基于貝葉斯推理的海戰(zhàn)場(chǎng)空中目標(biāo)意圖分層識(shí)別方法*

楊 璐 ，劉付顯 ，朱 豐 ，郭 東

（1.空軍工程大學(xué)防空反導(dǎo)學(xué)院，西安 710051；2.解放軍91053部隊(duì)，北京 100070；3.國(guó)防大學(xué)信息作戰(zhàn)與指揮訓(xùn)練教研部，北京 100091；4.解放軍93682部隊(duì)，北京 101300）

0 引言

海戰(zhàn)場(chǎng)作為一種特殊的戰(zhàn)場(chǎng)，在信息化時(shí)代甚至是未來(lái)戰(zhàn)爭(zhēng)中都具有極為重要的地位和意義［1-4］。為有效奪取海戰(zhàn)場(chǎng)制空權(quán)，就要完成好海戰(zhàn)場(chǎng)上的防空反導(dǎo)任務(wù)，主要包括對(duì)敵方飛機(jī)、導(dǎo)彈等空中目標(biāo)的警戒、攔截和對(duì)抗。此項(xiàng)任務(wù)非常艱巨，如何完成好此項(xiàng)任務(wù)是目前亟需開(kāi)展研究的一項(xiàng)重大課題［5-7］。進(jìn)一步分析，完成好海戰(zhàn)場(chǎng)上防空反導(dǎo)任務(wù)的一個(gè)先決條件就是要對(duì)海戰(zhàn)場(chǎng)態(tài)勢(shì)有個(gè)全面和準(zhǔn)確的把握，而其中的敵方空中目標(biāo)意圖識(shí)別是對(duì)海戰(zhàn)場(chǎng)態(tài)勢(shì)展開(kāi)深入分析的一個(gè)重要部分［8］。敵方空中目標(biāo)意圖識(shí)別要求根據(jù)提供的戰(zhàn)場(chǎng)空中目標(biāo)信息，判斷目標(biāo)可能的意圖，為威脅判斷、火力分配和抗擊來(lái)襲目標(biāo)奠定重要基礎(chǔ)［9-10］。

通常，海戰(zhàn)場(chǎng)敵方空中目標(biāo)的意圖主要可分為攻擊、掩護(hù)、偵察、監(jiān)視和其他共5類（按照敵方空中目標(biāo)意圖對(duì)己方威脅程度由大至小排序），其中，其他這類主要包括運(yùn)輸機(jī)、民航客機(jī)等目標(biāo)的運(yùn)輸運(yùn)載意圖。目前，針對(duì)海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖識(shí)別的方法主要有：排除法［8］、BP 神經(jīng)網(wǎng)絡(luò)［11-12］、計(jì)算貢獻(xiàn)系數(shù)矩陣［13］、貝葉斯推理等方法［14］。這些方法各有優(yōu)長(zhǎng)，都可作為完成海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖識(shí)別的有效方法。但從公開(kāi)發(fā)表的文獻(xiàn)來(lái)看，目前在運(yùn)用這些不同方法時(shí)，都是一次性、不分階段、不分層次地完成敵方空中目標(biāo)的意圖識(shí)別，這樣會(huì)在運(yùn)算過(guò)程中帶來(lái)消耗時(shí)間較多、效率較低的問(wèn)題，難以做到足夠及時(shí)地給出識(shí)別結(jié)果。

本文針對(duì)傳統(tǒng)識(shí)別方法在運(yùn)算過(guò)程中消耗時(shí)間較多、效率較低的問(wèn)題展開(kāi)深入研究，圍繞指揮員的思維方式，提出了一種基于貝葉斯推理的海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖分層識(shí)別新方法。該方法立足于海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖特點(diǎn)，考慮到指揮員思維過(guò)程中的相關(guān)內(nèi)容，運(yùn)用分層思想將所識(shí)別的目標(biāo)意圖進(jìn)行可行的劃分，并利用貝葉斯推理實(shí)現(xiàn)目標(biāo)意圖更快捷的識(shí)別。這種處理方式符合指揮員的思維邏輯，并可減少消耗時(shí)間，提高識(shí)別效率。

1 相關(guān)特征參數(shù)分析處理和篩選

在計(jì)算并獲得了海戰(zhàn)場(chǎng)敵方空中目標(biāo)相關(guān)特征參數(shù)之后，要對(duì)這些參數(shù)進(jìn)行歸一化處理以統(tǒng)一單位，在此基礎(chǔ)上，對(duì)歸一化后的空中目標(biāo)相關(guān)特征參數(shù)進(jìn)行篩選，以選出盡可能少的、更有效的特征參數(shù)。

1.1 歸一化處理

針對(duì)計(jì)算并獲得的海戰(zhàn)場(chǎng)敵方空中目標(biāo)相關(guān)特征參數(shù)單位不統(tǒng)一的問(wèn)題，本文采用歸一化處理方法來(lái)統(tǒng)一單位，以利于后續(xù)的運(yùn)算。假設(shè)某特征參數(shù)集合中共有K個(gè)元素，即共有K個(gè)樣本，則歸一化處理后獲得的新集合為，其中，

且至少存在 1 個(gè)“0”元素，1 個(gè)“1”元素。

1.2 求解相關(guān)系數(shù)矩陣

為了使特征參數(shù)集合中的元素盡可能的少，應(yīng)考慮集合中元素之間的獨(dú)立性，獨(dú)立性越強(qiáng)，冗余的元素越少，可減少集合中的元素個(gè)數(shù)。針對(duì)這個(gè)問(wèn)題，本文對(duì)兩兩特征參數(shù)分別求其相關(guān)系數(shù)以獲得各特征參數(shù)之間的相關(guān)系數(shù)矩陣，通過(guò)分析該矩陣來(lái)判別各元素之間的獨(dú)立性強(qiáng)弱，以優(yōu)選出獨(dú)立性強(qiáng)的元素。本文采用Pearson相關(guān)系數(shù)，計(jì)算公式如下。假設(shè)歸一化的2個(gè)特征參數(shù)集合和，K仍為樣本個(gè)數(shù)，其Pearson相關(guān)系數(shù)結(jié)果為

其中，

經(jīng)分析可知，求解出的Pearson相關(guān)系數(shù)矩陣為主對(duì)角線元素為“1”的對(duì)稱矩陣。

2 海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖分層識(shí)別

在篩選了海戰(zhàn)場(chǎng)敵方空中目標(biāo)相關(guān)特征參數(shù)的基礎(chǔ)上，詳細(xì)論述本文提出的基于貝葉斯推理的海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖分層識(shí)別方法。該方法要用到貝葉斯理論、模糊數(shù)學(xué)理論、頻率概率換算等來(lái)設(shè)計(jì)貝葉斯推理分類器，具體如下。

2.1 貝葉斯推理分類器

貝葉斯推理是一類利用概率統(tǒng)計(jì)知識(shí)進(jìn)行分類的算法，其分類原理是貝葉斯理論［15-17］。

2.1.1 貝葉斯理論

貝葉斯理論是關(guān)于隨機(jī)事件X和Y的條件概率（或邊緣概率）的一則理論，主要基于概率統(tǒng)計(jì)知識(shí)，其公式表達(dá)如下

其中，X，Y是2個(gè)不同的隨機(jī)事件，即意圖和由特征參數(shù)來(lái)表示的敵方空中目標(biāo)。P（X），P（Y）分別為X，Y這 2個(gè)不同事件發(fā)生的概率，分別為在事件Y的條件下發(fā)生事件X和在事件X的條件下發(fā)生事件Y的條件概率，為事件X和事件Y同時(shí)發(fā)生的聯(lián)合概率。針對(duì)具體某種意圖而言，貝葉斯理論公式還可以表達(dá)為

其中，Xn是某種意圖，Y是某個(gè)目標(biāo)，N是分類識(shí)別中可能的意圖數(shù)。

進(jìn)一步分析可知，貝葉斯推理分類器是建立在一個(gè)類條件獨(dú)立性假設(shè)的基礎(chǔ)之上的，即給定類節(jié)點(diǎn)后，各屬性節(jié)點(diǎn)之間相互獨(dú)立。根據(jù)分類器的類條件，本文從實(shí)際情況出發(fā)考慮，假設(shè)每個(gè)目標(biāo)都具有M個(gè)獨(dú)立的主要特征參數(shù)，則第n種意圖Xn與目標(biāo)Y及M個(gè)獨(dú)立的主要特征之間的條件概率關(guān)系，有

貝葉斯推理分類器首先要對(duì)已有的分類樣本進(jìn)行訓(xùn)練，即為學(xué)習(xí)過(guò)程，以獲得分類器模板。再利用訓(xùn)練出的模板，結(jié)合待分類項(xiàng)的特征參數(shù)值，求解在此項(xiàng)出現(xiàn)的條件下各個(gè)類別出現(xiàn)的概率，哪個(gè)類別出現(xiàn)的概率最大，就認(rèn)為此待分類項(xiàng)屬于哪個(gè)類別。針對(duì)本文研究對(duì)象而言，式（7）所示的條件概率，可以從訓(xùn)練樣本數(shù)據(jù)集中求得，再利用式（6）至式（8）來(lái)推算第 n種意圖可能的條件概率。將N種意圖可能的條件概率都推算結(jié)束后，比較，其中哪個(gè)概率值最大，即認(rèn)為其對(duì)應(yīng)的意圖最可能。

2.1.2 模糊數(shù)學(xué)理論

貝葉斯推理是以概率理論為數(shù)學(xué)基礎(chǔ)的推理方法，在不確定性知識(shí)表示和推理方面具有強(qiáng)大性能。但是，傳統(tǒng)的貝葉斯模型只能描述離散的隨機(jī)變量，變量狀態(tài)是有限的。然而，在本文的目標(biāo)意圖識(shí)別過(guò)程中，目標(biāo)的特征參數(shù)通常為連續(xù)變量。因此，本文利用模糊數(shù)學(xué)理論來(lái)處理該問(wèn)題［18-21］。

因此，A1中的元素 ai，都滿足

A2中的元素 aj，都滿足

利用映射運(yùn)算將A1中的元素映射為集合{小}或{近}或{低}或{弱}或{慢}等，將 A2中的元素映射為集合 {大}或{遠(yuǎn)}或{高}或{強(qiáng)}或{快}等，具體映射結(jié)果由目標(biāo)的具體參數(shù)特征而定。

2.1.3 頻率概率換算

由于訓(xùn)練樣本數(shù)量有限，在進(jìn)行貝葉斯推理時(shí)，難以獲得完全精確的樣本發(fā)生概率值。依據(jù)數(shù)理統(tǒng)計(jì)中的參數(shù)估計(jì)內(nèi)容可知，集合{小}、{大}（僅以此為例）的樣本發(fā)生頻率值可分別表示為

2.2 基于分層思想的海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖貝葉斯推理識(shí)別

海戰(zhàn)場(chǎng)敵方空中目標(biāo)通常的5種意圖中，攻擊和掩護(hù)這2種意圖很可能會(huì)使己方兵力、裝備等產(chǎn)生戰(zhàn)損，而偵察、監(jiān)視、其他這3種意圖幾乎不會(huì)使己方兵力、裝備等產(chǎn)生戰(zhàn)損，因此，可以說(shuō)攻擊和掩護(hù)這2種意圖，特別是攻擊意圖，在更緊急的情況下，對(duì)己方的威脅更大。如果在軍事作戰(zhàn)中能夠更迅速地區(qū)分出很可能會(huì)使和幾乎不會(huì)使己方產(chǎn)生戰(zhàn)損的這兩大類敵方空中目標(biāo)意圖，特別是更迅速地識(shí)別出很可能會(huì)使己方產(chǎn)生戰(zhàn)損這一大類敵方空中目標(biāo)意圖以及更快捷地識(shí)別出敵方空中目標(biāo)的攻擊、掩護(hù)意圖，并將識(shí)別結(jié)果及時(shí)地提供給指揮員及信息化裝備，對(duì)于指揮員快速把握海戰(zhàn)場(chǎng)態(tài)勢(shì)、對(duì)于裝備的自動(dòng)反擊或自動(dòng)防護(hù)都具有非常重要的價(jià)值，同時(shí)，這也符合指揮員的思維邏輯。在此基礎(chǔ)上，再分別針對(duì)海戰(zhàn)場(chǎng)敵方空中目標(biāo)的兩大類不同意圖來(lái)進(jìn)一步具體識(shí)別攻擊、掩護(hù)這2種意圖和偵察、監(jiān)視、其他這3種意圖，從而實(shí)現(xiàn)5種不同意圖的識(shí)別。經(jīng)深入分析可知，分層識(shí)別的過(guò)程，相對(duì)于直接一次性完成5種意圖的識(shí)別而言，也是一種有效的簡(jiǎn)化處理過(guò)程，可減少運(yùn)算量和消耗時(shí)間，從而提高識(shí)別效率。

因此，本文提出了基于貝葉斯推理的海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖分層識(shí)別方法，其中，分的層數(shù)主要包括2層。第1層，主要是區(qū)分兩大類敵方空中目標(biāo)意圖；第2層在第1層的基礎(chǔ)上，分別針對(duì)已區(qū)分出的兩大類敵方空中目標(biāo)意圖，再進(jìn)一步具體識(shí)別細(xì)分的2種和3種意圖，最終達(dá)成識(shí)別5種不同意圖的目的。

3 仿真驗(yàn)證

3.1 有效性驗(yàn)證

實(shí)驗(yàn)數(shù)據(jù)來(lái)源于2015年全國(guó)研究生數(shù)學(xué)建模競(jìng)賽A題。數(shù)據(jù)采集背景為我海軍水面艦艇部隊(duì)在我南海某開(kāi)闊海域巡邏，其中，指揮艦為1艘導(dǎo)彈驅(qū)逐艦。某一時(shí)刻t我指揮艦位置位于北緯15°41'7''，東經(jīng) 112°42'10''。

第1階段，樣本訓(xùn)練階段。

對(duì)已知的海戰(zhàn)場(chǎng)上雷達(dá)觀測(cè)到的歷史數(shù)據(jù)中敵方空中目標(biāo)的7種特征參數(shù)進(jìn)行歸一化處理，并求解Pearson相關(guān)系數(shù)矩陣可得表1和圖1結(jié)果。

依據(jù)模糊數(shù)學(xué)理論，本文將敵方空中目標(biāo)特征參數(shù)Pearson相關(guān)系數(shù)矩陣中元素劃分為4個(gè)子集，其結(jié)果如表2所示。

表1 敵方空中目標(biāo)特征參數(shù)Pearson相關(guān)系數(shù)矩陣

由此，通過(guò)計(jì)算可以得到下頁(yè)圖2所示結(jié)果，其中紅色格子（圖中數(shù)值為1）表示正相關(guān)性強(qiáng)，橙色格子（圖中數(shù)值為0.5）表示正相關(guān)性弱，淺藍(lán)色格子（圖中數(shù)值為-0.5）表示負(fù)相關(guān)性弱，深藍(lán)色格子（圖中數(shù)值為-1）表示正相關(guān)性強(qiáng)。從表1、圖1和圖2中可以看出，要選擇空中目標(biāo)獨(dú)立性好、盡可能少的典型特征，就要在圖2中選擇橙色或淺藍(lán)性的。本文選擇了特征2、3、5這3個(gè)相互獨(dú)立性好的主要特征，來(lái)建立特征集。為簡(jiǎn)化問(wèn)題，便于處理和計(jì)算，本文選取的特征參數(shù)集合1、2、3均為相同，只包含特征參數(shù)2（敵方空中目標(biāo)與己方指揮艦間的距離）、3（敵方空中目標(biāo)的水平速度）、5（敵方空中目標(biāo)所處高度）的特征參數(shù)集合。

構(gòu)建區(qū)分很可能會(huì)使和幾乎不會(huì)使己方產(chǎn)生戰(zhàn)損的兩大類敵方空中目標(biāo)意圖這第1層分類識(shí)別的貝葉斯推理模板。依據(jù)模糊數(shù)學(xué)理論，利用式（9）～式（11）計(jì)算得到敵方空中目標(biāo)每個(gè)主要特征參數(shù)對(duì)應(yīng)的子集分界值均為I=0.5，即已有歷史數(shù)據(jù)中，歸一化后的敵方空中目標(biāo)主要特征參數(shù)滿足結(jié)果如表3所示。

表3 歸一化后的敵方空中目標(biāo)主要特征參數(shù)滿足結(jié)果

按照頻率概率換算方法，求得計(jì)算已有數(shù)據(jù)中敵方空中目標(biāo)每個(gè)主要特征參數(shù)在不同子集中的發(fā)生概率值、目標(biāo)意圖發(fā)生概率值、空中目標(biāo)第n種意圖Xn與第m個(gè)獨(dú)立的主要特征之間的條件概率值、空中目標(biāo)在第m個(gè)主要特征條件下可能為第n種意圖的條件概率值，分別如表4～表7所示。

構(gòu)建區(qū)分?jǐn)撤娇罩心繕?biāo)意圖第2層分類識(shí)別的貝葉斯推理模板。方法與上述一致，可得到已有數(shù)據(jù)中敵方空中目標(biāo)在不同主要特征參數(shù)條件下可能意圖發(fā)生的條件概率值，如下頁(yè)表8和表9所示。

需要說(shuō)明的是，在計(jì)算獲得表8中的條件概率值時(shí)，對(duì)歸一化結(jié)果進(jìn)行了一定的修正，即當(dāng)敵方空中目標(biāo)的某一主要特征參數(shù)的歸一化結(jié)果都小于0.5時(shí)，則令其中最大值為1；當(dāng)敵方空中目標(biāo)的某一主要特征參數(shù)的歸一化結(jié)果都大于等于0.5時(shí)，則令其中最小值為0。以此使得在第2層識(shí)別過(guò)程中，計(jì)算出的已有數(shù)據(jù)中敵方空中目標(biāo)每個(gè)主要特征參數(shù)在不同子集中的發(fā)生概率值不會(huì)出現(xiàn)0概率值。

表4 已有數(shù)據(jù)中敵方空中目標(biāo)每個(gè)主要特征參數(shù)在不同子集中的發(fā)生概率值

表5 已有數(shù)據(jù)中敵方空中目標(biāo)意圖發(fā)生概率值

表6 已有數(shù)據(jù)中敵方空中目標(biāo)意圖與其主要特征參數(shù)在不同子集中發(fā)生的條件概率值

表7 已有數(shù)據(jù)中敵方空中目標(biāo)在不同主要特征參數(shù)條件下可能意圖發(fā)生的條件概率值（第1層識(shí)別）

表8 已有數(shù)據(jù)敵方空中目標(biāo)在不同主要特征參數(shù)條件下可能意圖發(fā)生的條件概率值（第2層識(shí)別第1部分）

表9 已有數(shù)據(jù)敵方空中目標(biāo)在不同主要特征參數(shù)條件下可能意圖發(fā)生的條件概率值（第2層識(shí)別第2部分）

從表4～表9中可以看出，1）每個(gè)概率值都屬于［0，1］概率空間內(nèi)；2）每組概率值之和均為1。

第2階段，新目標(biāo)意圖識(shí)別階段。

經(jīng)初步計(jì)算，海戰(zhàn)場(chǎng)上雷達(dá)觀測(cè)到的敵方空中新目標(biāo)主要特征參數(shù)如表10所示。

通過(guò)表10計(jì)算可得，特征參數(shù)2（敵方空中目標(biāo)與己方指揮艦間的距離）、3（敵方空中目標(biāo)的水平速度）、5（敵方空中目標(biāo)所處高度）對(duì)應(yīng)的子集分界值分別為 202.500 0 km、265.000 0 m/s、6.65 km。

敵方空中新目標(biāo)意圖第1、2層（包括2個(gè)部分）分類識(shí)別。分類識(shí)別結(jié)果如下頁(yè)表11和圖3、圖4所示。

其中，圖3中綠色圓圈表示己方指揮艦，紅色五角星表示識(shí)別出具有很可能會(huì)使己方產(chǎn)生戰(zhàn)損意圖的敵方空中新目標(biāo)，藍(lán)色星號(hào)表示識(shí)別出具有幾乎不會(huì)使己方產(chǎn)生戰(zhàn)損意圖的敵方空中新目標(biāo)；圖4中綠色圓圈表示己方指揮艦，紅色五角星表示識(shí)別出具有攻擊意圖的敵方空中新目標(biāo)，藍(lán)色星號(hào)表示識(shí)別出具有偵察意圖的敵方空中新目標(biāo)，黃色六角星表示識(shí)別出具有其他意圖的敵方空中新目標(biāo)。

圖3 敵方空中新目標(biāo)意圖第1層識(shí)別結(jié)果

圖4 敵方空中新目標(biāo)意圖第2層識(shí)別結(jié)果

表10 海戰(zhàn)場(chǎng)上雷達(dá)觀測(cè)到的敵方空中新目標(biāo)主要特征參數(shù)

經(jīng)對(duì)比分析可得，表11和圖3、圖4所示結(jié)果與文獻(xiàn)［8，11-13］（均為2015年全國(guó)研究生數(shù)學(xué)建模競(jìng)賽獲獎(jiǎng)?wù)撐模┲械慕Y(jié)果基本一致，證明了本文方法的有效性。

表11 敵方空中新目標(biāo)意圖第1、2層分類識(shí)別

3.2 性能對(duì)比分析

為更好地進(jìn)行對(duì)比分析，本文也仿真了基于貝葉斯推理的5種不同意圖一次性識(shí)別過(guò)程，一次性識(shí)別結(jié)果如表11和圖4所示，通過(guò)對(duì)比分析可得，利用本文方法獲得的識(shí)別結(jié)果與一次性完成5種意圖的識(shí)別結(jié)果完全一致。

圖5 一次性識(shí)別5種不同意圖和識(shí)別出很可能會(huì)使己方產(chǎn)生戰(zhàn)損意圖所用的平均時(shí)間對(duì)比

圖6 一次性識(shí)別5種不同意圖和分層識(shí)別出進(jìn)攻、掩護(hù)意圖所用的平均時(shí)間對(duì)比

下面，利用蒙特卡洛法展開(kāi)10次重復(fù)的仿真實(shí)驗(yàn)，以進(jìn)行本文方法性能的對(duì)比分析。首先，假設(shè)根據(jù)已有的歷史數(shù)據(jù)已將貝葉斯推理模板構(gòu)建完成。其次，在相同實(shí)驗(yàn)環(huán)境下，即Intel（R）Core（TM）i5-3317U、主頻為1.70 GHz的CPU，4 GB內(nèi)存，Intel（R）HD Graphics 4 000顯卡，1 696 MB 顯存，64位win7 SP1操作系統(tǒng)，利用 Matlab（R2012a）仿真平臺(tái)分別對(duì)一次性完成敵方空中目標(biāo)5種不同意圖識(shí)別、敵方空中目標(biāo)意圖分層識(shí)別中第1層以及第2層中攻擊、掩護(hù)這2種意圖的識(shí)別過(guò)程進(jìn)行計(jì)時(shí)仿真，通過(guò)分析對(duì)比，結(jié)果如圖5、圖6所示。

從圖5、圖6中可以對(duì)比分析出，在基于海戰(zhàn)場(chǎng)敵方空中目標(biāo)主要特征參數(shù)的貝葉斯意圖推理框架下，利用本文提出的基于分層思想的貝葉斯推理方法來(lái)識(shí)別很可能會(huì)使己方產(chǎn)生戰(zhàn)損這個(gè)意圖所用時(shí)間，僅為常規(guī)方法一次性識(shí)別出5種不同意圖所用時(shí)間的約44.07%，所用時(shí)間可減少約55.93%，因此，可以更快捷、高效地向指揮員提供所關(guān)注的敵方空中目標(biāo)意圖信息；同時(shí)，利用本文提出的基于分層思想的貝葉斯推理方法來(lái)識(shí)別進(jìn)攻、掩護(hù)這2種意圖所用時(shí)間，僅為常規(guī)方法通過(guò)一次性識(shí)別出5種不同意圖而獲得進(jìn)攻、掩護(hù)這2種意圖結(jié)果所用時(shí)間約78.81 %，所用時(shí)間可減少約21.19%，這也充分證明了本文方法可作為識(shí)別過(guò)程有效的簡(jiǎn)化處理方法，從而減少消耗時(shí)間，提高了識(shí)別效率。

4 結(jié)論

本文著眼于當(dāng)今信息化時(shí)代的軍事需求，針對(duì)海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖識(shí)別問(wèn)題展開(kāi)深入研究。結(jié)合海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖特點(diǎn)，依據(jù)指揮員的思維邏輯，提出了一種基于貝葉斯推理的海戰(zhàn)場(chǎng)敵方空中目標(biāo)意圖分層識(shí)別新方法。該方法通過(guò)一次性識(shí)別出5種不同意圖，有效地簡(jiǎn)化處理方法，從而減少消耗時(shí)間，提高了識(shí)別效率。本文工作還可拓展到陸戰(zhàn)場(chǎng)、空戰(zhàn)場(chǎng)等其他空中目標(biāo)意圖識(shí)別的研究工作中，可為研究空中目標(biāo)意圖識(shí)別問(wèn)題提供新的思路。