Informationsfusion - en nyckelteknologi för informationsöverlägsenhet. Per Svensson

Transkript

1 Informationsfusion - en nyckelteknologi för informationsöverlägsenhet Per Svensson Inst f Data- och informationsfusion Totalförsvarets forskningsinstitut Per Svensson okt

2 Ledning som kommunikation: ledningssystemet knyter samman människor, datorsystem, sensorsystem och plattformar så att informationsöverföring, informationstolkning och beslutsfattande sker med dramatiskt mindre fördröjning än idag vilket kräver utveckling av nätverk, databaser och - särskilt- datafusionsmetoder 2

3 3

4 Informationsspridning kommer att baseras på: virtuella nätverk a la Internet mobil kommunikation integrerad i samma nätverksstruktur all kommunikation blir datakommunikation kryptering och autenticering med programvarumetoder 4

5 Visionen modellbaserad ledning: Ledningsstödsystemet utvecklas mot ett nätverksbaserat system med semiautonoma mobila noder, som steg för steg integrerar informations- och beslutsstödsystem, ledningssimulatorer och sensorsystem 5

6 Vad är informationsfusion? informationsfusion utnyttjar - all tillgänglig taktisk underrättelseinformation - omgivningsinformation - kända egenskaper hos motståndarens plattformar, förband, organisation och doktrin för att dramatiskt effektivisera - taktisk värdering och prognosticering av fiendens förmåga och avsikter 6

7 Var kan informationsfusion utnyttjas? tolkning, den egentliga fusionsprocessen: - klassificering - identifiering - korrelering (av observationer fördelade i tid och rum) - aggregering (till system från observationer av komponenter) - positions-och tidsbestämning 7

8 Var kan informationsfusion utnyttjas? (forts.) värdering av fiendens handlingsmöjligheter: - trolig tid och plats för engagemang - beräkning av fiendens stridsförmåga - beräkning av styrkeförhållande kombinering av observationer från olika slags källor optimering av und-inhämtningsprocessen 8

9 Allmänna frågeställningar och konkreta problem hur kan information från olika sensortyper sammanvägas? hur väger man in i förväg känd doktrininformation? hur kan insatsstyrkans totala und-material göras tillgängligt och överblickbart av de beslutsfattare som behöver den? 9

10 Allmänna frågeställningar och konkreta problem (forts.) hur behandlas information som är oskarp och osäker och ibland gäller en företeelse som har observerats och aggregerats längs mer än en rapporteringsväg? på högre nivåer behöver man kunna se information med olika aggregeringsgrad samtidigt. Hur bör en sådan presentation vara utformad? hur skall spaningsresurser disponeras och inriktas på kort och längre sikt för att resurserna skall utnyttjas på bästa sätt? 10

11 Exempel: automatisk sensorutplacering vid ubåtsjakt Vi har simulerat användning av multisensorfusion och adaptiv planering vid spårning av en ubåt i grunt vatten med användning av passiva, riktningsokänsliga sonobojar och både Kalmanfiltrerings- och (i samarbete med DERA) partikelfiltreringsmetodik 11

12 Exempel: ubåtsspårningsscenario 12

13 Exempel: banestimat med Kalmanfiltermetod 13

14 Exempel: banestimat med partikelfiltermetod 14

15 Aggregeringsproblemet uppskatta sammansättning och struktur hos en fientlig enhet utgående från: en mängd observationer av objekt som tillhör enheten a priorikunskap om doktrin (materiel, organisation,beteende) vi diskuterar först specialfallet linjärt ordnade objekt, det s k kolonnproblemet 15

16 Kolonnproblemet: HMM-modellering HMM (hidden markov model) är en bayesiansk maskininlärningsmetod för sekvensinformation som används t ex i bioinformatik and taligenkänning man börjar med att skapa en modellstruktur som kan representera doktrinkunskap om en transportkolonn modellen tränas sedan med hjälp av data som genereras från doktriner eller med observationsdata tränade sekvensmodeller kan användas för att jämföra en observerad sekvens med existerande modeller 16

17 Kolonnproblemet (forts.): marschordning för förbataljon, Ryssland Förbataljonens huvudstyrka Artillerichef Ba ndhaubitsbataljon Mekaniserat kompani Underhållsavdelning Bataljonschef Luftvär nsrobotpluton Granatkastarkompani Mekaniserat kompani UH 3-5 km 1-2 km 5-10 km Ca 5 km 1-3 km Fältarbetsspaningsavd. Stridsspaningspa trull Förkompani Röjningsavdelning Bandhaubitskompani Köpluton 17

18 Lösning av kolonnproblemet med hjälp av HMM Vi har skapat fyra HMMer genom träning mot fyra förbandstyper: bandvagnskompani förkompani, förstärkt stridsvagnskompani förkompani, förstärkt stridsvagnskompani 18

19 Kolonnproblemet: fordon observerade på väg söderut 19

20 Lösning av kolonnproblemet med hjälp av HMM (forts.) Följande fordonstyper observerades efter varandra: bbbbgbbbbbgccehcbibbaigigcgaigggggaaihhhg där fetstil betecknar utbyten i förhållande till den bästa målsträngen (förkompani, förstärkt stridsvagnskompani) 20

21 Kolonnproblemet med HMM: modellpassning över tiden aaaaaaaaaag bandvagnskompani aaaabbbbaacdeccaaaafffgfffgaaahhhg förkompani, förstärkt bandvagnskompani bbbbbbbbbbbbbg stridsvagnskompani bbbbbbbbbbbcdeccbbbbaigigigaigigigaaahhh förkompani, förstärkt stridsvagnskompani a:pbv_a b:strv c:pbv_b d:specv_a e:specv_b f:grkvagn g:lastbil h:rakartvagn i:tgvagn 21

22 Kolonnproblemet med HMM: presentation i ISMark 22

23 Kolonnproblemet med HMM: slutsatser HMM bör kunna användas för att känna igen kolonner om: doktrindata och träningsdata finns att tillgå ordningen mellan fordonen/objekten i sekvensen är ungefärligt känd praktisk tillämpning av metoden kräver mer detaljerade analyser och prov 23

24 Styrkeaggregering som klustring + klassificering Clustering of companies (J Schubert) Classification of battalions Clustering of platoons Classification of companies Clustering of vehicles Classification of platoons Clustering of intelligence reports Classification of vehicles 24

25 6 last iterations, 204 intel reports Metaconflict over #clusters Neuron outputs 25

26 26 Platoons Vehicles Reports