第3章
基于特征提取的动态态势评估

3.1　特征提取

特征提取是计算机视觉和图像处理的一个概念，最早用于对图像的识别辨析。我们将这一概念应用于空战态势评估，通过对空战信息中关键节点的提取和辨析，实现高效辨析的目标。

影响空战结果的因素很多，飞机的性能参数、外部气候条件、电磁环境、飞行员的操作、塔台的指挥等，是多种因素共同影响产生的结果。面对如此复杂的信息，究竟应该如何对空战态势进行有效的评估呢？

传统的评估方法是对影响空战的关键因素进行分析，通过各种方法分析各空战态势影响因素之间的关系，从而构建相应的态势函数，进而通过对各态势函数间影响权重的确定，进一步确定其空战综合态势函数。

而特征提取则是在提取重要空战态势影响因素的过程中，同时对其态势优势函数进行计算，并根据结果对各因素态势进行预判，根据预判结果对各空战态势影响因素进行态势类型的分类提取。针对空战的不同形式，可以大致划分为优势、劣势、均势、对立4种态势类型。根据各空战态势影响因素的提取结果，可以实现对空战综合态势的预判。之后，结合特征提取情况，并根据不同的态势预判结果对各空战态势影响因素之间的依赖关系进行定义，从而实现对空战态势的细致化处理，让其在不同空战态势下能够更加精准地实现判断，提高结果的准确性。

传统的态势评估是直接在飞行数据的基础上实现态势优势函数的构建的，这种基于数据的构建方法，对多样的态势情况的应变能力较弱。通过特征提取在各特征优势函数构建的基础上，通过对其结果的对比判断进行评估，根据评估结果对应相应的综合优势函数。这样对细节的调整，使飞行员面对更复杂的空战时有更强的辨别能力。

对空战态势评估中角度、速度、高度及双方距离这4个关键因素进行特征提取。根据态势优势函数计算结果，通过对比敌我双方的结果，对各特征进行评估，预分为优势、均势、劣势、对立，特征提取结果形式如表3.1所示。根据这一结果，进一步利用贝叶斯网络的方法对综合空战态势进行预判，进而再针对不同预判结果进行相应的综合态势优势函数计算，从而实现对空战态势的精准评估。

表3.1　特征提取结果形式

特征提取实际上是对动态特征提取进一步细化的方法，通过考虑各空战态势影响因素间的因果关系，从而对各种情况下的态势特征有良好的适应性。