学位论文 > 优秀研究生学位论文题录展示

基于计划识别的态势估计研究和系统测试

作　者: 李小凯
导　师: 霍红卫
学　校: 西安电子科技大学
专　业: 计算机软件与理论
关键词: 关键证据计划识别数据融合集成测试
分类号: TP202
类　型: 硕士论文
年　份: 2011年
下　载: 13次
引　用: 0次
阅　读: 论文下载

内容摘要

态势估计是数据/信息融合系统中的高层关键技术，其中一个重要问题是在综合分析态势元素的基础上，判断出敌军的行动计划，并预测出临近时刻可能的态势变化。数据融合系统由多个模块组成，通过集成与测试，有助于从整体上把握和改进系统性能。本文主要介绍了对态势估计中计划识别问题的研究和对数据融合系统的集成与测试。在分析相关的基本理论和概念的基础上，本文提出了计划识别中关键证据的概念，关键证据是指具有明显战术意图指向的战场事件，并深入讨论了依据关键证据对基于模板的军事计划表示方式的改进。在此基础上更新原来系统中的基于模板匹配的计划识别算法，并利用专家系统工具CLIPS实现了该方法下军事计划识别的新算法。本文中对数据融合系统的集成与测试集中在对多源数据关联和态势估计方面面。对多源数据关联的测试，主要对不同种类数据之间的融合算法进行测试，验证并增强其有效性、鲁棒性等；通过对态势估计测试结果的分析，改进了其中计划识别的算法，为系统增加了人机交互功能，对多视图界面显示的一致性做了改进。通过多场景对实现上述思路的软件系统分别作了测试。从结果来看，改进后的计划识别算法使得计划识别结果的时间点出现大为提前，提高了计划识别的时效性；最终系统的整体性能达到需求的预期。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-11
  1.1 数据融合系统的概述  7-9
  1.2 数据融合的发展及国内外现状  9
  1.3 本文主要内容的简介和章节安排  9-11
第二章态势估计技术的介绍  11-17
  2.1 态势估计的概念及其研究任务  11-13
  2.2 态势估计的基础研究  13-15
  2.3 本章小结  15-17
第三章基于关键证据的计划识别  17-41
  3.1 计划识别的介绍  17-22
    3.1.1 态势理解问题描述  17-18
    3.1.2 计划识别的基本概念  18-22
  3.2 CLIPS 简介  22-26
    3.2.1 CLIPS 的知识表示  22
    3.2.2 CLIPS 的推理机制  22-24
    3.2.3 CLIPS 嵌入 VC++中的方法  24
    3.2.4 CLIPS 外部函数的声明与定义  24-26
    3.2.5 在 VC 项目中产生自定义模板事实  26
  3.3 基于关键证据的计划识别技术  26-40
    3.3.1 计划识别与 CLIPS 的关系  26-28
    3.3.2 支持 CLIPS 的计划识别的复合事件  28-30
    3.3.3 计划识别中的关键证据  30-31
    3.3.4 计划识别方法的改进  31-32
    3.3.5 重构关于计划识别的 CLIPS 模板库  32-40
    3.3.6 计划识别过程中的人机交互  40
  3.4 本章小结  40-41
第四章数据融合系统的测试  41-55
  4.1 数据融合系统测试的软件工程方法  41-42
    4.1.1 几种常用的软件测试方法  41
    4.1.2 数据融合系统的测试策略  41-42
  4.2 基于关键证据的计划识别的测试及分析  42-46
    4.2.1 测试环境介绍  42-43
    4.2.2 测试用例及结果分析  43-46
  4.3 数据关联的测试  46-50
    4.3.1 测试的内容  46-47
    4.3.2 雷达数据与雷达数据关联方法的测试  47-48
    4.3.3 雷达情报与电子侦察、技侦情报关联方法的测试  48-50
  4.4 战场态势识别、计划识别的测试  50-53
    4.4.1 电子侦察战场态势事件识别及目标编群测试  50-51
    4.4.2 电子侦察计划识别的测试  51-53
  4.5 本章小结  53-55
第五章总结与展望  55-57
致谢  57-59
参考文献  59-61
读研期间科研情况  61-62

基于计划识别的态势估计研究和系统测试

内容摘要

全文目录

相似论文