基于知识图谱架构的舰船编队环境态势描述技术研究

The improved performance of a naval fleet on target detection, recognition and tracking makes each member ship master the whole environmental status of the sea, including the air status, the sea surface status, as well as the underwarter status. However, for the task of command and decision, the relationship and the trend of the information are more important than the original data itself. This proposal adopts the concept of the knowledge graph to efficiently describe the sea status around a fleet. By using non-linear filtering, morphological transformation, transfer learning, generative adversarial networks, and artificial neural networks, the proposal aims at solving data denoising, entity extraction, complex attribute extraction, relationship extraction and prediction. Eventually, by re-arranging the information of individual sensor, a structural knowledge system is constructed. Based on such structural knowledge, the sea status around a fleet is described from various aspects as needed.

虽然多舰协同作战方式可以提高系统的目标检测、识别、跟踪能力，能够使各舰充分掌握作战海域空中、水面、水下的立体态势。然而，对于指挥决策而言，重要的不是各个传感器当前获取的原始数据本身，而是其中蕴含的全局关系以及未来的发展态势。为了快速准确地描述舰船编队海域环境态势，项目按照知识图谱架构，针对舰船编队多源数据的特点，通过非线性滤波、形态学变换、迁移学习、生成式对抗网络以及神经网络技术，融合多源异构数据信息，构建知识网络模型，解决数据降噪、实体抽取、复杂属性抽取、关系抽取和预测等关键技术问题。在此基础上，通过重新组织各传感器信息之间的关系，以结构化方式在原始数据之上构建一层知识系统，实现按指挥者意图从多侧面综合描述作战海域环境态势的目的。

为了保证快速准确做出作战决策，增强舰船编队系统的战斗力和生命力，项目围绕数据降噪、实体抽取、属性抽取、关系抽取机制和目标未来运动趋势进行了深入研究。.针对数据降噪问题，提出基于CAF的图像去噪方法，在提升声纳和雷达图像的去噪效果的同时，加快了去噪速度。针对X-波段雷达信号，提出基于FDnCNN的去噪方法，可在不破坏目标信息的基础上极大地抑制海杂波。针对训练数据不足问题，提出SIGAN-AT以及F-ISE-RGAN图像生成技术，提高了样本质量、为训练数据不足的问题提供了有效解决方案。针对小目标实体检测问题，提出墨西哥草帽分布、去噪重加权、POHMT和Tsallis熵的小目标检测技术，在增强目标的同时较好地抑制背景，提高了在真实序列上的小目标检出率并且降低了误检率。针对目标跟踪问题，提出ELM与压缩感知跟踪、级联跟踪和孪生网络跟踪等多种跟踪器，提升在目标快速运动、运动模糊、遮挡以及密集目标等场景下的跟踪性能。针对目标实体对齐与关系提取问题，提出基于中央环绕两流网络、基于全局特征和局部特征融合、基于知识图谱以及基于密集CNN的技术，改进了目标实体对齐的性能，提升了关系检测的准确率和召回率。针对目标未来发展趋势预测问题，提出CMAC、LSTM、MLP-social-GRU轨迹预测技术，以及基于双流网络的视频预测技术，提升了轨迹预测精度，以及预测场景的PSNR、SSIM和视觉效果。.上述研究为图像去噪、数据生成、目标跟踪、轨迹预测、关系提取、目标未来态势预测等领域的相关研究问题提供了可行的解决方案。这些方案不仅可应用于目标环境态势分析，也可用于解决深度模型训练数据不足、图像/视频常规去噪任务、自动驾驶等任务，拓展了领域相关人员的研究思路。