机动目标模型研究与发展综述
目标检测算法在交通场景中应用综述
目标检测是计算机视觉领域重要的研究分支，是目标识别、跟踪的基础环节，其主要研究内容是在图像中找出感兴趣目标，包括目标定位和分类。
其中，交通场景目标检测识别是计算机视觉领域研究的热点问题，其目的是运用图像处理、模式识别、机器学习、深度学习等技术在交通场景中检测识别出车辆、行人等交通场景目标信息，达到智能交通、自动驾驶的目标。
传统目标检测方法通常分为三个阶段：首先在图像中选择一些候选区域，然后在候选区域中提取特征，最后采用训练的分类器进行识别分类。
然而，该方法操作复杂，精确度不高且训练速度慢，误检率较高，在实际工程应用中不易实现。
因此，在卷积神经网络快速发展的背景下，研究人员提出基于深度学习的目标检测算法，该方法实现了端到端检测识别，具有很好的实际意义。
如今基于深度学习的目标检测算法已成为机器人导航、自动驾驶感知领域的主流算法。
1目标检测算法综述目标检测算法可以分为基于候选区域（两阶段）和基于回归（一阶段）两类。
两者最大的区别是前者通过目标检测算法在交通场景中应用综述肖雨晴，杨慧敏东北林业大学工程技术学院，哈尔滨150040摘要：目标检测是计算机视觉领域的重要研究任务，在机器人、自动驾驶、工业检测等方面应用广泛。
在深度学习理论的基础上，系统性总结了目标检测算法的发展与研究现状，对两类算法的特点、优缺点和实时性进行对比。
以交通场景中三类典型物体（非机动车、机动车和行人）为目标，从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测和重识别六个方面分别论述和总结目标检测算法检测识别交通场景目标的研究现状与应用情况，重点介绍了各类方法的优势、局限性和适用场景。
归纳了常用目标检测和交通场景数据集及评价标准，比较分析两类算法性能，展望目标检测算法在交通场景中应用研究的发展趋势，为智能交通、自动驾驶提供研究思路。
关键词：目标检测；深度学习；交通场景；计算机视觉；自动驾驶文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2011-0361Research on Application of Object Detection Algorithm in Traffic SceneXIAO Yuqing,YANG HuiminCollege of Engineering and Technology,Northeast Forestry University,Harbin150040,ChinaAbstract：Object detection is an important research task in the field of computer vision.It is widely used in robotics,auto-matic vehicles,industrial detection and other fields.On the basis of deep learning theory,the development and researchstatus of object detection algorithm are firstly systematically summarized and the characteristics,advantages,disadvantages and real-time performance of the two categories of algorithms are compared.Next to the three kinds of typical targets （non-motor vehicles,motor vehicles and pedestrians）as objects in the traffic scene,the research status and application of object detection algorithm for detecting and identifying objects are discussed and summarized respectively from six aspects in traffic scene：traditional detection method,object detection algorithm,object detection algorithm optimization,3d object detection,multimodal object detection and re-identification.And the application of focus on the advantages,limitations and applicable scenario of various methods.Finally,the common object detection and traffic scene data sets and evalua-tion criteria are summarized,the performance of the two categories of algorithms is compared and analyzed,and the devel-opment trend of the application of object detection algorithm in traffic scenes is prospected,providing research ideas for intelligent traffic and automatic vehicles.Key words：object detection;deep learning;traffic scene;computer vision;autonomous vehicles基金项目：中央高校业务经费（2572016CB11）。
探测、跟踪与侦察
,
一
并 进 行 了计 算 机仿 真
,
。
参
与
在无 源干扰 中的特性 研究 刊 中〕王 宏
,
一
喜 刀 光 电 技术 应 用 详细对 比了 通过 对 与
一
一
与
在 无 源 千 扰 中 的性 能
,
,
基于 到 达 时 差 法 的 目标 定 位 系统 〔 中 〕 曹 学 斌 刀指 刊 挥 控 制 与仿 真
,
一
,
系统 组 成 的 基 础 上 给 出 了 读 写 器 的软 硬 件设 计 流 程 重 点 阐 述 了 对 接 收 信 号 的软 件 处理 以 及 反 冲 撞 功能 的 实现 方 法
, 。
从 模 拟 天 线 多模 馈 源 产 生 的 和 差 信 号 出 发 通 过 理论 分 析 提 出 了对 接 收 信 道 进 行 有 线 相 位 校 准 的 方 法 该 方 法 实 施 简 单 操 作 容 易 有利 于 保障设 备 的 跟
。
一
式 由于 其 机理 简单 干 扰效 果 显 著 而 越 来 越 受 到 人 们 的关 注 文 中 介 绍 了 多 假 目 标 干 扰的 机 理 提 出 了 威
、 、 、
标时 可 消 除有 效 声 速 的 影 响 最 后 给 出 了 几 组 实 验 结果 证 明 了此 系统 的可行性 但对 近 距 离 目 标的 定位 结 果 较 差 模 型需 进 一 步 研 究 参
。
参
基 于 数 据 流 处 理 的 雷 达 对 抗 仿 真 系统 〔 中〕 安 红 刊 现 代雷 达
,
一
一
,
一
,
一
基 于 数据 流 处 理 的 雷 达 对 抗 仿真 系统 通 过模 拟 雷 达 和 雷 达 对抗 装 备 各 个 关 键 环 节 和 功 能模块 对 信 号 数 据 流 的 处理 过 程 建 立 完 整 的 雷 达 与雷 达 对 抗 装 备 之 间 信息 流 动 与 处理 的 动 态 闭 环 仿 真 环 境 为 研 究 雷 达 的 抗 干 扰能力和 雷达 对 抗 装备 的干 扰 能 力 提供 了灵 活 的仿 真 试 验 平 台
矿产
矿产资源开发利用方案编写内容要求及审查大纲
矿产资源开发利用方案编写内容要求及《矿产资源开发利用方案》审查大纲一、概述
㈠矿区位置、隶属关系和企业性质。
如为改扩建矿山, 应说明矿山现状、
特点及存在的主要问题。
㈡编制依据
(1简述项目前期工作进展情况及与有关方面对项目的意向性协议情况。
(2 列出开发利用方案编制所依据的主要基础性资料的名称。
如经储量管理部门认定的矿区地质勘探报告、选矿试验报告、加工利用试验报告、工程地质初评资料、矿区水文资料和供水资料等。
对改、扩建矿山应有生产实际资料, 如矿山总平面现状图、矿床开拓系统图、采场现状图和主要采选设备清单等。
二、矿产品需求现状和预测
㈠该矿产在国内需求情况和市场供应情况
1、矿产品现状及加工利用趋向。
2、国内近、远期的需求量及主要销向预测。
㈡产品价格分析
1、国内矿产品价格现状。
2、矿产品价格稳定性及变化趋势。
三、矿产资源概况
㈠矿区总体概况
1、矿区总体规划情况。
2、矿区矿产资源概况。
3、该设计与矿区总体开发的关系。
㈡该设计项目的资源概况
1、矿床地质及构造特征。
2、矿床开采技术条件及水文地质条件。
高精度机动目标快速无源定位装备技术发展综述
吴小强 ： 高精度机动 目标快速无源定位装备技术发展综述
总第 ２ ９ ０ 期
两个天线和一台个人计算机 。它能够探测野外环
境 中 １ ～ １ｋ 外 的地 面 目标 以及 １０ ｍ 外 的大 ０ ５ｍ ０ｋ 型飞机 。在 用于 地面 防空时 ， 其相 控 阵接 收机 可 采 用展 开 的结 构 形 式 或集 成 在 伪 装 网 中 。当用 于 无
吴 小强
（ 海军驻连云港 ７ ６所军事代表室 １ 连云港 ２２０） ２ ０ ６
摘
要
该文介绍 了外军信息 战高精度机动 目标快速定位技术发展 状况 ， 分析 了其技 术性能特 点， 出了发展我军信 提
息战高精度机动 目标快速无 源定位 装备及技术发展建议 ， 我军信息战装备技术的发展具有一定 的参考价值 。 对 关键词 信息战 ； 机动 目标 ； 源定位 无
长、 短基线干涉仪定位技术 、 到达时差定位技术 、 多 普勒频差定位技术和利用 商用无线 电信 号的无 源
定 位 技术 。正 在大 力开 发研 制新 型 无 源探 测 系统 ，
系统 ”Ｃ Ｌ ＤＡＲ） （Ｅ Ｌ 能够 利 用商 用 移 动 电话 网络所 形成 的电磁传 输 场 ， 陆上 、 上 和空 中 的移 动 目 对 海 标进 行 隐蔽探 测 、 跟踪 和识别 。 该 系统类 似 于美 国 洛克 希 德 ・马丁 公 司研 制 的“ 寂静 哨兵 ” 多基 地无 源探 测 系统 ， 能够 对空 间 它 运动 物体 进 行 远 距 离 、 性 能 和低 成 本 的 实 时 探 高 测 ， 时具有探 测 在树丛 中运 动 的 车辆或 直 升机 以 同
Ｋ ｙ Ｗ ｏ ｄ ｉｆ ｒ ａｉｎ ｃ ｕ ｔｒ ｅ ｓ ｒ ｅ ｒ ｓ ｎｏ ｍ ｔ ｏ ｎ ｅ ｏ ｍ ａ ｕ ｅ，ｍｏ ｉ ｇ ｔ ｒ ｅ ，ｐ ｓ ｉ ｅ ｌ ｃ ｔｏ ｖ ｎ ａ ｇ ｔ ａ ｓｖ ｏ ａ ｉｎ Ｃｌ ｓ ｍ ｂ ｒ ＴＮ９ ２ ａ ｓ Ｎｕ ｅ ２
地面典型车辆雷达目标识别技术综述
兵等建立了微动部件的回波模型[6-7],假设有 N 个散射点均匀分布
在圆周上,则 N 个散射点将有 N 个不同的初始转角,对于 N 个散
射点的微动回波信号可以表示为:
s
t
N Ak
e jnk J n
k 1
n
e jnt
(5)
其中, 为角频率; Jn 为第一类 n 阶贝塞尔函数,
收稿日期:2020-04-12 作者简介:蔡红军(1982 —),男,河南商丘人,博士,高级工程师,研究方向:雷达图像处理,雷达目标识别。
对于履带,黄健等考虑到主动轮、诱导轮、负重轮的布局和相对 位置,将履带车辆分为三类并给出了微动部件回波模型[8-9],如图2所 示。第一类为一般的简单履带式车辆结构,履带外部无附属部件,履 带及其运动部分各部件暴露在外部;第二类为采用主动轮和负重轮 悬挂而不承受车体重量的结构,此结构可提高履带式车辆的越野机 动性能和结构的可靠性;第三类为军用履带式车辆结构,通常都具 有裙板、翼字板等结构,此结构会导致诱导轮的一部分和履带的整 个上半部分被裙板或翼字板遮盖,电磁波不可见。
对目前地面车辆目标特征提取及分类方法进行梳理总结,最后对地面车辆目标识别技术的发展趋势进行展望,预期为地面车辆目标的分类
识别研究提供参考和借鉴。
关键词: 履带式坦克；轮式车辆；地面目标；目标识别
中图分类号:TN957.52
文献标识码:A
文章编号:1007-9416(2020)05-0214-03
0 引言
蔡红军 吴昭 (中国电子科技集团公司第三十八研究所孔径阵列与空间探测安徽省重点实验室,安徽合肥 230088)
摘要:地面目标识别是雷达目标识别的一个重要方面,战场上轮式车辆如运输车,负责各种物资的运输,而履带式车辆如各型号主战坦
救援车辆多目标实时路径规划模型
救援车辆多目标实时路径规划模型1. 引言1.1 背景救援车辆多目标实时路径规划模型是一种应用于救援行业的关键技术，可以帮助救援车辆在紧急情况下高效地到达多个目标地点。
随着城市化进程的加快，交通拥堵、交通事故等问题也日益严重，给救援工作带来了很大挑战。
传统的路径规划方法往往只考虑单一目标的情况，无法很好地适应多目标的复杂情况。
研究救援车辆多目标实时路径规划模型具有重要意义。
通过优化路径规划，可以有效减少救援车辆的行驶时间，提高救援效率，减少损失。
该模型还可以帮助救援人员更好地协调救援工作，提高应对突发事件的能力。
在当前科技发展迅速的背景下，利用先进的算法和技术，研究救援车辆多目标实时路径规划模型，不仅可以提升救援工作的效率和质量，还可以为相关研究领域提供更深入的探索和应用。
对于救援车辆多目标实时路径规划模型的研究具有重要的现实意义和实用价值。
1.2 研究目的【研究目的】：救援车辆多目标实时路径规划模型的研究目的主要包括以下几个方面：1. 提高救援效率：通过设计合理的路径规划模型，能够有效提高救援车辆的调度效率和行驶效率，使得救援车辆能够更快速地到达事故或灾害现场，从而最大程度地减少伤亡和财产损失。
2. 优化资源配置：通过准确的路径规划，可以避免资源浪费和重复调度，实现资源的最优配置，提高救援效率同时降低成本。
3. 提高道路使用效率：救援车辆需要快速通行道路，而路况的复杂多变性可能会导致交通拥堵和延误。
设计合理的路径规划模型可以提高道路的使用效率，减少交通拥堵和延误。
4. 兼顾多目标需求：救援车辆在执行任务时可能需要兼顾多个目标，如尽快到达现场、避免拥堵、保证交通安全等。
本研究旨在设计一种能够充分考虑多目标需求的路径规划模型，以提高救援车辆的整体执行效率和综合效益。
1.3 研究意义救援车辆多目标实时路径规划模型的研究意义在于提高救援工作的效率和准确性。
随着人口的增多和城市的发展，在应对突发事件时需要救援车辆快速到达事发现场并进行救援操作。
主要业绩综述和工作设想怎么写
主要业绩综述和工作设想怎么写全文共四篇示例，供读者参考第一篇示例：随着时代的变迁，每一个职场人士都在不断追求自己的成长和发展，不断为公司创造更大的价值。
在工作中，我们更需要总结和归纳自己的主要业绩，并对未来的工作设想进行规划。
本文将围绕主要业绩综述和工作设想展开讨论。
一、主要业绩综述在过去的工作中，我积累了丰富的经验和取得了一定的成绩，以下是我个人的主要业绩综述：1. 在业务拓展方面，我参与了公司一项重要的市场调研和策划活动，成功开拓了新的客户群体，为公司带来了可观的业绩增长。
2. 在团队管理方面，我担任过项目组组长的职务，有效地协调团队成员的工作，提高了工作效率，项目也在预期时间内顺利完成。
3. 在技术创新方面，我跟我团队一起提出了一些创新性的解决方案，并成功地应用到了工作实践中，为公司节约了成本，提高了工作效率。
4. 在客户服务方面，我与客户保持着良好的沟通和合作，解决了一些复杂的问题，提高了客户满意度和忠诚度。
以上是我在工作中取得的主要业绩，这些成绩的取得离不开团队的协作和支持，也是公司发展和经济效益的体现。
在未来的工作中，我会继续努力，为公司创造更大的业绩。
二、工作设想在未来的工作中，我有以下几点设想：1. 拓展业务：继续积极参与公司的业务拓展和市场调研，寻找新的商机和合作机会，为公司开拓更多的业务渠道。
2. 提高管理水平：继续提高自己的管理水平，学习更多的管理知识和技巧，提高团队的凝聚力和执行力。
3. 技术创新：加强技术学习和创新意识，主动研究行业最新技术动态，通过技术创新提高工作效率和产品质量。
4. 客户服务：加强与客户的沟通和合作，注重客户需求的反馈，不断改进工作流程和服务质量，提高客户满意度和忠诚度。
5. 团队建设：注重团队建设和伙伴关系的培养，拉近团队成员之间的距离，增强团队的凝聚力和向心力。
通过对主要业绩的综述和未来工作的设想，我们不仅能够总结经验，也能够为未来的工作做好充分的准备。
全轮转向移动机器人运动学建模及机动性研究
全轮转向移动机器人运动学建模及机动性研究随着科技的不断发展，移动机器人在工业、军事、医疗等领域的应用越来越广泛。
全轮转向移动机器人作为一种灵活且机动性强的机器人，受到了研究者们的广泛关注。
全轮转向移动机器人具备四个独立驱动的轮子，并且每个轮子均可独立转动。
这种机构设计使得机器人可以在水平面上实现前进、后退、平移、旋转等多种运动方式，具备了较强的机动性。
因此，对全轮转向移动机器人的运动学建模及机动性研究显得尤为重要。
首先，对全轮转向移动机器人进行运动学建模。
运动学建模是描述机器人运动的数学模型。
对于全轮转向移动机器人而言，需要考虑每个轮子的转角以及机器人的速度控制。
通过建立适当的数学模型，可以得到机器人的位姿与轮子转动之间的关系。
运动学建模不仅可以帮助我们理解机器人的运动规律，还可以为机器人的路径规划、运动控制等方面提供基础支持。
其次，研究全轮转向移动机器人的机动性。
机动性是指机器人在运动过程中的灵活性和可操作性。
全轮转向移动机器人由于具备独立转动的轮子，因此可以实现更加复杂的运动方式，如平稳的转弯、精准的定位等。
通过研究机器人的机动性，可以优化机器人的运动控制算法，提高机器人的运动能力。
最后，应用全轮转向移动机器人的运动学建模及机动性研究成果。
全轮转向移动机器人的应用领域十分广泛，如工业生产线上的物料搬运、仓库内的货物整理、医院内的病床运送等。
通过研究全轮转向移动机器人的运动学建模及机动性，可以为这些应用场景提供技术支持，实现自动化、智能化的操作。
综上所述，全轮转向移动机器人的运动学建模及机动性研究对于提高机器人的运动能力、优化运动控制算法具有重要意义。
通过深入研究，我们可以更好地理解和应用全轮转向移动机器人，为各个领域的自动化操作提供强有力的支持。
机动目标模型研究与发展综述
第２ ８巷
３期
指挥 控制 与仿 真
Ｃ ｏ ｍ ａ ｄ Ｃｏｎｒ ｍ ｎ ｔｏＩ＆ Ｓｉ ｍｕｌｔｏｎ ａｉ
Ｖ １ ８ Ｎｏ ３ ｏ． ２ ． Ｊ ｎ２ ０ ｕ ．０ ６
２ ０ Ｆ６月 ０ ６‘
文 章 编 号 ： １７ ．８ ９２ ０ ）３０ １．４ ６ ３３ １（０ ６０ ．０ ２０
机 动 目 标 模 型 研 究 与 发 展 综 述
潘 平俊 ， 冯新 喜 ，赵 晓 明
（ 军 程 大 学 电 讯 Ｉ 学 院 ，陕 西 西 安 ７ ０ ７ 空 ： 程 １ ０ ７） 摘 要 ：对 机 动 目标 模 型 的 研 究 与 发 展 进 行 了 回顾 ，指 出 了各 个 模 型 的 局 限 性 ，重 点 对Ｓｎ ｅ模 型 和 “ ｉｇ ｒ 当前
该模 型将 目标 的运 动先 验地定 义 为简单 的匀速
Ｃ （ ｏ ｓ ｎ Ｖ ｌｃｔ）或 匀 加 速 Ｖ Ｃ ｎｔ ｔ ｅｏ ｉ ａ ｙ Ｃ Ｃ ｎｔ ｔ Ａ（ ｏ ｓ ｎ ａ
Ａ ｃｌｒｔ ｎ运 动 ，机 动被看作 是一种 随机 的输入 ， ｃｅｅａｉ ） ｏ
其 大小体 现在过 程 噪声 的协方 差矩 阵之 中 。该模 型
型各具 特 点 。下 面对 其 中一 些典 型模 型进行分 析 。
１１ Ｃ ． Ｖ、Ｃ Ａ模 型 和 Ｓ ｌ ｓ ｙ模 型 ｋｎｋ ａ
任何 跟踪算 法都 是 以 目标 运 动的某 个或某 些模 型 为基础 的 ，而物体 的动态模 型 又是 以各种几 何运
动规 律 （ 直线运 动 、曲线运 动 ）为基础 的 。这 里 如 牛顿定 理是 描述 目标 运 动规 律 的基础 。建 立机 动 目 标 模 型的一般 原则是 所建立 的模 型既 要符合 机动 实
态势认知问题研究综述
DOI:10.19551/ki.issn1672-9129.2021.09.129态势认知问题研究综述黄润宇1㊀刘兆鹏2㊀吕明辉2㊀何歆媛3(1.军事科学院研究生院㊀北京㊀100080;2.军事科学院战争研究院㊀北京㊀100080;3.北京信息科技大学经济管理学院㊀北京㊀100080)摘要:本文分析了态势认知相关概念,研究了态势生成㊁体系分析㊁态势估计㊁态势智能认知的研究成果,提出了态势认知领域面临的挑战㊂关键词:态势认知;态势生成;态势估计;态势体系分析;态势智能认知A review of research on situation cognitionHUANG Runyu,LV Minghui,LIU Zhaopeng(Graduate School,Academy of Military Science,Beijing100091,China) Abstract:This paper analyzes the concepts related to situation cognition,studies the research results of situation generation,system a-nalysis,situation estimate,situation intelligent cognition,and puts forward the challenges facing the area of situation cognition. Key words:Situation cognition;situation generation;situation estimation;situation system analysis;intelligence situation cognition.中图分类号:E91㊀㊀㊀文献标识码:A㊀㊀㊀文章编号:1672-9129(2021)09-0131-03㊀㊀引言:态势是指敌我双方部署和作战行动所形成的状态和形势,包括敌情㊁我情和战场环境三个关键要素㊂态势认知(Situation Congnition)是指挥员在实施作战指挥控制过程中,对态势的感知㊁理解和预测[1]行为,贯穿 观察(Ob-serve) 判断(Orient) 决策(Decide) 行动(Act) 全过程,具有很强的主观性㊂随着信息技术的飞速发展,大量预警探测和传感设备应用于战场,态势面临的数据量大㊁时效性高㊁多源异构㊁时空复杂㊁数据表征层次较低等问题越来越突出,根据认知心理学中人的注意力为7ʃ2的特征,指挥员难以仅靠态势感知手段和个人能力及时认知态势㊁准确做出决策㊂因此,如何全面㊁高效㊁准确地融合各域瞬息万变的态势信息,实现态势智能认知,为指挥员提供快捷高效的决策支持,已成为当前态势研究的重难点问题㊂本文在辨析态势㊁态势感知和态势认知概念的基础上,按照态势认知实现流程从态势生成㊁态势分析和态势智能认知3个方面,阐述了当前态势认知领域研究现状,分析了当前态势认知面临的主要挑战㊂1㊀态势㊁态势感知和态势认知1.1态势的概念㊂态势可以分为 态 和 势 两部分,其中 态 是指对作战全域内敌我双方兵力部署㊁交战情况㊁战场环境等信息的获取㊁融合和表达; 势 是指根据所获取的实时作战信息对敌方下步作战意图进行识别和预测,是直接观察信息之外的隐含信息㊂态势的形成可以理解为指挥员对战场情况认知和理解的过程,是指挥员对作战知识状态的动态掌握㊂不同指挥员,由于其所处的指挥层级㊁作战任务和知识经验等差异,即使面对相同的战场环境,也会在各自的大脑中产生不同的态势理解㊂1.2态势感知㊂1995年,前美国空军首席科学家Ends-ley将态势感知定义为, 对一定时空范围环境中诸元素状态的感知,对他们含义的理解及对他们未来状态的预测 [2],并提出了三级态势感知模型,又称Endsley态势感知模型㊂该模型包含两大部分,即态势感知的核心模型和影响态势感知的相关因素㊂态势感知核心模型将态势感知分为态势察觉(perception)㊁态势理解(comprehension)㊁态势预测(pre-diction)三个层次㊂1.3态势认知㊂现代 认知心理学 之父亲瑟认为: 认知是指感觉和使用的全部过程,是通过形成概念㊁知觉㊁判断或想象等心理活动来获取知识和运用知识的过程㊂ 文献[3]提出的基于Endsley态势感知模型的态势认知概念认为,态势认知是一个复杂㊁动态㊁不断循环迭代提升的认知过程,每次循环由5部分组成一个周期㊂一是从态势觉察中对数据信息进行初步融合;二是对态势进行理解;三是对态势发展进行预测;四是对各种对策假设进行比较分析并进行策略优选;五是对态势认知过程进行优化提升㊂通过分析这三个概念,态势认知可以理解为指挥员以机器处理和人工智能为辅助手段,依据主观经验对态势理解掌握和分析判断,形成和运用态势知识的过程㊂2㊀态势认知主要内容态势认知流程包括感知㊁融合㊁订阅分发㊁态势分析等环节,流程中前2个环节完成了对战场 态 的探测和表征,后2个环节完成对战场 势 的分析和预测㊂在 融合 环节主要有态势目标航迹融合㊁多源异构信息融合等问题, 订阅分发 环节主要有多尺度表达和态势信息订阅分发等问题, 态势分析 环节主要有态势知识表示与推理㊁目标分群㊁意图识别㊁体系态势分析㊁态势智能认知等问题㊂现将这些问题归纳为态势生成㊁态势分析和态势智能认知3个方面并详述其研究情况㊂2.1态势生成㊂态势生成是指基于态势,针对不同用户从不同的层级和角度提供态势信息展示,使各层级的用户能够根据不同的需要实时㊁准确㊁一致的看到态势㊂态势生成是一个伴随作战进程的发展,由点㊁线㊁面到体的重复迭代渐进过程,主要包括以下两个方面内容㊂(1)多源信息融合㊂多源信息融合就是通过对各个传感器采集到的数据依据规则进行筛选和结合,以获得对被测对象的一致性描述或理解㊂由美国国防部实验室联合理事会(Joint Directors of Laboratories,JDL)提出的JDL信息融合模型,从机器处理角度将态势感知的过程共分为5级,其中多源信息融合完成的是0级信号/特征估计的任务㊂多源信息融合主要包括以下两个方面内容[4]: 1)态势目标航迹融合㊂态势目标航迹融合,是针对机动的目标通过数据关联进行位置融合,多传感器对同一目标采集的位置数据集合为数据关联的对象㊂基于目标位置数据集合,利用最近邻域法等方法[5],在位置融合的基础上,对态势目标的当前和历史航迹进行融合形成目标的连续航迹㊂其中,文献[6]为解决复杂环境条件下雷达对多目标跟踪的数据关联问题,基于信息熵权对最近邻域算法进行了改进,提升了算法的数据关联正确率㊁减少了跟踪误差㊂文献[7]针对传统的航迹融合算法精度低㊁处理过程需要先验状态估计的问题,提出了一种基于卷积神经网络(CNN)的航迹融合方法,取得了很好的效果㊂2)多源异类信息融合㊂多源异类信息融合,就是将非实时㊁不同结构㊁不同属性的态势信息与当前实时态势进行关联融合㊂常用的方法有基于贝叶斯推理[8]㊁D-S证据理论[9]㊁随机集理论[10]和动态聚类分析[11]等多源异类信息融合技术,以及基于专家系统[12]㊁遗传算法[13]和神经网络[14]等人工智能多源异类信息融合技术㊂文献[15]针对复杂战场环境中目标类别和属性难以识别的问题,提出了一种基于本体的多源异构数据融合方法,实现了对目标类别和属性的区分和归类㊂(2)态势信息服务㊂态势信息服务,是针对不同层级的指挥员和不同作战任务,通过对态势信息的合理组织提供态势产品,使指挥员能够获得需要的态势信息㊂态势信息服务主要包括以下两个方面内容㊂1)态势多尺度表达㊂态势的多尺度表达,是在保持态势表达一致性的前提下,针对同一战场环境从不同层级指挥员和任务需求出发建立与需求相适应的尺度表达模型㊂文献[16]指出了态势多尺度表达是指在实施指挥过程中,需要建立的是满足用户需求和与需求相适应的比例尺的作战视图㊂文献[17]从态势尺度的定义㊁尺度变换种类与过程等方面对态势多尺度表达的概念进行了研究㊂文献[18-20]等从人类认知规律方面,通过多重表达方式解决态势多尺度表达中的 信息过载 问题㊂2)态势信息分发/订阅㊂态势信息分发/订阅服务,是根据作战任务和各层级指挥员态势需求将态势信息进行分发/订阅的过程㊂该过程主要包括主动推送和按需订阅2种方式㊂主动推送是根据设定好的推送规则主动向用户推送态势信息;按需订阅是系统提供态势产品目录,用户根据自身任务选择相应的态势产品㊂文献[21]提出了一种面向任务㊃131㊃的态势信息分发方法,采用基于代理和信息价值的数据分发模型,实现了高质量信息的优先调度分发㊂文献[22]提出一种信息分发的Agent模型,引入反馈机制获取用户实时信息需求,以保证高质量信息优先分发调度㊂文献[23]提出了一种基于发布/订阅机制的态势信息实时分发框架,将态势更新看成发布事件,需求方看成订阅者,设计了基于态势数据元模型的匹配算法㊂2.2态势分析㊂(1)态势估计㊂态势估计是通过对当前态势的理解和分析,识别敌方作战意图的一种用于辅助指挥员决策的推理过程,是战术级的目标/目标群行为分析㊂态势估计问题研究主要包括以下3个内容㊂1)态势知识表示与推理㊂态势知识表示与推理要基于专家系统来完成,专家系统通俗来讲是一种模拟人类专家解决领域问题的计算机程序系统㊂态势理解和预测的准确性和科学性依赖于专家系统中知识库,实现态势推理和预测的关键,是挖掘领域专家脑中的经验知识并进行数据化处理,再利用这些抽象出来的 知识 ,参与态势推理和预测过程㊂①态势知识表示㊂专家系统中,基于产生式方法的态势知识表示包括实体知识表示和规则知识表示[24]㊂复杂战场环境的态势要素数量种类众多,基于专家系统的态势知识库构建与更新时需要对各类不同数据类型的态势信息进行合理的规范化表达,并形成态势知识㊂实体知识是指人们共享的㊁可公开的公认的知识,是一种静态的知识㊂为解决实体知识的规范化表示问题,文献[25]提出了一种基于本体的态势知识表示方法,描述了态势的OWL本体语言表示㊂规则知识是指有关问题中的两个事件之间关系的知识,如 若A则B 形式,是一种动态知识㊂基于产生式的不确定规则知识表示的常用方法有:贝叶斯网络[26]㊁模糊逻辑方法[27]㊁可信度方法等[28]㊂②态势知识推理㊂针对战场中大量存在的具有不精确㊁不完整㊁不确定特征的态势信息,采取有效的方法对态势知识进行推理,从而获得态势知识的全面理解和预测是当前研究的重点内容㊂传统的知识推理方法主要有:模板匹配[29]㊁D-S证据理论㊁模糊集理论[30]等㊂针对传统知识推理在态势信息日益复杂条件下结果不准确和效率较低的问题,文献[31]提出了一种基于模糊多实体贝叶斯网络的知识推理方法,文献[32]提出了两种改进的模糊Petri网模型用于知识推理㊂这些方法使专家系统能更好的适应不确定性环境,并提高了知识推理的精确性㊂2)目标意图识别㊂目标意图识别是指通过对各种战场传感器感知的信息进行分析,从而判断㊁预测或解释敌方的作战设想㊁作战打算㊁作战计划[33]㊂目前,目标意图识别问题的研究方法主要有以下几类:①基于模板匹配的意图识别方法㊂基于模板匹配方法进行目标意图识别时,首先依据领域专家的经验知识建立模板库,然后根据目标的实际动作提取态势特征信息,通过D-S证据理论[34]㊁最大相似度[35]等方法比对特征信息和模板的匹配程度,从而推理出目标可能的企图㊂文献[36]提出了一种基于模板匹配的不确定性推理方法,通过提高模板匹配率提升意图识别的效果㊂模板匹配方法比较符合人的认知规律,比较容易实现,但这种方法没有考虑敌方目标的欺骗性和隐蔽性㊂同时,模板库的建立比较依赖于领域专家先验知识的获取,模板的客观性和模板库的更新存在一定的问题㊂②基于贝叶斯网络的意图识别方法㊂贝叶斯网络是概率论和图论相结合的产物,作为一种知识表示和概率推理的框架,贝叶斯网络广泛应用于具有不确定性的推理和决策问题中㊂[37]贝叶斯网络的优点在于可以直观的表示知识并进行推理,不足之处是该方法是基于二值概率理论的,不能很好的表征信息的不确定性㊂文献[38]针对这一问题,提出了一种将直觉模糊集和贝叶斯网络相结合改进的意图识别方法,增强了推理结果的可信度㊂③基于深度学习的意图识别方法㊂深度学习是有多隐含层的人工神经网络,包含多种模型框架,如自编码器(SAE)㊁卷积神经网络(CNN)㊁长短时记忆网络(LSTM)㊁生成对抗网络(GAN)等㊂深度学习方法具有很强的数据特征学习能力,与传统神经网络相比,有效解决了特征提取能力不强和容易陷入多层网络训练困难和局部极值等问题㊂文献[39]提出了一种基于自编码器(SAE)的目标意图识别模型,采用无监督预训练和有监督训练相结合的方式实现对目标战术意图的智能识别㊂通过构建深度学习网络学习指挥员的经验知识,为解决意图识别问题提供了新的途径和方法㊂(1)体系态势分析㊂体系态势分析是从当前战场敌我双方作战体系的复杂性视角出发,运用研究复杂性问题的复杂网络等方法,对态势进行表征和分析,主要包括以下3方面内容㊂1)体系节点分析㊂体系节点分析是指通过对目标群的任务判断和目标群活动区域㊁活动规律和目标群的能力评估分析等,形成态势目标群之间的关联关系,并判断其重要程度和威胁等级㊂文献[40]对作战体系结构进行了网络描述,引入了度指标㊁介数指标㊁紧密度指标和特征向量指标等体系节点重要性度量指标㊂文献[41]提出了一种面向结构洞的关键节点识别方法,提高了关键节点识别精度,降低了算法复杂度㊂2)主题态势分析㊂按照重点区域㊁作战任务和热点事件等主题要素,对态势信息按照主题进行聚合,形成定制化的主题态势,并对主题态势进行分析判断,辅助指挥员决策㊂战役级主题态势按重点区域要素划分形成南海方向㊁东海方向㊁中印方向等热点区域主题要素,战术级主题态势主要包括实力部署㊁兵力主要动向㊁当前活动目标群和目标群的活动规律等㊂(3)体系态势表征㊂体系态势表征即根据设定的规则为战役和战术级指挥员提供不同层级的综合体系态势信息和态势目标聚合,并利用可视化技术将体系态势进行展示㊂战役级态势图主要显示高威胁等级目标群聚合㊁热点事件㊁重点区域和定制主题等综合态势信息,在此基础上还可进一步查询并获取态势信息㊁融合过程和情报来源等信息㊂战术级态势图主要显示其所属作战区域内的定制主题信息和基本态势信息㊂2.3态势智能认知㊂态势智能认知是利用人工智能技术,对指挥员进行 认知建模 ,模拟指挥员的态势认知过程㊂在该领域,文献[42]提出的3个关键问题有一定的代表性㊂(1)态势认知机制模拟㊂态势认知机制模拟,是利用人工智能对指挥员的认知机制进行建模㊂人的认知机制主要包括注意力机制㊁序列机制等㊂注意力机制,是指挥员能有侧重的感知到周围广阔㊁动态的战场环境,并试图对他人的行为和意图进行理解㊂文献[43]提出了以先验知识为依据,通过更改深度神经网络中连接权重或者稀疏程度的方式,实现对应注意对象的加强㊂序列机制(也称时序机制),是指挥员在对态势的认知过程中,需要通过一段时间的战场变化不断增强认知活动,是对一系列态势序列数据的分析㊁运用的动态认知过程㊂序列体现在时序特征和前后逻辑关系上㊂对于序列机制的模拟可以利用循环神经网络(RNN)[44]或LSTM[45]实现㊂(2)信息不完全不完美㊂战争是交战双方的动态博弈过程㊂完全信息博弈,即博弈各方对博弈结束时每个博弈方的得益是完全清楚的㊂完美信息博弈,即动态博弈中后行动一方在自己行动之前可以观察到先于自己行为的其他博弈方的行为即完全了解自己行动之前的博弈进程㊂不完全不完美信息博弈,则是以上两个完全或完美的条件没有达到要求的标准的博弈㊂在对抗性很强的战场上,敌我双方的 示形 ㊁ 施诈 等手段也会加大信息的不确定性㊂为解决上述问题,可以采用不完全不完美信息条件下的深度增强学习的方法㊂深度增强学习技术,通俗讲就是面对某个未解问题,先通过尝试做一些行为得出一个初步结果,再通过判断对错,对之前的行为做出反馈,调整之前的行为,直到达到最好结果㊂文献[46]介绍了一种可扩展㊁端到端,能够在没有对应领域先验知识的情况下去学习近似的纳什均衡方法,该方法对于解决态势认知过程中面临的信息不完全不完美问题有一定借鉴意义㊂(3)群体综合态势认知㊂群体综合态势认知,就是在联合作战战场中呈分布式特点的各作战单元和武器平台完成自身态势初步认知的基础上,同其他认知单元或平台进行协作,以达到共同完成态势综合认知的目的㊂通过分布在战场各个角落的认知单元相互协作,能有效增强态势认知的深度和广度㊂实现群体综合认知实际上可看作是多智能体协同强化学习的过程,多智能体强化学习是相对于单智能体强化学习提出的,要求多个智能体之间存在一定关系,如合作关系㊁竞争关系等,该过程用马尔可夫博弈来描述㊂文献[47]针对传统多智能体强化学习算法性能较差㊁难以适应不同环境的问题,提出了一种基于改进DDPG的多智能体强化学习方法,起到了很好的效果㊂文献[48]针对多智能体系统在协同态势认知中处理复杂情况的低效率㊁高冗积㊁资源损耗过高等问题,对差分进化算法和局部优化算法进行优化,有效改善了上述问题㊂㊃231㊃3㊀态势认知面临的挑战随着智能化联合作战的战争形态不断演变发展,态势要素构成更复杂,变化速度更快,态势认知也面临更多的挑战㊂3.1多域战/联合全域作战带来的挑战㊂美军多域战/联合全域作战作战概念的提出,推动联合作战态势要素从联合走向融合的发展趋势,多域战/联合全域作战打破了域和军种的界限,各种作战力量在陆㊁海㊁空㊁天㊁电㊁网等领域的协同更加密切㊂多域战/联合全域作战态势的复杂性体现在云端的基础网络和联合作战网络交织,不同作战域的作战行动配合交融密切㊂在未来战场,态势将变得越来越复杂,态势的认知变得更加困难,按照当前国内外研究成果来看,基本上能完成单个特定领域的初步态势认知,而跨越各域的态势认知则具有极大的技术挑战性㊂3.2有人/无人协同作战带来的挑战㊂分布式作战环境中的有人/无人协同作战推动人机结合技术的进一步发展,对态势认知提出了更高的要求㊂当前全自主的智能无人系统技术并不成熟,有人/无人协同作战将成为未来战场典型作战样式之一㊂例如,在未来空战中有人/无人机协同作战的模式带来了海量的数据㊁极其复杂的战场情况和极短的决策时间等问题,然而目前领域研究多集中于战役层级的态势认知,更注重态势认知的精准和全面,尚无法满足战术层级态势认知对人机协同快速决策和行动的要求㊂4㊀结束语联合作战战场环境具有高度复杂性,敌我作战行动充满不确定性,越来越需要态势认知的支持,同时也对其提出了更高的要求㊂本文理清了态势和态势认知的基本概念,对于态势认知过程中关键的态势生成㊁态势分析和态势智能认知问题和主要的解决方法进行了梳理,指出了未来在新型作战样式下态势认知面临的挑战㊂参考文献:[1]李婷婷,刁联旺,王晓璇.智能态势认知面临的挑战及对策[J].指挥信息系统与技术,2018,9(05):31-36. [2]Mica R.Endsley.Toward a Theory of Situation Aware-ness in Dynamic Systems[J].Human Factors:The Journal of Human Factors and Ergonomics Society,1995,37(1). [3]朱丰,胡晓峰,吴琳,贺筱媛,吕学志,廖鹰.从态势认知走向态势智能认知[J].系统仿真学报,2018,30(03): 761-771.[4]汪跃,唐志军,车德朝,刘格.战场态势一张图技术综述[J].指挥信息系统与技术,2020,11(01):12-17. [5]刘海峰,张超,罗江,林福良.网络信息体系中的信息融合与挖掘技术研究[J].指挥与控制学报,2016,2(04): 329-337.[6]李恒璐,陈伯孝,丁一,张钊铭.基于信息熵权的最近邻域数据关联算法[J].系统工程与电子技术,2020,42 (04):806-812.[7]徐嘉辉,刘宇,车佳,张良俊,王锦,张杨.基于CNN的多目标航迹融合算法[J].现代雷达,2019,41(09):45 -48.[8]刘福.多传感器信息融合技术研究与展望[J].产业与科技论坛,2014,13(24):69-70.[9]罗志增,蒋静坪.基于D-S理论的多信息融合方法及应用[J].电子学报,1999(09):100-102. [10]Na Li,Arnaud Martin,Rémi Estival.Heterogeneous information fusion:Combination of multiple supervised and un-supervised classification methods based on belief functions. 2021,544:238-265.[11]李占利,张群会,张家彬.一种扩展的动态聚类分析方法[J].数理统计与管理,1994(05):50-52. [11]韩增奇,于俊杰,李宁霞,王朝阳.信息融合技术综述[J].情报杂志,2010,29(S1):110-114.[13]张国强,彭晓明.自适应遗传算法的改进与应用[J].舰船电子工程,2010,30(01):83-84+159. [14]张红,程传祺,徐志刚,李建华.基于深度学习的数据融合方法研究综述[J/OL].计算机工程与应用:1-12 [2020-11-27].[15]王顺.基于本体的多源异构数据融合方法的研究与应用[D].南京航空航天大学,2018.[16]赵宗贵,李君灵,王珂,蒋维.共用作战图现状与发展趋势[J].中国电子科学研究院学报,2008(04):384-392.[17]黄亚锋,李旭东,张航峰.战场态势多尺度表达研究[J].系统仿真学报,2018,30(02):452-458+464. [18]黄亚锋,张航峰,王志坚.基于Delaunay三角网模型的点军标群聚合显示方法[J].中国电子科学研究院学报,2013,8(04):418-422.[19]黄亚锋,张航峰.态势图的变比例尺可视化[J].中国电子科学研究院学报,2014,9(03):291-295. [20]杨瑞,胡晓峰,周成军,王翠.低分辨率约束下的态势显示问题研究[J].计算机仿真,2012,29(07):29-33. [21]王世威,成海东,刘冠邦.面向任务的统一作战态势信息分发[J].指挥信息系统与技术,2016,7(01):32-36.[22]王浩,邵高平,孙钢灿.基于Agent的战场态势信息分发模型分析[J].信息工程大学学报,2012,13(06):753-757. [23]张帆,周晓红,董龙明.基于发布订阅机制的态势信息实时分发框架[J].火力与指挥控制,2017,42(01):133-136. [24]林晓强,常国岑,杨凡,燕海涛.态势评估领域知识的表示方法研究[J].航天电子对抗,2006(06):62-64. [25]范志煜,肖兵,沈薇薇.态势估计本体的知识表示[J].空军雷达学院学报,2011,25(01):20-24. [26]胡春玲.贝叶斯网络结构学习及其应用研究[D].合肥工业大学,2011.[27]闫锐兵,高颖,王修亮,彭宇馨.水下目标识别的知识表示及推理[J].计算机仿真,2011,28(01):194-197. [28]张荣沂.专家系统中不确定性知识的表示和处理[J].自动化技术与应用,2002(05):35-39. [29]李伟生,王宝树.实现态势估计的一种模板匹配算法[J].计算机科学,2006(05):229-230+249. [30]Zadeh L.A.Fuzzy sets as a basis for a theory of pos-sibility.1978,1(1):3-28.[31]Engineering-Materials Engineering;Study Results from Zhengzhou University Provide New Insights into Materials Engineering(Uncertain Knowledge Reasoning Based on the Fuzzy Multi Entity Bayesian Networks).2020. [32]栾雪.基于改进模糊Petri网的知识表示与推理方法及其应用[D].上海大学,2019.[33]王端龙,吴晓锋,冷画屏.对敌战场意图识别的若干问题[J].舰船电子工程,2004(06):4-9.[34]夏曦.基于模板匹配的目标意图识别方法研究[D].国防科学技术大学,2006.[35]郭小华.基于特征的本体词语相似度算法研究[D].广西师范大学,2017.[36]夏曦.基于模板匹配的目标意图识别方法研究[D].国防科学技术大学,2006.[37]朱波,方立恭,张小东.基于贝叶斯网络的空中目标意图识别方法[J].现代防御技术,2012,40(02):109 -113.[38]葛顺.基于规则发现和贝叶斯推理的战术意图识别技术[D].哈尔滨工程大学,2015.[39]欧微,柳少军,贺筱媛,郭圣明.基于时序特征编码的目标战术意图识别算法[J].指挥控制与仿真,2016,38 (06):36-41.[40]李茂林,龙建国,刘伟涛.信息化条件下作战体系节点重要性指标的选择[J].火力与指挥控制,2011,36 (08):119-121+125.[41]王运明,王青野,潘成胜,陈波.面向结构洞的指挥控制网络关键节点识别方法[J].火力与指挥控制,2017,42 (03):59-63.[42]朱丰,胡晓峰,吴琳,贺筱媛,吕学志,廖鹰.从态势认知走向态势智能认知[J].系统仿真学报,2018,30(03): 761-771.[43]尹宝才,王文通,王立春.深度学习研究综述[J].北京工业大学学报,2015,41(01):48-59.[44]杨祎玥,伏潜,万定生.基于深度循环神经网络的时间序列预测模型[J].计算机技术与发展,2017,27(03): 35-38+43.[45]张荣,李伟平,莫同.深度学习研究综述[J].信息与控制,2018,47(04):385-397+410.[46]杨峻楠,张红旗,张传富.基于不完全信息随机博弈的防御决策方法.[J].网络与信息安全学报,2018,4 (08):12-20.[47]梁宸.基于强化学习的多智能体协作策略研究[D].沈阳理工大学,2020.[48]刘家义,岳韶华,王刚,姚小强,张杰.复杂任务下的多智能体协同进化算法[J/OL].系统工程与电子技术:1-16[2020-11-27].㊃331㊃。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
矿产资源开发利用方案编写内容要求及审查大纲
矿产资源开发利用方案编写内容要求及《矿产资源开发利用方案》审查大纲一、概述
㈠矿区位置、隶属关系和企业性质。
如为改扩建矿山, 应说明矿山现状、
特点及存在的主要问题。
㈡编制依据
(1简述项目前期工作进展情况及与有关方面对项目的意向性协议情况。
(2 列出开发利用方案编制所依据的主要基础性资料的名称。
如经储量管理部门认定的矿区地质勘探报告、选矿试验报告、加工利用试验报告、工程地质初评资料、矿区水文资料和供水资料等。
对改、扩建矿山应有生产实际资料, 如矿山总平面现状图、矿床开拓系统图、采场现状图和主要采选设备清单等。
二、矿产品需求现状和预测
㈠该矿产在国内需求情况和市场供应情况
1、矿产品现状及加工利用趋向。
2、国内近、远期的需求量及主要销向预测。
㈡产品价格分析
1、国内矿产品价格现状。
2、矿产品价格稳定性及变化趋势。
三、矿产资源概况
㈠矿区总体概况
1、矿区总体规划情况。
2、矿区矿产资源概况。
3、该设计与矿区总体开发的关系。
㈡该设计项目的资源概况
1、矿床地质及构造特征。
2、矿床开采技术条件及水文地质条件。