相关，表示敌方潜艇在侦察船的掩护下进行活动，那么根据前述融合算法将生成新的情况信息：x^*＝x1∪x2∪x3，它可以表达为图8所示结构，图8是本申请实施例的情况融合后的语义结构图。

通过本申请实施例的方法，实现了对不精确、不完整和不一致的战场情况信息融合成对敌方行动的一致性描述和解释。

如图9所示，是本申请实施例的基于事件图的海战场情况数据融合系统的结构示意图。本实施例的海战场情况数据的融合分析系统，包括：

战场情况数据获取模块901，用于获取多个战场情况数据，生成战场情况数据集；

战场情况数据表达模块902，用于利用战场情况本体模型对所述战场情况数据集中的战场情况数据进行一致性表达；

战场情况数据融合分析模块903，用于对一致性表达后的战场情况数据进行融合分析；

融合增益判断模块904，用于判断每个所述的战场情况数据的融合增益是否满足预设条件；

全面战场情况数据生成模块905，用于当每个所述的战场情况数据的融合增益满足预设条件时，停止融合分析，生成全面战场情况数据；

情况判断模块906，用于根据所述全面战场情况数据进行海战场情况判断。

本实施例的系统能够取得与上述方法实施例相类似的技术效果，这里不再赘述。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。