本申请涉及数据处理，特别是涉及一种基于贝叶斯估计的任务完成率预测方法及装置。
背景技术：
1、在信息化场景下，信息海量化、空间复杂化、侦察对象多元化为无人机指挥员的精准研判带来了巨大挑战。特别是随着大量的预警探测设备、传感器的广泛应用,获取的大量场景态势数据已经远远超出了指挥员的分析和处理能力，而无人机信息化侦察的快节奏又对态势评估的时效性和准确性提出了更高要求。传统仅基于人经验或认知的指挥模式已难以适应瞬息万变的无人机侦察形势。
2、然而，基于态势认知算法研究现状及人机混合智能认知的必然趋势，为了更好地辅助指挥员理解复杂环境态势，进而准确研判任务完成率，提出了一种任务完成率预测方法，任务完成率预测是指对任务预期计划最终完成程度的预测，是指挥员把握任务完成状况、理解态势、调整侦察决策的重要依据。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够实现任务完成率预测的基于贝叶斯估计的任务完成率预测方法及装置。
2、一种基于贝叶斯估计的任务完成率预测方法，所述方法包括：
3、获取侦察环境中无人机的单机威胁评估指标；单机威胁评估指标包括侦察能力、指挥控制能力、生存防护能力、综合保障能力和场景机动能力；
4、根据无人机在单机威胁评估指标下的侦察效率构建单机威胁度模型，将任务编队中不同无人机编组对应的单机威胁度模型进行聚合，得到任务编队威胁度；利用任务编队威胁度和预先设置的无人机编队的能力量化与分析协同系数进行计算，得到任务编队的威胁量化值；
5、根据贝叶斯方法基于专家知识和历史推演数据确定先验概率分布并根据实时侦察环境中的任务编队的威胁量化值迭代当前态势，根据当前态势和先验概率分布构建任务完成率预测模型；利用任务完成率预测模型待估计的任务编队进行任务完成率预测。
6、在其中一个实施例中，根据无人机在单机威胁评估指标下的侦察效率构建单机威胁度模型，包括：
7、根据无人机在单机威胁评估指标下的侦察效率构建单机威胁度模型为
8、
9、其中，iaj为单实体在第j个指标下的威胁度，p(aj)为单实体取得第j个指标下侦察效果的概率。
10、在其中一个实施例中，将任务编队中不同无人机编组对应的单机威胁度模型进行聚合，得到任务编队威胁度，包括：
11、将任务编队中不同无人机编组对应的单机威胁度模型进行聚合，得到任务编队威胁度为
12、
13、其中，iij＝niiaj，iij代表第i型实体在第j个指标下的威胁度，ni为编组中第i型实体数量，c为一致性指数，ej为任务编队在第j个指标的威胁度，i为编组数量，aij为幂指数，表示第i个编组对于第j个指标的重要性。
14、在其中一个实施例中，利用任务编队威胁度和预先设置的无人机编队的能力量化与分析协同系数进行计算，得到任务编队的威胁量化值，包括：
15、利用任务编队威胁度和预先设置的无人机编队的能力量化与分析协同系数进行计算，得到任务编队的威胁量化值为
16、vij＝ρej
17、
18、其中，vij表示任务编队的威胁量化值，ρ表示无人机编队的能力量化与分析协同系数，ej表示任务编队威胁度，edi表示第i个基本编组中第d项协同度值，αdi和βdi分别表示edi的最大和最小值，λi为第i个编组在联合任务中的权重，i为编组序号，i为编组数量。
19、在其中一个实施例中，根据贝叶斯方法基于专家知识和历史推演数据确定先验概率分布，包括：
20、基于专家知识和历史推演数据确定先验概率分布为
21、
22、其中，γ为gamma函数，α代表当前任务倾向于完成的程度，β代表倾向于未完成的程度，α、β之和代表对于先验概率分布总的置信度，r为任务完成率。
23、在其中一个实施例中，根据实时侦察环境中的任务编队的威胁量化值迭代当前态势，包括：
24、根据实时侦察环境中的任务编队的威胁量化值迭代当前态势为
25、
26、其中，t0表示初始时刻，t表示当前时刻，|t|表示时间戳数量，g包含当前时刻已经开展的任务集合，g表示当前时刻已经开展的任务序号，y代表关联任务影响程度，wgj表示子任务g在指标j上的任务完成率，αgj表示其子任务g对于指标j贡献度，vij表示任务编队的威胁量化值。
27、在其中一个实施例中，根据当前态势和先验概率分布构建任务完成率预测模型，包括：
28、根据当前态势和先验概率分布构建任务完成率预测模型为
29、
30、其中，α代表当前任务倾向于完成的程度，β代表倾向于未完成的程度，γ为gamma函数，r为任务完成率，t表示当前时刻，|t|表示时间戳数量，h表示当前态势，即无人机编队所面临的威胁程度的已实际完成任务量。
31、在其中一个实施例中，当前任务倾向于完成的程度和倾向于未完成的程度分别为
32、α＝pj×γ
33、β＝(1-pj)×γ
34、其中，pj表示第j个指标下的初始完成概率，γ代表对于初始完成概率的信任度。
35、一种基于贝叶斯估计的任务完成率预测装置，所述装置包括：
36、单机威胁评估指标获取模块，用于获取侦察环境中无人机的单机威胁评估指标；单机威胁评估指标包括侦察能力、指挥控制能力、生存防护能力、综合保障能力和场景机动能力；
37、威胁量化值计算模块，用于根据无人机在单机威胁评估指标下的侦察效率构建单机威胁度模型，将任务编队中不同无人机编组对应的单机威胁度模型进行聚合，得到任务编队威胁度；利用任务编队威胁度和预先设置的无人机编队的能力量化与分析协同系数进行计算，得到任务编队的威胁量化值；
38、任务完成率预测模块，用于根据贝叶斯方法基于专家知识和历史推演数据确定先验概率分布并根据实时侦察环境中的任务编队的威胁量化值迭代当前态势，根据当前态势和先验概率分布构建任务完成率预测模型；利用任务完成率预测模型待估计的任务编队进行任务完成率预测。
39、上述基于贝叶斯估计的任务完成率预测方法及装置，本申请基于贝叶斯估计方法提出了专家知识与侦察区域实时态势相融合的解决思路，填补了当前对于态势认知的空缺，从实体威胁着手，以任务实施为中心，随着任务时间的推进，不断基于当前侦察区域态势对先验概率进行调整构建任务完成率预测模型，能够得到合理可靠的任务完成率预测结果。
1.一种基于贝叶斯估计的任务完成率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据无人机在所述单机威胁评估指标下的侦察效率构建单机威胁度模型，包括：
3.根据权利要求1所述的方法，其特征在于，将任务编队中不同无人机编组对应的单机威胁度模型进行聚合，得到任务编队威胁度，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述任务编队威胁度和预先设置的无人机编队的能力量化与分析协同系数进行计算，得到任务编队的威胁量化值，包括：
5.根据权利要求1所述的方法，其特征在于，根据贝叶斯方法基于专家知识和历史推演数据确定先验概率分布，包括：
6.根据权利要求1所述的方法，其特征在于，根据实时侦察环境中的任务编队的威胁量化值迭代当前态势，包括：
7.根据权利要求1所述的方法，其特征在于，根据所述当前态势和先验概率分布构建任务完成率预测模型，包括：
8.根据权利要求7所述的方法，其特征在于，所述当前任务倾向于完成的程度和倾向于未完成的程度分别为α＝pj×γ
9.一种基于贝叶斯估计的任务完成率预测装置，其特征在于，所述装置包括：
