一种提高战场综合态势信息处理效率的方法

1.本发明属于信息处理领域，具体涉及一种提高战场综合态势信息处理效率的方法。


背景技术：

2.信息化战争的到来，感知装备、侦察手段和信息系统应用于战场环境，出现多源、多维、异构和爆炸式增长的战场态势数据信息，态势信息察觉依靠各种类型的信号感知装备、技术侦察手段和指挥信息系统，对战场态势要素的采集和汇聚。
3.对于作战武器而言，作战效率是首要考虑的因素，在现代战争状态下作战信息呈海量增长模式，而此类信息一般具有聚类的特性，同时在进行作战过程中信息会在大量信息中进行跳转变化，大量爆炸式的信息汇聚会导致处理信息变繁琐，时间变长，海量的态势数据处理变得缓慢，聚类信息群传递跳转处理的效率降低，会造成态势判断有延时，缺乏实时性。


技术实现要素：

4.为了解决现有技术中存在的上述问题，本发明提供了一种提高战场综合态势信息处理效率的方法。本发明要解决的技术问题通过以下技术方案实现：
5.本发明提供了一种提高战场综合态势信息处理效率的方法，包括：
6.s1：获取作战过程中各类感知器得到的聚类信息群；
7.s2：利用相对熵计算不同聚类信息群之间相互转换的最短距离；
8.s3：根据所述最短距离，完成信息跳转。
9.在本发明的一个实施例中，所述聚类信息群的类别包括本体信息、武器信息和目标信息。
10.在本发明的一个实施例中，所述s2包括：
11.s21：根据香农的信息论，设定一个字符集的概率分布表示一个聚类信息群，设计一种编码，使得表示该聚类信息群需要的比特数最少；
12.s22：采用相对熵衡量两个聚类信息群之间的距离，根据所述编码计算不同聚类信息群之间所述相互转换的最短距离。
13.在本发明的一个实施例中，所述s21包括：
14.s211：设所述字符集是x，对字符x∈x，该字符x出现的概率为p(x)，所述字符x最优编码平均需要的比特数等于该字符集的熵：
15.h(x)＝∑x∈xp(x)log[1/p(x)]，
[0016]
h(x)表示字符集x的信息量；
[0017]
s212：用概率分布p(x)的最优编码为符合概率分布q(x)的字符编码，
[0018]
dkl(q||p)＝∑x∈xq(x)[log(1/p(x))]-∑x∈xq(x)[log[1/q(x)]]＝∑x∈xq(x)log[q(x)/p(x)]，
[0019]
其中，dkl(q||p)表示p(x)转换到q(x)所需要的最优编码的比特数，p(x)表示字符集x上的一种概率分布，q(x)表示在字符集x上存在的另一种概率分布；
[0020]
s213：用概率分布q(x)的最优编码为符合概率分布p(x)的字符编码，得到q(x)转换到p(x)所需要的最优编码的比特数dkl(p||q)。
[0021]
在本发明的一个实施例中，所述s22包括：
[0022]
根据双向的编码的比特数dkl(q||p)与dkl(p||q)，求其平均得到不同聚类信息群之间所述相互转换的最短距离。
[0023]
在本发明的一个实施例中，所述s3之后还包括：
[0024]
s4：对每一次跳转得到的所有最短距离进行归一化处理，使所有的最短距离标准化。
[0025]
与现有技术相比，本发明的有益效果在于：
[0026]
本发明的提高战场综合态势信息处理效率的方法，在海量的态势信息处理过程中，利用相对熵找到两种聚类信息群之间相互转换的最短距离，加快跳转处理速度，使综合态势信息能更快速的到达指挥处理点，进而在不同作战时刻进行及时判决，让作战效率值达到最大化。
[0027]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
[0028]
图1是本发明实施例提供的一种提高战场综合态势信息处理效率的方法的示意图；
[0029]
图2是本发明实施例提供的另一种提高战场综合态势信息处理效率的方法的示意图。
具体实施方式
[0030]
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种提高战场综合态势信息处理效率的方法进行详细说明。
[0031]
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
[0032]
实施例一
[0033]
请参见图1，图1是本发明实施例提供的一种提高战场综合态势信息处理效率的方法的示意图，如图所示，本实施例的提高战场综合态势信息处理效率的方法，包括：
[0034]
s1：获取作战过程中各类感知器得到的聚类信息群；
[0035]
在本实施例中，聚类信息群的类别包括本体信息、武器信息和目标信息。
[0036]
对于作战武器而言，作战效率是首要考虑的因素，在现代战争状态下作战信息呈
海量增长模式，同时在进行作战过程中信息会在大量信息中进行跳转变化，在作战过程中需时刻计算上述聚类信息群间的路径距离，使得信息传递达到最大效率。
[0037]
s2：利用相对熵计算不同聚类信息群之间相互转换的最短距离；
[0038]
在本实施例中，主要通过信息熵中相对熵来度量两个聚类信息群之间的信息距离，两个聚类信息群之间最合适的通用对称信息距离不是直接的，也就是说，足以在两个聚类信息群之间相互之间转换的最小信息量，从而有效地使两个信息相互转换。
[0039]
相对熵又称为kl-距离，kl-距离是两个概率分布p和q差别的非对称性的度量，可逆计算的信息距离。相对熵可以衡量两个随机分布之间的距离，当两个随机分布相同时，它们的相对熵为零，当两个随机分布的差别增大时，它们的相对熵也会增大。所以相对熵(kl-距离)可以用于比较匹配程度。kl-距离就是用来衡量这种情况下平均每个字符多用的比特数，因此可以用来衡量两个分布的距离。
[0040]
具体地，s2包括：
[0041]
s21：根据香农的信息论，设定一个字符集的概率分布表示一个聚类信息群，设计一种编码，使得表示该聚类信息群需要的比特数最少；
[0042]
具体地，s21包括：
[0043]
s211：设字符集是x，对字符x∈x，该字符x出现的概率为p(x)，字符x最优编码平均需要的比特数等于该字符集的熵：
[0044]
h(x)＝∑x∈xp(x)log[1/p(x)](1)，
[0045]
h(x)表示字符集x的信息量；
[0046]
s212：用概率分布p(x)的最优编码为符合概率分布q(x)的字符编码，
[0047]
dkl(q||p)＝∑x∈xq(x)[log(1/p(x))]-∑x∈xq(x)[log[1/q(x)]]＝∑x∈xq(x)log[q(x)/p(x)](2)，
[0048]
其中，dkl(q||p)表示p(x)转换到q(x)所需要的最优编码的比特数，p(x)表示字符集x上的一种概率分布，q(x)表示在字符集x上存在的另一种概率分布；
[0049]
在本实施例中，用设定的字符集x的两个概率分布(p(x)和q(x))来表示两个聚类信息群，表示该聚类信息群需要的比特数就是该聚类信息群的信息量。
[0050]
需要说明的是，概率分布p(x)的最优编码是字符x的编码长度等于log[1/p(x)]，如果用概率分布p(x)的最优编码为符合分布q(x)的字符编码，那么，表示这些字符就会比理想情况多用一些比特数。kl-距离就是用来衡量这种情况下平均每个字符多用的比特数，因此，可以用来衡量两个概率分布p(x)和q(x)(即，两个聚类信息群)之间的距离。
[0051]
需要注意的是，对于公式(2)由于-log(u)是凸函数，因此有下面的不等式：
[0052]
dkl(q||p)＝-∑x∈xq(x)log[p(x)/q(x)]＝e[-logp(x)/q(x)]≥-loge[p(x)/q(x)]＝-log∑x∈xq(x)p(x)/q(x)＝0(3)，
[0053]
利用相对熵进行分类或者是利用相对熵来衡量两个随机分布的差距，当两个随机分布相同时，其相对熵为0，当两个随机分布的差别增加时，即kl-距离始终是大于等于0的，当且仅当两分布相同时，kl-距离等于0。
[0054]
s213：用概率分布q(x)的最优编码为符合概率分布p(x)的字符编码，得到q(x)转换到p(x)所需要的最优编码的比特数dkl(p||q)。
[0055]
在本实施例中，与步骤s212中p(x)转换到q(x)所需要的最优编码的比特数dkl(q|
|p)类似的，得到q(x)转换到p(x)所需要的最优编码的比特数dkl(p||q)，具体过程在此不再赘述。
[0056]
s22：采用相对熵衡量两个聚类信息群之间的距离，根据编码计算不同聚类信息群之间相互转换的最短距离。
[0057]
具体地，s22包括：根据双向的编码的比特数dkl(q||p)与dkl(p||q)，求其平均得到不同聚类信息群之间相互转换的最短距离。
[0058]
对一个信息源编码，按照其本身的概率分布进行编码，每个字符的平均比特数目最少，这就是信息熵的概念，其衡量了信息源的信息量。
[0059]
另外，kl-距离不满足对称性，即d(p||q)不一定等于d(q||p)，尽管kl散度从直观上是个度量或距离函数，但它并不是一个真正的度量或者距离，因为它不具有对称性，即一个相同的编码可逆的距离当这些计算中的一个比另一个需要更多的信息，那么最小的编码就不能完全相同，但是重叠仍然可以完成，较大的编码可以包含较短编码中的所有信息，以及一些额外信息。
[0060]
那么，重叠的最短编码足以在两个聚类信息群之间转换，即较小的相对熵为两个聚类信息群之间的最短距离，找到了两个聚类信息群之间相互转换的最短距离，通过该最短距离以实现加快信息跳转。
[0061]
s3：根据最短距离，完成信息跳转。
[0062]
具体地，根据得到的最短距离直接跳转，完成信息跳转功能，使聚类信息群跳转处理速度加快，提高效率。
[0063]
需要说明的是，在完成信息跳转之后，以跳转结果为依据，发送具体控制操作实施指令，以达到实时处理操控，进而就可以在不同作战时刻进行及时判决，让作战效率值达到最大化。
[0064]
进一步地，请结合参见图2，图2是本发明实施例提供的另一种提高战场综合态势信息处理效率的方法的示意图，如图所示，在另一个实施例中，s3之后还包括：
[0065]
s4：对每一次跳转得到的所有最短距离进行归一化处理，使所有的最短信息距离标准化。
[0066]
本实施例的提高战场综合态势信息处理效率的方法，将作战信息聚类化特点与信息熵充分结合，在海量的态势信息处理过程中，利用相对熵找到两种聚类信息群之间相互转换的最短距离，加快跳转处理速度，使综合态势信息能更快速的到达指挥处理点，进而在不同作战时刻进行及时判决，让作战效率值达到最大化。
[0067]
应当说明的是，在本文中，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
[0068]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。