技术特征：
1.一种基于隐马尔可夫模型的战场态势研判方法，其特征在于，步骤如下：步骤一、采集态势数据，并对战场态势数据进行清洗，得到有效态势信息，对有效态势信息的属性进行量化处理，构建态势状态序列，转入步骤二；步骤二、通过态势状态序列建立隐马尔可夫模型，并对其进行训练；步骤三、利用训练好的隐马尔可夫模型识别输入的态势数据，进行战场态势研判。2.根据权利要求1所述的基于隐马尔可夫模型的战场态势研判方法，其特征在于，步骤一中，采集态势数据，并对战场态势数据进行清洗，得到有效态势信息，集成后得到态势信息数据集，具体如下：步骤1-1、采集战场态势数据，并对战场态势数据进行清洗，得到有效态势信息；步骤1-2、上述有效态势信息有四维属性，按态势权重排序为目标距离s
d
、目标速度s
v
、目标高度s
h
、目标方向角s
a
，对四维属性进行量化处理，构建态势状态序列。3.根据权利要求2所述的基于隐马尔可夫模型的战场态势研判方法，其特征在于，步骤1-1中，对战场态势数据进行清洗，得到有效态势信息，具体如下：1-1-1)若变量的缺失率大于80％，整体覆盖率小于60％，直接将变量删除；若变量缺失率小于95％，则根据数据分布的情况进行填充，若需要填充的变量是连续型，采用均值法和随机差值进行填充，若变量是离散型，采用中位数或哑变量进行填充；1-1-2)采取近邻排序法对重复记录进行识别、比较和排序，删除低价值的重复冗余数据；1-1-3)对形式和内容不符合要求的数据进行纠正，对错误难以改正且不重要的数据采取删除整条记录的方法处理。4.根据权利要求2所述的基于隐马尔可夫模型的战场态势研判方法，其特征在于，步骤1-2中，上述有效态势信息有四维属性，按态势权重排序为目标距离s
d
、目标速度s
v
、目标高度s
h
、目标方向角s
a
，对四维属性进行量化处理，构建态势状态序列，具体如下：1-2-1)目标距离属性量化为：其中，d为战场目标实际距离，d0为战场最大处置距离；α为目标量化因子，按照战场目标类型来区分：1-2-2)目标速度属性量化为：其中v为战场目标速度，v0为相对观测速度；1-2-3)目标高度属性量化为：其中h为战场目标实际高度，h0为战场最大处置高度；
1-2-4)目标方向角属性量化为：其中θ为战场目标当前方向角，θ0为相对观测角度；完成战场目标的态势属性量化后，得到战场态势数据观测集合m＝{m1,m2,......,m
i
}，m中的每一个元素m
i
均为长度为n的态势状态序列。5.根据权利要求4所述的基于隐马尔可夫模型的战场态势研判方法，其特征在于，步骤二中，通过态势状态序列建立隐马尔可夫模型，并对其进行训练，具体如下：隐马尔可夫模型的参数集合其中π为初始概率矩阵，a为概率转移矩阵，b为状态输出矩阵；使用维特尔算法对隐马尔可夫模型进行初始化，战场态势数据观测集合作为输入：其中为隐马尔可夫模型的迭代函数，k为迭代次数，为在m
i
序列输入下参数集合为的隐马尔可夫模型的条件概率，表示m
i
序列输入参数下模型参数集合为的贝叶斯概率，根据已知的态势状态序列求出最有可能产生该序列的隐马尔可夫模型的根据贝叶斯定理，展开条件概率，隐马尔可夫模型参数分别为：根据贝叶斯定理，展开条件概率，隐马尔可夫模型参数分别为：根据贝叶斯定理，展开条件概率，隐马尔可夫模型参数分别为：其中，j表示序列m
i
中第j个态势目标；每次迭代后更新的隐马尔可夫模型参数集合为：其中，π
k
为第k次迭代时的概率矩阵，a
k
为第k次迭代时的概率转移矩阵，b
k
为第k次迭代时的状态输出矩阵；隐马尔可夫模型模型参数期望为：r(k+1)为第k+1次维特尔迭代期望，重复迭代过程，直到迭代期望r(k+1)<＝1或迭代次数大于预设的迭代上限为止，迭代结束后得到训练好的的隐马尔可夫模型。6.根据权利要求5所述的基于隐马尔可夫模型的战场态势研判方法，其特征在于，步骤三中，利用训练好的隐马尔可夫模型完成态势数据研判，进行战场态势研判，具体如下：对待处理的态势数据进行与步骤一相同的预处理过程，得到量化后的态势信息状态序列o＝{o1,o2,......,o
n
}；
根据步骤一中量化的态势四维属性信息，量化预处理后的态势数据目标等级因数t为：目标等级因数t把目标态势等分为高威胁度t1、中威胁度t2、低威胁度t3三类态势；利用训练好的隐马尔可夫模型对量化后的态势信息状态序列o＝{o1,o2,......,o
n
}进行识别，n长度的状态序列的模型输出结果p为：其中，a
o
(i)对状态序列o第i次迭代后的状态转移矩阵；b
o
(i)表示对状态序列o第i次迭代后的观测概率分布矩阵；π
o
(i)表示对状态序列o第i次迭代后的迭代向量阵；表示状态序列o输入下，模型参数集合为的贝叶斯概率；选择概率最大的隐马尔可夫模型作为识别结果，按照目标等级因数进行分类：其中，r
λ
表示态势分类信息；p
max
表示式(12)的输出识别结果。
技术总结
本发明提出了一种基于隐马尔可夫模型的战场态势研判方法，对态势信息进行分析，清洗和预处理，构建状态序列；利用样本态势数据初始化并且训练隐马尔可夫模型，对态势信息的四维数据量化处理，划分态势目标分类；依据隐马尔可夫模型对战场态势数据分析处理，完成态势研判。研判。研判。
技术研发人员：朱伟强 杨蔚 杨佳敏 郑鹏飞 刘思捷 尹伟 陈迪
受保护的技术使用者：中国航天科工集团八五一一研究所
技术研发日：2022.08.26
技术公布日：2022/11/3