认知电子战 (2.3):基于概率图模型的目标行为辨识
文章目录
- 引入
- 1 基本概念
- 2 辐射源类型/型号识别
- 3 目标辐射源行为辨识
引入
完成目标辐射源的状态识别之后,对抗系统需要对目标信号的威胁感知进行以下两方面的工作:
1)根据多个时刻的目标状态序列及其变化进行目标行为辨识
2)根据目标状态的统计特征评估其危险等级
1 基本概念
1)目标行为:目标状态的一种有规律的转变,具有“波形-状态-行为”的分层结构
2)概率图模型 (probabilistic graphical model, PGM):用图来表达变量相关关系的概率模型,其特点如下:
∙ \bull ∙ 一个节点表示一个或者一组随机变量
∙ \bull ∙ 节点之间的边表示变量间的概率相关关系
∙ \bull ∙ 适用于时序数据的建模和识别
3)贝叶斯网 (Bayesian network):一种经典的概率图模型
∙ \bull ∙ 利用无向图来刻画属性之间的依赖关系
∙ \bull ∙ 使用条件概率来描述属性的联合概率分布
4)利用隐马尔可夫模型 (hidden Markov model, HMM),一种动态贝叶斯网络,对目标行为建模时,可分为:
∙ \bull ∙ 粗匹配:对辐射源类型或型号的识别
∙ \bull ∙ 精确识别:对特定辐射源进行识别
5)最佳候选对象及其当前时刻最可能状态的推断问题,可以转换为模型的评估和解码问题
2 辐射源类型/型号识别
1)该问题属于HMM模型评估。给定一个观察向量序列 O = { o 1 , o 2 , … , o T } \boldsymbol{O}=\{o_1,o_2,\dots,o_T\} O={o1,o2,…,oT}和模型 λ \lambda λ,其任务为计算概率 P ( O ∣ λ ) P(\boldsymbol{O}|\lambda) P(O∣λ)。亦即给出不同系统的HMM模型,需要判断出对于给定的观察向量,哪个HMM模型最相关。
2)HMM模型评估一般采用前向算法实现,如下:
∙ 0 \bull0 ∙0 定义前向变量 α t ( i ) , t ∈ [ 1 , T ] , i ∈ [ 1 , N ] \alpha_t(i), t\in[1,T],i\in[1,N] αt(i),t∈[1,T],i∈[1,N]:
α t ( i ) = P ( o 1 , o 2 , … , o t ; q t = s i ∣ λ ) , \alpha_t(i)=P(o_1,o_2,\dots,o_t;q_t=s_i|\lambda), αt(i)=P(o1,o2,…,ot;qt=si∣λ), 其表示时刻 t t t输出部分观察向量序列 o 1 , o 2 , … , o t o_1,o_2,\dots,o_t o1,o2,…,ot,且是状态 s i s_i si的局部概率
∙ 1 \bull1 ∙1 初始化:
α 1 ( i ) = π i b i ( o 1 ) i ∈ [ 1 , N ] , \alpha_1(i)=\pi_ib_i(o_1)\qquad i\in[1,N], α1(i)=πibi(o1)i∈[1,N], 其中 π i \pi_i πi表示初始状态为 s i s_i si的概率、 b i ( o 1 ) b_i(o_1) bi(o1)表示在任意时刻,若状态为 s i s_i si,观测者 o 1 o_1 o1被获取的概率
∙ 2 \bull2 ∙2 递归:
α t + 1 ( j ) = [ ∑ i = 1 N α t ( i ) α i j ] b j ( o t + 1 ) t ∈ [ 1 , T ] , \alpha_{t+1}(j)=\left[\sum_{i=1}^N\alpha_t(i)\alpha_{ij}\right]b_j(o_{t+1})\qquad t\in[1,T], αt+1(j)=[i=1∑Nαt(i)αij]bj(ot+1)t∈[1,T], 其中 α i j \alpha_{ij} αij表示在任意时刻,若状态为 s i s_i si,则下一时刻状态为 s j s_j sj的概率
∙ 3 \bull3 ∙3 终止:
P ( O ∣ λ ) = ∑ i = 1 N α T ( i ) P(\boldsymbol{O}|\lambda)=\sum_{i=1}^N\alpha_T(i) P(O∣λ)=i=1∑NαT(i) ∙ \bull ∙ 算法时间复杂度为 O ( N 2 T ) O(N^2T) O(N2T)
∙ \bull ∙ 一个HMM的实现版本可以参照:https://github.com/ananthpn/pyhmm
3 目标辐射源行为辨识
1)该问题属于HMM模型的解码。给定一个观察向量序列 O = { o 1 , o 2 , … , o T } \boldsymbol{O}=\{o_1,o_2,\dots,o_T\} O={o1,o2,…,oT}和模型 λ \lambda λ,如何计算状态序列 Q = { q 1 , q 2 , … , q T } \boldsymbol{Q}=\{q_1,q_2,\dots,q_T\} Q={q1,q2,…,qT},使得该状态能够最好地解释观察向量序列。亦即搜索生成观察向量序列的最可能隐藏状态序列
2)在目标辐射源的层次识别框架中,辐射源的行为辨识建立在粗匹配的最佳候选对象上。依据最佳对象的HMM模型,利用相关算法对给定观察向量序列进行解码,给出最佳的状态变化序列
3)解码一般采用Viterbi算法,其时间复杂度为 O ( N 2 T ) O(N^2T) O(N2T)
认知电子战 (2.3):基于概率图模型的目标行为辨识相关推荐
- crf graph matlab_如何评价 Vicarious 在 Science 上提出基于概率图模型(PGM)的 RCN 模型?...
感觉很有意思,于是去看了这个论文,发现确实跟以往的CNN稍有区别. 最大的新意,在于应用了实验神经科学的结论,哺乳动物(比如人)在识别物体的时候,大脑视觉皮层对于物体的轮廓(contour)和表面(s ...
- ViSP学习笔记(十七):通用的基于模型的目标跟踪
开发环境:Ubuntu 18.04 LTS + ROS Melodic + ViSP 3.3.1 文章内容主要参考ViSP官方教学文档:https://visp-doc.inria.fr/doxyge ...
- 认知电子战 (2.2):基于机器学习的目标状态识别
文章目录 引入 1 已知目标状态 1.1 基于有监督分类 1.2 基于无监督聚类 2 未知目标状态 2.1 未知状态检测 2.2 增量式机器学习 引入 本节主要介绍基于机器学习的目标状态识别.以下 ...
- 机器学习笔记之概率图模型(四)基于贝叶斯网络的模型概述
机器学习笔记之概率图模型--基于贝叶斯网络的模型概述 引言 基于贝叶斯网络的模型 场景构建 朴素贝叶斯分类器 混合模型 基于时间变化的模型 特征是连续型随机变量的贝叶斯网络 动态概率图模型 总结 引言 ...
- 概率图模型基于R语言(一)贝叶斯模型
概率图模型基于R语言[一]贝叶斯模型 条件概率 贝叶斯模型 R 参考书:<概率图模型基于R语言> 记录一些代码和自己的想法和目前版本代码的写法(书中有一些无法用了) 随时更新 条件概率 熟 ...
- 【读书笔记】概率图模型——基于R语言(一)
文章目录 第一章:概率推理 联合概率分布 贝叶斯规则 贝叶斯规则的第一个例子 贝叶斯规则的第一个R语言例子 概率图模型 图和条件独立 有向模型 无向模型 定义一个简单的图模型 第一章:概率推理 联合概 ...
- 科普丨深度学习 vs 概率图模型 vs 逻辑学
今天,我们一起来回顾过去50年人工智能(AI)领域形成的三大范式:逻辑学.概率方法和深度学习.如今,无论依靠经验和"数据驱动"的方式,还是大数据.深度学习的概念,都已经深入人心,可 ...
- 深度学习 vs. 概率图模型 vs. 逻辑学
深度学习 vs. 概率图模型 vs. 逻辑学 发表于2015-04-30 21:55|6304次阅读| 来源quantombone|1 条评论| 作者Tomasz Malisiewicz 深度学习de ...
- 统计自然语言处理——概率图模型(1)
概述 概率图模型(probabilistic graphical models)在概率模型的基础上,使用了基于图的方法来表示概率分布(或者概率密度.密度函数),是一种通用化的不确定性知识表示和处理方法 ...
最新文章
- 来,聊聊程序员的爱情
- 缓存-分布式锁-Redisson-读写锁补充
- Use tcode ST01 to log authorization check
- java和python哪个学习编程_初学编程,选Java还是Python?
- 网际控制报文协议icmp_网络中的ICMP(Internet控制消息协议)
- python-循环-打印菱形图案
- matlab积分使用
- 【linux】nohup运行守护进程
- 菜鸟学开店—电子称连接标签打印机
- html查重报告转换,知网查重报告网页版如何转换成PDF和WORD?
- 微星主板 B450 迫击炮 无线网卡 无法上网解决办法
- 21年年后离职找工作的随笔杂谈
- MySQLSyntaxErrorException sql语句语法错误
- 人事管理系统 v4.1.8(源码)
- Go语言--反射(reflect)
- php接口增加白名单,使用laravel中间件来添加指定请求的白名单
- 投研报告 - Ariva(ARV)
- BI商业智能培训系列——(一)概述
- IOS友盟 社会化分享 社会化iOS组件 分享集成
- 下列表达式在python中是非法的_在Python语言中,以下非法的表达式是( )
热门文章
- 【节能学院】数据机房中智能小母线与列头柜方案的对比分析
- 前端提高篇(六十七):HTML进阶8:canvas画布基本知识(二)绘制图形、曲线,设置图形样式,渐变
- 【骐程】【深信服测试开发面试】首次面试互联网
- bochs2.6.9 配置文件详解.和相关调试到虚拟机运行
- 打开计算机窗口抖动是什么原因,老司机教你电脑屏幕抖动
- app内嵌h5支付功能,跳转支付宝微信,vue组件
- 解决google翻译无法使用的问题(亲测有用)
- echarts折线图让某一个点闪烁,echarts闪烁动画。
- 计算机ps和cd,CD或PS 对电脑哪些硬件有要求?
- 用python画小花_用python的小海龟 Turtle 画一朵好看又有趣的小花-Go语言中文社区...