随着现代信息技术的发展和应用,战场环境变得愈加信息化和多元化。在现代战场作战中,战斗机编队、舰艇编队和编队对象内部的通信信息多采用无线电传输。在战场意图识别中,截获作战群体的通信信息用以判别行为意图,对战场快速制定作战计划和战事决策起着至关重要的作用。针对作战群体的通信行为问题,进行群体通信行为仿真,计算不同通信行为外部特征数据,获得通信行为数据集。运用深度信念网络(DBN)构建行为识别模型,计算群体通信行为识别准确率。本文主要工作如下:1.模拟作战群体通信行为,获得通信行为数据集。针对战斗机编队,舰艇编队和作战无人机编队,分析不同通信行为下的通信关系和通信配置,获取通信行为的外部特征,编写通信行为剧本,制定通信行为规则。据此设定行为仿真界面,计算行为特征数据,获得通信行为数据库。利用数据预处理量化数据,给出群体通信行为描述方法,获得不同作战对象在不同组网方式下的通信行为数据集。2.深度信念网络参数优化。采用节点数构造法和不同编码解码结构对深度信念网络进行参数优化。归纳受限玻尔兹曼机(RBM)和对比散度(CD)算法的实现过程。分析RBM网络的编码和解码结构,对比网络的特征学习过程。分析DBN模型的构建和网络预训练。采用构造法组合隐含层节点数,以重构误差和测试准确率研究网络深度选择问题。通过网络参数和编码解码结构的处理,获得更好的算法效率和识别效果。3.采用优化参数的DBN算法进行通信行为识别仿真实验和结果分析。利用标准数据集验证DBN算法的有效性。结合行为数据的分布特点分析行为的可识别性。运用基于遗传算法和基于贝叶斯网络的支持向量机对比算法识别效果,验证DBN算法的可行性。采用不同网络参数和编码解码结构训练DBN模型,对比重构误差和行为识别率。通过仿真实验和识别结果分析,验证了优化参数DBN算法的有效性,获得更高的识别率,群体通信行为识别准确率95.75%。