Tese Cleber

Tese apresentada à Pro-Reitoria de Pos-Graduacao e Pesquisa do Instituto
Tecnologico de Aeronautica, como parte dos requisitos para obtencao do

ttulo de Doutor em Ciencias no Curso de Engenharia Aeronautica e
Mecanica,

Area de Producao
Cleber Almeida de Oliveira
MODELO PARA APOIO
`
A DECIS
AO NO
PROCESSO DE CLASSIFICA C
AO DE UNIDADES
M
OVEIS NO CEN
ARIO MAR
ITIMO
Tese aprovada em sua versao nal pelos abaixo assinados:
Profa. Dra. Mischel Carmen Neyra Belderrain
Orientador
Prof. Dr. Celso Massaki Hirata
Pro-Reitor de Pos-Graduacao e Pesquisa
Campo Montenegro
Sao Jose dos Campos, SP - Brasil
2009
Dados Internacionais de Catalogacao-na-Publicacao (CIP)
Divisao Biblioteca Central do ITA/CTA
Oliveira, Cleber Almeida de
Modelo para Apoio à Decisao no Processo de Classicacao de Unidades Moveis no Cenario
Martimo / Cleber Almeida de Oliveira.
Sao Jose dos Campos, 2009.
108f.
Tese de Doutorado Curso de Engenharia Aeronautica e Mecanica.

Area de Producao
Instituto Tecnologico de Aeronautica, 2009. Orientador: Profa. Dra. Mischel Carmen Neyra
Belderrain. .
1. Compilacao do Quadro Tatico. 2. Fusao de Dados. 3. Logica Nebulosa. 4. Tabela de Decisao
Nebulosa. I. Centro Tecnico Aeroespacial. Instituto Tecnologico de Aeronautica. Divisao de
Engenharia Mecanica. II. Ttulo.
REFER
ENCIA BIBLIOGR
AFICA
OLIVEIRA, Cleber Almeida de. Modelo para Apoio à Decisao no Processo de
Classicacao de Unidades Moveis no Cenario Martimo. 2009. 108f. Tese de
Doutorado Instituto Tecnologico de Aeronautica, Sao Jose dos Campos.
CESS
AO DE DIREITOS
NOME DO AUTOR: Cleber Almeida de Oliveira
TITULO DO TRABALHO: Modelo para Apoio à Decisao no Processo de Classicacao de
Unidades Moveis no Cenario Martimo.
TIPO DO TRABALHO/ANO: Tese / 2009
E concedida ao Instituto Tecnologico de Aeronautica permissao para reproduzir copias

desta tese e para emprestar ou vender copias somente para propositos academicos e
cientcos. O autor reserva outros direitos de publicacao e nenhuma parte desta tese
pode ser reproduzida sem a autorizacao do autor.
Rua Arcy de Farias, 475
CEP 21.321-410 Rio de Janeiro - RJ
MODELO PARA APOIO
`
A DECIS
AO NO
PROCESSO DE CLASSIFICA C
AO DE UNIDADES
M
OVEIS NO CEN
ARIO MAR
ITIMO
Composicao da Banca Examinadora:
Prof. Dr. Ernesto Cordeiro Marujo Presidente - ITA
Profa. Dra. Mischel Carmen Neyra Belderrain Orientador - ITA
Prof. Dr. Karl Heinz Kienitz Membro - ITA
Prof. Dr. Annibal Parracho SantAnna Membro Externo - UFF
Prof. Dr. Lamartine Nogueira Frutuoso Guimaraes Membro Externo - IEAv
ITA
Com amor e carinho dedico este
trabalho para minha esposa
Sonia, meus lhos Victor,
Diego e Letcia.
Agradecimentos
Na realizacao de trabalhos que se estendem por longos perodos de tempo, e natural
interagir com varias pessoas que de uma forma ou de outra contribuem para o desen-
volvimento destes. Este trabalho nao fugiu a esta regra e por esse fato quero deixar aqui
expresso o meu agradecimento às contribuicoes que a memoria ainda preserva e pedir
compreensao às que esquecer.
Em primeiro lugar queria agradecer à minha orientadora, Profa. Doutora Mischel
Carmen Neyra Belderrain, toda a conanca em mim depositada, encorajamento, apoio,
consideracao e orientacao prestada ao longo deste trabalho.
Queria agradecer ao Prof. Doutor Karl Heinz Kienitz toda a colaboracao e
disponibilidade ao longo de todo o perodo de duracao deste trabalho para discutir as
mais diversas opcoes de implementacao do mesmo.
Aos componentes do Grupo de Estudo de Analise de Decisao (GEAD) coordenado
pela Profa. Carmen, queria deixar o meu agradecimento por toda a colaboracao prestada
para a elevacao do conhecimento do grupo.
Agradeco aos colegas da pos-graduacao, em especial à Amanda e ao Claudio por
todas as conversas, opinioes e fundamentalmente o apoio ao longo destes anos. Queria
ainda expressar o meu agradecimento à coordenacao do programa de pos-graduac ao em
aplicacoes operacionais (PPGAO) e a todos os ociais que foram integrados ao programa
neste perodo que de alguma forma contribuiram para este trabalho.
`
A Marinha do Brasil, lembrando daqueles que acreditaram no meu trabalho e me
incentivaram desde o incio gostaria de deixar o meu agradecimento ao CA Liseo e aos
Comandantes Da Cruz e Gasparin.
vi
Agradeco em especial à minha esposa, companheira desde o incio da carreira, pela
paciencia e compreensao durante estes anos de estudo.
Finalmente queria agradecer a Deus pela oportunidade obtida e pela certeza de que
o perodo que passei no Instituto Tecnologico de Aeronautica (ITA) sera sempre uma
lembranca valorosa por toda a minha existencia.
So far the laws of mathematics refer to reality,
they are not certain. And so far they are certain, they do not refer to reality.
Albert Einstein
Resumo
A habilidade de conduzir operacoes no mar e determinada, fundamentalmente, pela
organizacao, compreensao e projecao de todos os fatores importantes que inuenciam a
consciencia situacional, tais como a disposicao das forcas aliadas, neutras e entidades nao
combatentes, as caractersticas geogracas, oceanogracas e meteorologicas da area de
interesse e, obviamente, a disposicao do inimigo. No sistema de comando e controle (C2)
naval, o processo de organizacao, compreensao e projecao destes fatores e conhecido como
compilacao do quadro tatico.
A compilacao de um quadro tatico conavel em ambiente de trafego martimo denso
requer a tecnologia de fusao de dados para integrar informacoes providas por m ultiplas
fontes de modo a melhorar a percepcao da situacao pelo decisor.
Este trabalho propoe e implementa um modelo de apoio à decisao para o processo de
fusao de dados com o proposito de elevar a capacidade de compilacao do quadro tatico
martimo. Este modelo incorpora os aspectos cognitivos dos especialistas, os aspectos
doutrin arios e os objetivos considerados por ocasiao da denicao de uma missao.
A implementacao do modelo de apoio à decisao foi estruturada em duas partes: A
primeira parte propoe uma abordagem que conjuga as tecnicas de gating e de logica
nebulosa para o problema de associacao de dados, considerando m ultiplos sensores e m ulti-
ix
plos alvos. A segunda parte propoe o emprego das Tabelas de Decisao Fuzzy (TDF) como
estrutura para a construcao das regras de um sistema especialista. Esta abordagem agrega
as heursticas empregadas pelos especialistas e as regras de engajamento para apoiar a
classicacao e a identicacao de alvos de superfcie e para sugerir algumas acoes a serem
tomadas pelo decisor.
Os benefcios operacionais obtidos foram signicativos. Reduziu-se a interferencia hu-
mana no processo de integracao dos dados, minimizando a dependencia no conhecimento,
no treinamento e na experiencia do operador do sensor para compilar o quadro tatico.
Aprimoraram-se as fases de observacao e de orientacao do modelo por meio da exploracao
da redundancia dos dados e pela otimizacao do processamento dos dados de modo que o
decisor visualize o cenario em uma unica camada de informacao, aprimorando a conscien-
cia situacional. Contribuiu-se, tambem, para as fases de decisao e de atuacao do modelo,
com a atribuicao do grau de conanca na declaracao de identidade do contato e com a
sugestao de algumas acoes a serem tomadas pelo decisor.
PalavrasChave: Quadro Tatico Martimo, Fusao de Dados, Associacao de Dados,
Logica Nebulosa, Tabela de Decisao Nebulosa
Abstract
The ability to conduct naval operations is determined, fundamentally, by the organi-
zation, comprehension and projection of all important factors that inuence the situation
assessment, such as the disposition of allied and neutral forces, meteorological, oceano-
graphic and geographical characteristics of the area of interest and, obviously, the dis-
position of the enemy. In naval Command and Control (C2) systems, the organization,
comprehension and projection process of these factors is known as tactical picture compi-
lation.
A reliable tactical picture compilation in a dense maritime trac environment re-
quires data fusion technology to integrate information provided by multiple sensors, thus
improving the perception of the situation by the decision-maker.
This work proposes and implements a decision aid model for the data fusion process
aiming to increment the maritime tactical picture compilation capability. The model incor-
porates experts cognitive aspects, doctrine aspects and objectives considered when dening
a mission.
The implementation of the decision aid model was structured in two parts: The rst
part proposes an approach that conjugates the gating and the fuzzy logic techniques for the
data association problem, considering multiple sensors and multiple targets. The second
xi
part uses fuzzy decision tables (FDT) as a structure to help the formulation of rules
for an expert system. This approach aggregates heuristics used by experts and rules of
engagement to support the classication and the identication of surface targets during
the data fusion process and to suggest some actions to be taken by the decision-maker.
The operational benets obtained were signicant. Human interference in the data
integration process was reduced, minimizing the importance of the knowledge, training, and
experience of the sensors operator to compile a tactical picture. The models observation
and orientation phases were improved by exploring data redundancy and by optimizing
data processing, allowing the decision-maker to visualize the scenario in one layer of
information, improving the situation assessment. Improvement were also obtained in the
models decision and act phases by attributing a condence degree to the targets identity
declaration and by suggesting some actions to be taken by the decision maker.
Keywords: Maritime Tactical Picture, Data Fusion, Data Association, Fuzzy Logic,
Fuzzy Decision Table
Sumario
Lista de Figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Lista de Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv
Lista de Abreviaturas e Siglas . . . . . . . . . . . . . . . . . . . . xv
1 Introdu c
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1 Consideracoes Iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Motivacoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4 Contribuicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5 Organizacao da Tese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 L
ogica Nebulosa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Conceitos Basicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Operacoes com Conjuntos Fuzzy . . . . . . . . . . . . . . . . . . . . . . 29
2.4 Sistema de Inferencia Nebulosa . . . . . . . . . . . . . . . . . . . . . . . 32
2.5 Analise de Conglomerados Nebulosos . . . . . . . . . . . . . . . . . . . 35
2.6 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Fus
ao de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
SUM
ARIO xiii
3.2 Compilacao do Quadro Tatico . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3 Consciencia Situacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.4 Arquitetura para o Processo de Fusao . . . . . . . . . . . . . . . . . . . 49
3.5 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4 Modelo Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 Modelo Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5 Proposta para a Associa c
ao de Dados . . . . . . . . . . . . 67
5.2 Decisao em Ambiente Nebuloso . . . . . . . . . . . . . . . . . . . . . . . 69
5.3 Abordagem Proposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3.1 Descricao do Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.4 Resultados de Ilustracao com Dados Reais . . . . . . . . . . . . . . . . 83
5.5 Comparacao da Abordagem Proposta com a Abordagem FCM . . . 86
5.6 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6 Proposta para a Estrutura c
ao de Conhecimento . . . . 89
6.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.2 Tabela de Decisao Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.3 Estudo Ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.4 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7 Conclus
oes e Sugest
oes . . . . . . . . . . . . . . . . . . . . . . . 101
7.1 Sugestoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
SUM
ARIO xiv
Refer
encias Bibliogr
aficas . . . . . . . . . . . . . . . . . . . . . . . 105
Lista de Figuras
FIGURA 1.1 Etapas da Compilacao do Quadro Tatico. . . . . . . . . . . . . . . . 18
FIGURA 1.2 Guerra Assimetrica - Rebocador no Iraque. . . . . . . . . . . . . . . 19
FIGURA 2.1 Valores para a variavel lingustica Erro em distancia. . . . . . . . . 27
FIGURA 2.2 Representacao de um conjunto fuzzy no universo discreto e no uni-
verso contnuo. Fonte: (SANDRI; CORREA, 1999) . . . . . . . . . . . 27
FIGURA 2.3 Altura, suporte, n ucleo e o corte de nvel 0,5 do conjunto nebuloso
A. Fonte: (SANDRI; CORREA, 1999) . . . . . . . . . . . . . . . . . . 29
FIGURA 2.4 Estrutura Sistemica de Inferencia Nebulosa . . . . . . . . . . . . . . 33
FIGURA 3.1 Etapas do Processo de Compilacao do Quadro Tatico. Fonte: (OLIVEIRA;
BELDERRAIN, 2007) . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
FIGURA 3.2 Modelo Dinamico para a Construcao da Consciencia Situacional.
Fonte: (MILLER; SHATTUCK, 2006) . . . . . . . . . . . . . . . . . . . 47
FIGURA 3.3 Modelo para a Consciencia Situacional do Decisor. . . . . . . . . . . 48
FIGURA 3.4 Arquitetura Funcional de um Sistema de Fusao de M ultiplos Sensores. 50
FIGURA 3.5 Representacao Generica de um Sistema de Fusao e Integracao de
Dados. Fonte: Adaptado de (LUO; KAY, 1989). . . . . . . . . . . . . 51
FIGURA 3.6 Declaracao de Identidade por um Sensor. Fonte: Adaptado de
(HALL; MCMULLEN, 2004). . . . . . . . . . . . . . . . . . . . . . . . 54
FIGURA 3.7 Composicao das Declaracoes de Identidade. Fonte: Adaptado de
(HALL; MCMULLEN, 2004). . . . . . . . . . . . . . . . . . . . . . . . 55
LISTA DE FIGURAS xvi
FIGURA 3.8 Estrutura de Inferencia Generica. . . . . . . . . . . . . . . . . . . . 55
FIGURA 3.9 Conceito de Declaracao de Identidade baseado em conhecimento.
Fonte: Adaptado de (HALL; MCMULLEN, 2004). . . . . . . . . . . . . 56
FIGURA 4.1 Modelo Omnibus - Fonte: (BEDWORTH; OBRIEN, 2000) . . . . . . . 62
FIGURA 4.2 Arquitetura Proposta por (GAD; FAROOQ, 2002) . . . . . . . . . . . 63
FIGURA 4.3 Modelo Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
FIGURA 4.4 Hierarquia de Tecnicas de Fusao. Fonte: (HALL; MCMULLEN, 2004) . 65
FIGURA 5.1 Modelo Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
FIGURA 5.2 Contatos dos Sensores por Camadas. . . . . . . . . . . . . . . . . . 72
FIGURA 5.3 Gating Retangular. . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
FIGURA 5.4 Visualizacao em uma Camada. . . . . . . . . . . . . . . . . . . . . . 79
FIGURA 5.5 Dados Brutos dos Sensores . . . . . . . . . . . . . . . . . . . . . . . 84
FIGURA 5.6 Dados RDT Pre-Processados . . . . . . . . . . . . . . . . . . . . . . 84
FIGURA 5.7 Resultado do Processo de Fusao de Dados . . . . . . . . . . . . . . . 85
FIGURA 5.8 Graus de Pertinencia Obtidos nas Associacoes . . . . . . . . . . . . 86
FIGURA 6.1 Representacao de Contatos nas Camadas de Sensores . . . . . . . . 93
FIGURA 6.2 Plotagem com Declaracao de Identidade . . . . . . . . . . . . . . . . 99
Lista de Tabelas
TABELA 5.1 Matriz Resultante F(AB) . . . . . . . . . . . . . . . . . . . . . . . . 79
TABELA 5.2 Visao Comparativa entre as Abordagens . . . . . . . . . . . . . . . 87
TABELA 6.1 Estrutura de uma Tabela de Decisao . . . . . . . . . . . . . . . . . . 91
TABELA 6.2 Tabela de Decisao Fuzzy 1
a
Fase . . . . . . . . . . . . . . . . . . . . 95
a
Fase . . . . . . . . . . . . . . . . . . . . 97
TABELA 6.4 Consolidacao das Regras de Decisao . . . . . . . . . . . . . . . . . . 98
Lista de Abreviaturas e Siglas
AIS Automatic Identication System
C2 Comando e Controle
CONSTAT Console Tatico
FCM Fuzzy Clustering Mean
FDT Fuzzy Decision Table
GE Guerra Eletronica
GNN Global Nearest-Neighbor
GPS Global Positioning System
IFF Identication Friend or Foe
IMO International Maritime Organization
JDL Joint Directors of Laboratories
JPDA Joint Probabilistic Data Association
MAGE Medida de Apoio a Guerra Eletronica
MB Marinha do Brasil
MHT Multiple Hypothesis Tracking
NN Nearest-Neighbor
OODA Observar, Orientar, Decidir e Atuar
PREPLAN Regras Pre-Planejadas
LISTA DE ABREVIATURAS E SIGLAS xix
SAETE Sistema de Analise de Exerccios Taticos da Esquadra
SAG Sistema de Analise Graca
TD Tabela de Decisao
TDF Tabela de Decisao Fuzzy
VHF Very High Frequency
1 Introducao
1.1 Consideracoes Iniciais
Nos ultimos anos, os sensores embarcados, a informatica e os equipamentos de comu-
nicacao sofreram signicativas evolucoes tecnologicas, proporcionando relativo aumento
da qualidade e da quantidade de dados disponibilizados sobre os contatos
1
existentes em
um cen ario martimo. Esta facilidade de obtencao de dados oriundos de m ultiplos sen-
sores proporcionou a discussao na literatura de diversos modelos para a sistematizacao
do processo de fusao de dados de modo a prover informacoes mais acuradas sobre o am-
biente monitorado e, consequentemente, melhorar o processo decisorio. Conforme (GAD;
FAROOQ, 2002), o aspecto comum dos modelos de fusao de dados existentes consiste na
incorporacao de nveis de processamento de dados dentro da estrutura, com o proposito de
aprimorar a consciencia situacional e de apoiar o processo decisorio quanto à associacao
de informacoes redundantes e à classicacao dos contatos.
A aplicacao do conceito de fusao de dados no cenario naval visa a aprimorar a conscien-
cia situacional transformando os acompanhamentos de um mesmo objeto fsico observado
e reportado por diferentes fontes em um unico acompanhamento resultante. Alem disso,
1
Entende-se por contato qualquer objeto fsico existente no ambiente monitorado. Exemplo de objetos
no ambiente martimo: embarcacoes, aeronaves, submarinos, balizas, plataformas, ilhas, etc.
CAP
ITULO 1. INTRODU C
AO 21
visa a subsidiar a classicacao e a identicacao destes objetos fsicos sem a necessidade
da interferencia humana no processo.
No ambiente de Comando e Controle (C2) naval, a resultante deste processo de or-
ganizac ao, compreensao e projecao dos dados dos sensores e usualmente denominada
compilacao do quadro tatico martimo independentemente do modelo adotado
para sua consecucao (CHALMERS; WEBB; KEEBLE, 2002).
A doutrina tatica da Marinha do Brasil (MB) compoe a acao de compilar o quadro
tatico considerando cinco procedimentos basicos (FIG. 1.1): coleta de dados, ltragem,
apresentacao do cenario, analise e avaliacao de cenarios e disseminacao das informacoes
do contato. Contudo, a execucao destes procedimentos na MB ainda depende do nvel de
conhecimento, do adestramento e da experiencia do prossional que atua nessa area.
FIGURA 1.1 Etapas da Compilacao do Quadro Tatico.
A importancia do processo de compilacao de quadro tatico pode ser evidenciada com
a apresentacao de alguns exemplos de acoes drasticas resultantes de erros neste processo,
tais como: o incidente do USS Vincennes em 3 de julho de 1988, no qual uma aeronave
civil foi confundida com uma aeronave militar e abatida; e os incidentes mais recentes
CAP
ITULO 1. INTRODU C
AO 22
como o bombardeio de um abrigo civil em Bagda e a morte de tres soldados britanicos
por uma bomba disparada por um aviao dos Estados Unidos que os ajudava em uma
operacao contra insurgentes do Taliban no sul do Afeganistao em 2007. Na MB, erros
potencialmente similares sao evidenciados nas reconstrucoes dos exerccios operativos, em
que se observam acoes de engajamento simulado sobre navios mercantes confundidos com
o inimigo.
Existem outros fatores que demandam por uma maior capacidade de compilac ao do
quadro tatico para o sucesso nas operacoes navais como o emprego tatico de msseis de
medio alcance dos quais destacamos o Exocet (Franca), Harpoon (EUA), Styx (Russo),
Gabriel (Israel) e o Standard Missile-2 (EUA) pelos meios de superfcie e a guerra as-
simetrica
2
. A FIG. 1.2 ilustra um rebocador de alto-mar nas proximidades do Iraque
conduzindo uma balsa de oleo com minas no seu interior caracterizando um exemplo de
uma forma nao ortodoxa de aplicar uma capacidade operacional.
FIGURA 1.2 Guerra Assimetrica - Rebocador no Iraque.
Nas operacoes navais, uma capacidade de identicacao inferior ao alcance do arma-
mento signica reduzir este alcance a um valor no maximo identico ao raio de identicacao.
Por outro lado, decidir pelo engajamento de contato sem a efetiva identicacao ou associ-
acao com as informacoes do setor de inteligencia implica na aceitacao de riscos elevados,
como a escalada indesejavel de uma crise. Outro risco, nao menos relevante, refere-se à
2
No sentido militar, a guerra assimetrica signica uma abordagem ou maneira nao ortodoxa de aplicar
uma capacidade, que nao segue as regras.
CAP
ITULO 1. INTRODU C
AO 23
prontid ao das forcas no mar, onde a perda de um mssil sempre resultara em uma grave
restricao operativa. Enfatiza-se que a melhor forma de se evitar um mssil inimigo ou um
ataque assimetrico consiste na neutralizacao da plataforma lancadora. Em suma, para
alcancar a ecacia em combate e necessario detectar, identicar e designar o alvo, antes
do inimigo.
1.2 Objetivo
O objetivo deste estudo consiste em propor e implementar um modelo de apoio à de-
cisao para a sistematizacao do processo de fusao de dados com o proposito de elevar a
capacidade de compilacao do quadro tatico martimo. Este modelo incorpora os aspec-
tos cognitivos dos especialistas, os aspectos doutrinarios e os objetivos considerados por
ocasiao da denicao de uma missao.
O benefcio operacional pretendido consiste em reduzir a interferencia humana no pro-
cesso de integracao dos dados, minimizando a dependencia no conhecimento, no adestra-
mento e na experiencia do operador do sensor para compilar o quadro tatico. Dessa forma,
prover ao decisor o aprimoramento da consciencia situacional por meio das seguintes fa-
cilidades: a) visualizacao do cenario em uma unica camada; b) atribuicao do grau de
conanca na declaracao de identidade do contato; e c) sugestao de algumas acoes a serem
A implementacao do modelo de apoio à decisao foi estruturada em duas partes:
A primeira parte propoe uma abordagem que conjuga as tecnicas de gating e de
logica nebulosa para o problema de associacao de dados, considerando m ultiplos sen-
sores e m ultiplos contatos. O objetivo desta parte e aprimorar as fases de observacao e de
CAP
ITULO 1. INTRODU C
AO 24
orientac ao do modelo por meio da exploracao da redundancia dos dados e pela otimizacao
do processamento dos dados de modo que o decisor visualize o cenario em uma unica
camada de informacao, aprimorando a consciencia situacional.
A segunda parte propoe o emprego das Tabelas de Decisao Fuzzy (TDF) como estru-
tura para a construcao das regras de um sistema especialista. Esta abordagem agrega
as heursticas empregadas pelos especialistas e as regras de engajamento com o objetivo
de apoiar a classicacao do contato e de atribuir um grau de conanca na declaracao de
classiccao e de identidade dos alvos de superfcie. Alem disso, contribuir para as fases de
decisao e de atuacao do modelo com a sugestao de algumas acoes a serem tomadas pelo
decisor.
1.3 Motivacoes
As motivacoes para a realizacao deste estudo abrangeram diversas vertentes podendo
ser resumidas nos seguintes pontos:
1. Estudo da problematica associada aos modelos de apoio à decisao para o processo
de fusao de dados existentes e à compreensao dos protocolos de sada dos sensores
embarcados;
2. Aplicacao da tecnica de fusao de dados para prover aos sistemas de C2 taticos e
operacional da MB, uma forma de combinar os dados oriundos dos diversos sensores
embarcados de modo a obter informacoes mais acuradas e ecientes dos contatos e,
consequentemente, explorar a redundancia de informacoes e o grau de incerteza no
rastreio e na classicacao dos contatos;
CAP
ITULO 1. INTRODU C
AO 25
3. Utilizacao do conhecimento adquirido nos pontos anteriores para dotar um sistema
especialista que apoie a decisao de classicacao, incluindo as heursticas utilizadas
pelos operadores mais experientes; e
4. Exploracao dos dados coletados e ltrados dos contatos, conjugadas com as heurs-
ticas empregadas pelos especialistas e com as regras de engajamento, de modo a
subsidiar a classicacao e a identicacao do contato, alem de sugerir algumas acoes
a serem tomadas pelo decisor.
1.4 Contribuicoes
A principal contribuicao deste trabalho resume-se na concepcao e desenvolvimento de
uma proposta de modelo para o processo de fusao de dados dos sensores, considerando
os aspectos cognitivos e doutrinarios, visando a subsidiar o apoio à decisao. Este modelo
apresenta todas as condicoes para ser implementado em sistemas de C2 tanto a nvel tatico
quanto a nvel operacional, bem como em futuros projetos de sistemas taticos navais. Os
passos que foram efetuados e que permitiram concretizar estas contribuicoes foram os
seguintes:
1. Concepcao e implementacao de modelo de apoio à decisao para o processo de fusao
de dados considerando os aspectos cognitivos e as especicidades da MB;
2. Elaboracao de um algoritmo para o problema de associacao de dados baseado na
tecnica de gating e na logica nebulosa (decisao nebulosa);
3. Implementacao de um decisor fuzzy cuja nalidade e atribuir um grau de
pertinencia ou de crenca às comparacoes realizadas entre as medidas de atributo
CAP
ITULO 1. INTRODU C
AO 26
dos contatos disponibilizados pelos sensores e decidir, considerando tais crencas,
quanto à associacao parametrica das medidas. Nesta situacao a logica fuzzy n ao foi
utilizada na sua forma mais tradicional, isto e, na implementacao de um controlador
e, sim em um contexto de decisao;
4. Emprego das TDF como uma estrutura para a construcao das regras de um sistema
especialista para apoiar a classicacao e a identicacao de alvos de superfcie, de
modo a contribuir para as fases de decisao e de atuacao do modelo de apoio à decisao;
e
5. Aplicacao do modelo de apoio à decisao proposto para o processo de fusao de dados
considerando um exemplo ilustrativo.
1.5 Organizacao da Tese
Esta tese foi estruturada em tres partes. A primeira parte compreende o captulo 2
que apresenta uma revisao dos conceitos basicos da logica nebulosa visando a facilitar o
entendimento do trabalho para leitores nao familiarizados com estes conceitos, alem de
descrever a notacao utilizada no desenvolvimento da tese.
A segunda parte consiste dos captulos 3 e 4. No captulo 3 e abordado os conceitos de
fusao de dados, de consciencia situacional e de compilacao do quadro tatico. No captulo
4 e realizada uma revisao dos modelos existentes na literatura e apresentado o modelo
de apoio à decisao proposto considerando os aspectos cognitivos e as especicidades da
cultura existente na MB.
Na terceira parte sao apresentados os captulos 5, 6 e 7. No captulo 5 e apresentada
CAP
ITULO 1. INTRODU C
AO 27
a proposicao do algoritmo para a associacao dos dados baseado no conceito de decisao
nebulosa e a sua implementacao por meio de um exemplo ilustrativo e outro com dados
reais. No captulo 6 e apresentado o conceito de Tabela de Decisao Fuzzy (TDF) para
estruturar o conhecimento no processo de classicacao e de identicacao de alvos para
combate visando a otimizar a compilacao do quadro tatico martimo com a atribuic ao do
grau de conanca na declaracao de identidade. Finalmente, no captulo 7 sao apresentadas
as conclusoes e as sugestoes para trabalhos futuros.
2 Logica Nebulosa
2.1 Introducao
Observando que muitos conceitos no mundo real nao podem ser bem representados
usando limites claramente denidos, (ZADEH, 1965) desenvolveu a teoria dos conjuntos
nebulosos (Fuzzy Sets) para tratar do aspecto vago da informacao. Essa teoria generaliza
os conceitos da teoria classica de conjuntos para o tratamento da imprecisao da informacao
na area de controle e na area de decisao, buscando traduzir em termos formais a informacao
imprecisa que ocorre de maneira natural na representacao dos fenomenos da natureza,
descritos por seres humanos.
Tecnicamente, fuzzy representa imprecisao ou incerteza baseada na intuicao humana e
nao nas interpretacoes classicas, frequentista
1
e subjetivistas da teoria de probabilidades.
A logica fuzzy consiste em aproximar a decisao computacional da decisao humana,
tornando as maquinas mais capacitadas para o trabalho. Isso e feito de forma que a
decisao de uma maquina nao dependa apenas de informacoes binarias do tipo sim ou
nao ou de valores concretos, mas de maneira que tambem possa decidir com base
em valores abstratos do tipo um pouco mais, um pouco menos e em outras tantas
1
Na maioria das situacoes praticas, os eventos simples do espaco amostral nao sao equiprovaveis e nao
podemos calcular probabilidades usando a denicao classica. Neste caso, calcula-se probabilidades como
a freq uencia relativa de um evento.
CAP
ITULO 2. L
OGICA NEBULOSA 29
variaveis que representem os tratamentos de informacoes fornecidas pelo homem.
As informacoes recebidas de m ultiplos sensores/fontes podem estar contidas em dois
tipos de dados: dados numericos recebidos das medicoes dos sensores e dados lingusticos
obtidos de operadores e outras fontes. Em situacoes do mundo real, os dados numericos
podem ser ruidosos, inconsistentes e incertos e as informacoes lingusticas podem ser
imprecisas ou vagas. Tanto a informacao imprecisa quanto a informacao com incerteza
probabilstica estao presentes nos sistemas operacionais. Em um sistema com m ultiplos
sensores a incerteza pode ser gerada por variacoes aleatorias dos dados de medida ou por
inacuracia na gravacao dos dados.
As variaveis lingusticas sao termos que caracterizam grandezas fsicas e cujo valor e
especicado por expressoes da linguagem natural em detrimento de um valor numerico.
Expressoes como erro em distancia pequeno e erro em azimute grande sao designadas
como valores lingusticos das grandezas fsicas Erro em distancia e Erro em azimute,
respectivamente. Um valor lingustico e um conjunto fuzzy. O conjunto de todos os valores
lingusticos especicam uma variavel lingustica. Considerando uma variavel lingustica
X = Erro em distancia, e possvel denir os valores lingusticos (conjuntos fuzzy) erro
em distancia negativo grande (NG), erro em distancia negativo pequeno (NP), erro
em distancia nulo (Z), erro em distancia positivo pequeno (PP) e erro em distancia
positivo grande (PG) caracterizados pelas funcoes de pertinencia
NG
(x),
NP
(x),
Z
(x),
PP
(x) e
PG
(x). A FIG. 2.1 apresenta as funcoes de pertinencia que caracterizam
a variavel lingustica Erro em distancia e os valores lingusticos que a especicam.
Assim, a logica fuzzy proporciona uma estrutura matematica para a modelagem de
sistemas denidos de maneira imprecisa, sistemas pouco conhecidos e sistemas difceis
de modelar por tecnicas convencionais.
CAP
ITULO 2. L
OGICA NEBULOSA 30
FIGURA 2.1 Valores para a variavel lingustica Erro em distancia.
2.2 Conceitos Basicos
Considere-se X como um universo de objetos e x como um objeto generico de X. Um
conjunto classico A, em que A X, e denido como uma colecao de elementos ou objetos
x X, em que cada x pode pertencer ou nao a A. Para denir a funcao caracterstica
de cada elemento de x em X, pode-se representar o conjunto classico A por um conjunto
de pares ordenados do tipo (x, 1) e (x, 0), os quais indicam, respectivamente, se x per-
tence ou nao pertence ao conjunto A. O conjunto fuzzy A e denido como o conjunto de
pares ordenados A = {(x,
A
(x))|x X}, onde
A
(x) e a funcao de pertinencia com
valores entre 0 e 1, denido para cada elemento de x pertencente ao conjunto X. Este e
denominado de universo do discurso, podendo ser discreto ou contnuo (FIG.2.2).
FIGURA 2.2 Representacao de um conjunto fuzzy no universo discreto e no universo
contnuo. Fonte: (SANDRI; CORREA, 1999)
CAP
ITULO 2. L
OGICA NEBULOSA 31
A funcao de pertinencia indica o grau de compatibilidade entre o elemento x e o
conceito expresso por A. Assim,
A
(x) =1, indica que x e completamente compatvel com
A;
A
(x) = 0, indica que x e completamente incompatvel com A; e se 0 <
A
(x) < 1,
indica que x e parcialmente compatvel com A, com grau
A
(x).
A representacao de um conjunto A da teoria dos conjuntos classica pela logica fuzzy e
realizada por um conjunto nebuloso especco, denominado usualmente de crisp, para o
qual
A
(x) : {0, 1}, ou seja, a funcao de pertinencia do elemento e do tipo sim ou
nao.
Pode-se obter a representacao aproximada de um conjunto nebuloso A em atraves
de conjuntos crisp em . Estes subconjuntos, denotados por A
e denominados de cortes
de nvel ou cortes-, sao denidos como:
A
= {x|
A
(x) } (2.1)
Os casos extremos destes conjuntos sao o suporte de A, denotado como Su(A), que agrupa
elementos de que sao de alguma forma compatveis com o conceito expresso por A, e
o n ucleo de A, denotado por Nu(A), que agrupa elementos de A que sao completamente
compatveis com o conceito expresso por A.
Su(A) = {x |
A
(x) > 0} = lim
(2.2)
Nu(A) = {x |
A
(x) = 1} = A
=1
(2.3)
A altura de A, denotado por Al(A), representa o maior grau de compatibilidade dos
CAP
ITULO 2. L
OGICA NEBULOSA 32
elementos de em relacao ao conceito expresso por A:
Al(A) = {x | Sup
A
(x)} (2.4)
Um conjunto nebuloso A e dito normalizado se e somente se Al(A) = 1. A FIG. 2.3 ilustra
a altura, o suporte, o n ucleo, e o corte de nvel 0,5 de um conjunto nebuloso A.
FIGURA 2.3 Altura, suporte, n ucleo e o corte de nvel 0,5 do conjunto nebuloso A.
Fonte: (SANDRI; CORREA, 1999)
2.3 Operacoes com Conjuntos Fuzzy
As operacoes mais basicas sobre conjuntos classicos sao a uniao, a interseccao e o com-
plemento. De forma correspondente a estas operacoes, os conjuntos fuzzy tem operacoes
similares, as quais foram inicialmente denidas por (ZADEH, 1965). Contudo, antes da
denicao dos tres operadores referidos e necessario apresentar a nocao de subconjunto,
utilizado tanto nas operacoes com conjuntos classicos quanto com os conjuntos fuzzy.
O conjunto fuzzy A esta contido no conjunto fuzzy B (ou A e um subconjunto de
CAP
ITULO 2. L
OGICA NEBULOSA 33
B) se e somente se
A
(x)
B
(x) para todo e qualquer x.
A B
A
(x)
B
(x) (2.5)
A uniao de dois conjuntos fuzzy Ae B e um conjunto fuzzy C, expresso por C = AB
ou C = A OR B, onde a funcao de pertinencia relaciona A e B por:
C
(x) = max(
A
(x),
B
(x)) =
A
(x)
B
(x) (2.6)
A interseccao de dois conjuntos fuzzy A e B e um conjunto fuzzy C, expresso por
C = A B ou C = A AND B, onde a funcao de pertinencia relaciona A e B por:
C
(x) = min(
A
(x),
B
(x)) =
A
(x)
B
(x) (2.7)
O complemento de um conjunto fuzzy A, designado por A , e expresso por:
A
(x) = 1
A
(x)) (2.8)
Os conceitos de uniao, interseccao e complemento podem ser tratados de forma mais
geral atraves do emprego de operacoes conhecidas como normas e conormas triangulares.
Uma operacao de interseccao fuzzy T : [0, 1] [0, 1] [0, 1] e denido com o auxlio
de uma T-norma. Um operador T-norma e uma funcao de dois termos que apresente as
seguintes propriedades:
CAP
ITULO 2. L
OGICA NEBULOSA 34
a) T(0, 0) = 0, T(a, 1) = T(1, a) = a Condicao de contorno
b) T(a, b) T(c, d) se a c e b d Monoticidade
c) T(a, b) = T(b, a) Comutativa
d) T(a, T(b, c)) = T(T(a, b), c) Associativa
A primeira propriedade impoe uma correta generalizacao para os conjuntos classicos. A
segunda propriedade implica que uma decrementacao nos valores de pertinencia de A ou B
nao origina uma incrementacao no valor de pertinencia de AB. A terceira propriedade
indica que o operador e indiferente à ordem dos conjuntos fuzzy a serem combinados.
Finalmente, a quarta propriedade permite efetuar a interseccao de um n umero qualquer
de conjuntos fuzzy sem ter em consideracao a orientacao do agrupamento. Os quatro
operadores T-norma mais frequentemente usados sao:
Mnimo T
min
(a, b) = min(a, b) = a b
Produto Algebrico T
pa
(a, b) = ab
Produto Limitado (Bounded product) T
pl
(a, b) = 0 (a + b 1)
Produto Drastico (Drastic product) T
pd
(a, b) =
_
_
a, se b=1
b, se a=1
0, se a,b 1
De forma semelhante ao operador de interseccao fuzzy, uma operacao de uniao fuzzy
S : [0, 1] [0, 1] [0, 1] e denido com o auxlio de uma T-conorma (ou S-norma). Um
operador T-conorma e uma funcao de dois termos que apresente as seguintes propriedades:
a) S(1, 1) = 1, S(a, 0) = S(0, a) = a Condicao de contorno
b) S(a, b) S(c, d) se a c e b d Monoticidade
c) S(a, b) = S(b, a) Comutativa
d) S(a, S(b, c)) = S(S(a, b), c) Associativa
CAP
ITULO 2. L
OGICA NEBULOSA 35
A justicativa para as propriedades S-norma e identica às atribudas ao T-norma. Os
quatro operadores T-conorma mais frequentemente utilizados sao:
Maximo S
max
(a, b) = max(a, b) = a b
Soma Algebrica S
sa
(a, b) = a + b ab
Soma Limitada (Bounded sum) S
sl
(a, b) = 1 (a + b)
Soma Drastica (Drastic sum) S
sd
(a, b) =
_
_
a, se b=0
b, se a=0
1, se a,b > 0
2.4 Sistema de Inferencia Nebulosa
Conceitos nebulosos expressos em universos distintos podem apresentar relacoes entre
si. Assim, os conjuntos fuzzy erro em distancia nuloeerro em azimute nuloapresentam
uma estreita relacao com o conjunto fuzzy alta possibilidade de associacao. Sejam X
1
,
X
2
,. . ., X
n
universos de discurso distintos. Uma relacao nebulosa R em X
1
X
2
. . . X
n
e denida pelo mapeamento:
R
: X
1
X
2
. . . X
n
[0, 1]
Os operadores de implicacao I : [0, 1] [0, 1] [0, 1] sao usados para modelar regras
de inferencia do tipo Se <premissa> Entao <conclusao>. Considerando as pertinencias
de A e B dadas por
A
e
B
, a relacao A B e expressa como:
AB
(x, y) = I(
A
(x),
B
(y)) (2.9)
Quando ha duas relacoes que devem ser encadeadas, por exemplo AB e BC, o
mecanismo de composicao e denominada extensao cilndrica. Um sistema de inferencia
fuzzy pode ser representado por uma estrutura sistemica (FIG.2.4). Este sistema consiste
CAP
ITULO 2. L
OGICA NEBULOSA 36
em tres componentes conceituais: uma interface de fuzicacao, uma base de conhecimento
composta por uma base de regras e uma base de dados e uma interface de defuzicacao.
FIGURA 2.4 Estrutura Sistemica de Inferencia Nebulosa
Denomina-se de fuzicacao a determinacao da relacao entre as variaveis de entrada e
os valores lingusticos. O grau de pertinencia do valor medido da variavel de entrada e
determinado para cada valor lingustico da correspondente variavel lingustica.
A base de regras contem o conhecimento emprico referente à operacao de um processo
especco. O conhecimento e representado por regras lingusticas. A denicao textual de
uma base de regras e efetuada da seguinte forma:
R1: IF Condicao P
1
THEN Conclusao C
1
R2: IF Condicao P
2
THEN Conclusao C
2
R3: IF Condicao P
3
THEN Conclusao C
3
.
.
.
.
.
.
.
.
.
Rn: IF Condicao P
n
THEN Conclusao C
n
onde, a condicao pode consistir de uma combinacao de estados lingusticos.
Os sistemas especialistas seguem rigorosamente tais regras e por isso sao processos de
CAP
ITULO 2. L
OGICA NEBULOSA 37
inferencia ou de raciocnio logico (Logical reasoning Systems).
Conforme (SANDRI; CORREA, 1999), o procedimento de inferencia consiste em:
Vericacao do grau de compatibilidade entre os fatos e as clausulas nas premissas
das regras;
Determinacao do grau de compatibilidade global da premissa de cada regra;
Determinacao do valor da conclusao, em funcao do grau de compatibilidade com os
dados e a acao constante na conclusao; e
Agregacao dos valores obtidos como conclusao nas varias regras, obtendo uma acao
global.
A abordagem basica consiste na solucao do problema de inferencia conhecido como
Generalized modus ponens. Considere o exemplo proposto por (PRZEMIENIECKI, 1991):
IF contato desconhecido iluminou navio com seu RADAR de direcao de tiro.
THEN Contato desconhecido e hostil.
Algumas incertezas podem ser listadas observando a regra descrita acima: A evidencia
relatada pode nao ser verdadeira, pois outros sinais RADAR podem ser classicados
erroneamente como um RADAR de direcao de tiro; o classicador que associa os sinais
RADAR pode estar com informacoes incorretas. Estas fontes de incerteza caracterizam a
importancia do processo de inferencia considerando as evidencias para o processo decisorio.
A regra descrita visa denir um nvel de crenca entre o valor de 0 e 1 que relacione os
contatos que iluminam a embarcacao com os contatos classicados como hostis.
Dependendo da combinacao de operadores nos passos individuais, estrategias diferentes
de inferencia podem ser realizadas. As mais conhecidas sao as denominadas MAX-MIN e
CAP
ITULO 2. L
OGICA NEBULOSA 38
MAX-PROD, as quais usam o operador MAX na acumulacao das projecoes e o operador
MIN ou PROD na projecao.
O processo de defuzicacao corresponde à extracao de um valor numerico represen-
tativo, normalmente real, a partir de um conjunto fuzzy. Os principais metodos de
defuzicacao utilizados sao: Centro de Gravidade (Center of Gravity-CoG), Maximo
Mais à Esquerda (Left Most Maximum-LM), Maximo Mais à Direita (Right Most Maxi-
mum-RM), Media dos Maximos (Mean of Maximum-MoM), Centro de

Area (Center of
Area-CoA) ou Bissetor de

Area (Bissector of Area-BoA) e Centro dos Maximos (Cen-
ter of Maximum-CoM) ou Centro de Gravidade para Singletons (Center of Gravity for
Singleton-COGS).
2.5 Analise de Conglomerados Nebulosos
A tecnica de analise de conglomerados (cluster analysis), tambem conhecida como
analise de agrupamentos, e uma tecnica que permite agrupar elementos em grupos ho-
mogeneos em funcao do grau de similaridade entre os indivduos, a partir de variaveis
predeterminadas.
Diferente do algoritmo de conglomerados convencional que envolve a particao de
variaveis em conglomerados disjuntos, o algoritmo de conglomerados nebulosos ou Fuzzy
Clustering Mean (FCM) desenvolvido por (BEZDEK, 1973) permite que um elemento ou
observacao tenha graus de pertinencia parciais de pertencer a mais de um conglomerado.
O algoritmo FCM consiste na execucao de tres etapas: a) calculo da medida de
similaridade dos dados; b) determinacao da pertinencia fuzzy das medidas de similari-
dade; e c) aplicacao das regras do sistema fuzzy aos valores de pertinencia para realizar a
CAP
ITULO 2. L
OGICA NEBULOSA 39
associac ao.
Um aspecto importante a ser considerado pelo pesquisador ao realizar uma analise
de conglomerados e que a utilizacao de variaveis com medidas/escalas diferentes pode
distorcer a estrutura do agrupamento. A maior parte das medidas de distancia sofre in-
uencia das diferentes escalas e magnitudes das variaveis, sendo esse problema contornado
com a padronizacao das variaveis (F
AVERO et al., 2009).

A forma mais utilizada para padronizacao dos dados consiste em transformar cada
variavel em escore padrao (Z scores), permitindo que seja eliminado o vies decorrente das
diferencas de escalas. O metodo Z scores padroniza cada variavel de maneira a apresentar
media zero e desvio padrao 1, sendo calculado da seguinte maneira :
Z =
(x m edia)
desvio padr ao
(2.10)
As medidas de distancia sao consideradas medidas de similaridade, pois, quanto maiores
os valores, menor e a semelhanca entre os objetos, e vice-versa. As principais medidas
de distancia tratadas na literatura quanto ao estudo de conglomerados sao: distancia
euclidiana e a distancia quadratica euclidiana. A distancia euclidiana entre duas obser-
vacoes i e j corresponde à raiz quadrada da soma dos quadrados das diferencas entre os
pares de observacoes i e j para todas as p variaveis.
d
ij
=
_
p
v=1
(x
iv
x
jv
)
2
(2.11)
Considere c como um inteiro que represente o n umero de conglomerados de modo que
2 c n, onde n e o n umero de observacoes. Dene-se U uma matriz com elementos
CAP
ITULO 2. L
OGICA NEBULOSA 40
ij
(i = 1, 2, ..., c; j = 1, 2, ..., n) que representam o grau de pertinencia da observacao j
pertencer ao conglomerado fuzzy i, de tal forma que:
ij
[0, 1], 1 i c; 1 k n, (2.12)
c
i=1
ik
= 1 k, (2.13)
0
n
k=1
ik
n i, (2.14)
A abordagem FCM visa a minimizar a funcao objetivo descrita na equacao 2.15.
F.O Min J(U, c
1
, . . . , c
c
) =
n
k=1
c
1=1
(
ik
)
m
(d
ik
)
2
(2.15)
onde, c
i
e o centro do cluster i; d
ik
e a distancia euclidiana entre o cluster i e a observacao
k; e m e o expoente de peso que reduz a inuencia de um
ik
pequeno. Onde:
ik
=
1
c
k=1
(d
ij
/d
kj
)
2/(m1)
(2.16)
Na associacao de dados envolvendo m ultiplos alvos e sensores, c e o n umero de rastro dos
alvos e n e o n umero de observacoes a serem associadas.
2.6 Conclusoes
Esta revisao dos conceitos basicos de logica nebulosa permitiu uma familiarizacao com
os termos e notacao a serem utilizados no desenvolvimento da tese.
A logica nebulosa por ser robusta, por tratar informacoes quantitativas e qualitativas
e por n ao requerer que os dados de entrada dos sensores nao possuam rudos, se ajusta
CAP
ITULO 2. L
OGICA NEBULOSA 41
muito bem para sistemas de acompanhamento com m ultiplas fontes nos quais diversas
associac oes podem ser realizadas com os dados recebidos dos sensores.
Uma das principais potencialidades da logica fuzzy e que a sua base de conhecimento
consiste de uma base de dados e de uma base de regras, de maneira a caracterizar a
estrategia de decisao. Na base de dados cam armazenadas as denicoes das funcoes
de pertinencia dos termos nebulosos. A base de regras e formada por estrutura do tipo
IF-THEN-ELSE que e utilizada para estabelecer a associacao.
O pr oximo captulo aborda os conceitos de fusao de dados, consciencia situacional e
de compilacao de quadro tatico caracterizando problemas de associacao, classicacao e
identicacao de objetos fsicos com m ultiplos sensores.
3 Fusao de Dados
Face ao surgimento de novos sensores, tecnicas de processamentos avancadas e notoria
evolucao dos equipamentos de comunicacao, houve um relativo aumento da qualidade e da
quantidade de dados disponibilizados para o monitoramento do ambiente de
interesse. Esta conjuntura favoreceu o surgimento de uma nova area de investigacao
que se denominou fusao de dados, que tem sob o seu domnio o estudo da combinacao de
dados provenientes de m ultiplos sensores para prover informacoes mais acuradas sobre o
ambiente monitorado.
O conceito de fusao de dados visa a transformar os dados provenientes de varios
sensores em processos de inferencia, de uma forma similar ao que o homem e animais
fazem com os dados provenientes dos seus sentidos (visao, tato, olfato, audicao e sabor)
para monitorar o ambiente. Na literatura especializada, ha diversas aplicacoes militares
e civis do processo de fusao de dados nas areas de vigilancia militar, robotica, medicina,
processamento de imagens, etc.
O estudo de (JDL, 1991) deniu fusao de dados como: um processo contnuo que
lida com a associacao, correlacao e combinacao de dados e informacoes provenientes de
CAP
ITULO 3. FUS
AO DE DADOS 43
m ultiplos sensores para obtencao estimada e renada da posicao e da identidade. Alem
disso, possibilita uma avaliacao completa e em tempo da situacao e das ameacas.
O estudo de (LUO; KAY, 1989) apresentou o conceito de integracao de dados. A fusao
e referida como uma fase do processo de integracao onde sao combinados os dados prove-
nientes de m ultiplas fontes. A integracao de dados se refere à sinergia da utilizacao das
informacoes provenientes dos diversos sensores para a execucao de uma tarefa por um
sistema.
Em relacao às interacoes estabelecidas entre os dados provenientes dos m ultiplos sen-
sores, (NASHMAN, 1993) as classicou em tres categorias: interacoes competitivas, com-
plementares e cooperativas.
A interacao competitiva e denida como a relacao entre sensores que observam o
mesmo objeto adquirindo informacoes redundantes que nao contribuem com qualquer
conhecimento adicional para o sistema. A integracao de sensores competitivos resulta em
um incremento da conanca na validade da informacao extrada quando ha uma relacao
entre os dados adquiridos e em uma reducao da conanca quando nenhuma relacao existe.
A interacao complementar ocorre quando dois ou mais sensores obtem informacao
do mesmo contato, contudo algumas caractersticas dos dados observados por um deter-
minado sensor complementam os dados do contato. Neste caso, cada sensor capta do
ambiente dados sobre determinadas caractersticas do contato que se complementam.
A interacao cooperativa ocorre quando as observacoes de um ou de mais sensores guiam
os processos de um outro sensor.
As interacoes das informacoes competitivas, complementares e cooperativas permitem
a fusao dos dados provenientes dos m ultiplos sensores.
CAP
ITULO 3. FUS
AO DE DADOS 44
Nos processos de decisao de Comando e Controle (C2), a fusao de dados e a maneira
pela qual dados de um ou de uma multiplicidade de sensores, junto com dados ou infor-
macoes de uma variedade de fontes podem ser combinados e apresentados para satisfazer
alguns objetivos operacionais (LIGGINS; HALL; LLINAS, 2008).
Nas operacoes navais, a identicacao antecipada das forcas hostis e das possveis
ameacas impostas e decisiva para a avaliacao da situacao tatica de uma Forca Naval.
O processo decisorio, neste contexto, e uma atividade complexa e inuenciada pela in-
certeza da deteccao, do acompanhamento e da identicacao dos contatos existentes no
cenario martimo. Conforme a complexidade e a incerteza aumentam devido à presenca
de m ultiplos contatos, o emprego de uma sistematica que apoie à decisao de associacao e
de classicacao dos contatos e cada vez mais necessario, visando a minimizar o impacto
das limitacoes humanas no processo (OLIVEIRA; KIENITZ; BELDERRAIN, 2009).
No cenario naval, a resultante do processo de fusao de dados e usualmente denominada
de compilacao do quadro tatico martimo (CHALMERS; WEBB; KEEBLE, 2002). A fusao
de dados possibilita a realizacao de inferencias e a obtencao de mais informacoes sobre
o contato em comparacao à analise dos acompanhamentos do mesmo contato reportados
pelos sensores isoladamente. O acompanhamento resultante pode ser associado a uma
plataforma e representado no sistema por um unico n umero de acompanhamento e por
uma unica marca de acompanhamento referente à classicacao e à identicacao daquela
plataforma associada. A combinacao de dados de m ultiplos sensores tem o benefcio
adicional da redundancia, na qual a falha de um sensor pode nao comprometer a vigilancia
da area.
No entender de (ANZANO, 1999), as principais utilidades do processo de fusao de dados
provenientes da deteccao de um objeto fsico por meio de diversos sensores consistem em:
CAP
ITULO 3. FUS
AO DE DADOS 45
a) reduzir a redundancia das informacoes e, consequentemente, otimizar o processamento
das informacoes no procedimento de visualizacao; b) facilitar a construcao de banco de
dados agregados; e c) possibilitar a integracao dos dados de modo que se possa realizar
alguma inferencia que seria praticamente impossvel no tratamento das informacoes de
cada sensor isoladamente.
3.2 Compilacao do Quadro Tatico
A facilidade de conduzir operacoes no mar e determinada fundamentalmente pelo
acesso e utilizacao da informacao conavel no tempo correto. O comando precisa organi-
zar e compreender todos os fatores importantes que inuenciam a consciencia situacional,
tais como a disposicao das forcas aliadas, neutras e entidades nao combatentes, as carac-
tersticas geogracas, oceanogracas e meteorologicas da area de interesse e, obviamente,
a disposicao do inimigo. No C2 naval, a integracao destes fatores relevantes para o co-
mando e conhecida como compilacao do quadro tatico. Este processo e altamente cognitivo
que envolve uma variedade de operadores, de dados e de informacoes com diversos graus
de qualidade. O conceito de consciencia situacional e os aspectos cognitivos envolvidos
serao abordados na secao 3.3. A compilacao do quadro tatico produz continuamente
uma visualizacao do cenario atualizado que e referido como quadro martimo reconhecido
(CHALMERS; WEBB; KEEBLE, 2002)
O objetivo do setor operativo da marinha e prover aos comandantes o mais acurado,
compreensivo e consistente quadro tatico que a tecnologia permite. Teoricamente, o aper-
feicoamento do processo de compilacao do quadro tatico permitira o aprimoramento da
habilidade da marinha em conduzir as operacoes no mar de maneira ecaz e eciente.
CAP
ITULO 3. FUS
AO DE DADOS 46
As tarefas que envolvem a compilacao do quadro tatico podem ser descritas da seguinte
forma: a coleta de dados do ambiente, a armazenagem e a representacao dos dados
relevantes selecionados pelo operador para que outros utilizadores possam realizar as ativi-
dades de vigilancia, de acompanhamento, de classicacao e de identicacao dos contatos,
corroborando para subsidiar o processo decisorio.
No trabalho de (OLIVEIRA; BELDERRAIN, 2007) cada etapa do processo de compilacao
do quadro tatico foi detalhado, conforme apresentado na FIG. 3.1.
FIGURA 3.1 Etapas do Processo de Compilacao do Quadro Tatico. Fonte: (OLIVEIRA;
BELDERRAIN, 2007)
A coleta de dados, base de todo o processo, e constituda pela obtencao de informacoes
dos sensores e outras fontes sobre a presenca (deteccao) de um objeto (contato), pelos
relatorios previos de inteligencia que sao essenciais para a confeccao de bibliotecas de
missao relacionadas com as possveis ameacas no cenario, e pelas informacoes da regiao
(caractersticas geogracas e oceanogracas) e do clima (caractersticas meteorologicas),
que constituem aspectos fundamentais para a visualizacao do cenario e para o controle e
CAP
ITULO 3. FUS
AO DE DADOS 47
estimacao dos desempenhos dos sensores na etapa de decisao.
Atualmente, os navios de guerra da MB estao providos de diversos equipamentos, de
sensores e de recursos associados tais como: radares que proveem distancia, rumo, veloci-
dade, angulo de azimute e de elevacao; Automatic Identication System (AIS) - Global
Positioning System (GPS) que proveem informacoes taticas do contato como posicao,
rumo e velocidade do contato; enlace automatico de dados (link); Identication Friend
or Foe (IFF); sonar; equipamentos de Guerra Eletronica (GE); e informacoes de imagens
oriundas de fontes eletro-oticas, infravermelho e satelites.
A ltragem dos dados consiste em um processo decisorio para a construcao do quadro
tatico martimo, na qual se decide quanto à redundancia e a importancia dos dados
existentes em cada camada de sensor, permitindo que se decida pelo seu uso ou por
seu descarte ou por sua integracao por meio das interacoes complementar e cooperativa
com outros dados (OLIVEIRA; BELDERRAIN, 2008). Essa etapa envolve o alinhamento dos
dados, consistindo na transformacao destes para uma referencia temporal comum, ou seja,
na orientacao dos dados para instantes iguais no tempo. Este procedimento possibilita
uma comparacao direta entre as observacoes dos m ultiplos sensores no processo de gating
e de associacao. A estimacao do vetor de estado que dene a unicacao da posicao e da
identidade do contato de acordo com uma regra de decisao estabelecida.
O procedimento de apresentacao de cenarios e fundamental no auxlio à decisao, pois
permite visualizar claramente as informacoes ltradas, estimar a quantidade de contatos,
acompanhar o rastro dos contatos processados e observar as classicacoes disponveis
destes. As informacoes provenientes da deteccao de um contato por meio de um unico
sensor, geralmente sao insucientes para prover um quadro tatico martimo completo que
apresente o posicionamento e a identicacao das unidades amigas, neutras e inimigas,
CAP
ITULO 3. FUS
AO DE DADOS 48
plano de missao e informacoes de ambiente de fontes taticas e de inteligencia. Atualmente
na MB, esta visualizacao pode ser obtida por meio de recursos como o Ship Naviga-
tion and Plotting System - SNAPS das Fragatas Classe Greenhalgh, Consoles T aticos
(CONSTAT - vinculados ao Sistema de Controle Tatico MK II) das Fragatas Classe
Niteroi Modernizadas, Terminal Tatico Inteligente - TTI 2900, Sistema de Apoio Tatico
Simplicado (SIATS), Sistema de Analise de Exerccios Taticos da Esquadra (SAETE) e
Sistema de Analise Graca (SAG).
O procedimento de analise e avaliacao do cenario requer o exame da situacao para a
observacao dos contatos de classicacao desconhecida ou hostil e o exame das ameacas
de modo a subsidiar o controle dos sensores, a prontidao do armamento, a prioridade de
esclarecimento aereo e a identicacao dos contatos apresentados. Tal procedimento con-
siste em um outro processo decisorio, dependendo muito do nvel de conhecimento e da
experiencia do prossional que atua nessa area. A avaliacao passa a ser crtica em
ambientes martimos de trafego denso, considerando que os sistemas de visualizacao
supracitados carecem de metodos quantitativos, baseados nas heursticas utilizadas pelos
operadores mais experientes, tradutores das informacoes disponibilizadas, nos procedi-
mentos anteriores e conjugadas com as regras de engajamento, de modo a subsidiar a
avaliacao e, consequentemente, apoiar a decisao de classicacao.
O procedimento de disseminacao das informacoes do contato depende do estabeleci-
mento de comunicacoes conaveis e varia conforme o nvel tatico, operacional e estrategico.
Uma vez cumpridos os procedimentos anteriores, torna-se necessario divulgar, para as de-
mais unidades que compoem o grupamento operativo ou para o Comando Operacional a
avaliacao obtida dos contatos analisados, por meio da classicacao e da priorizacao para
o devido esclarecimento. Esta disseminacao da informacao pode ser traduzida como um
CAP
ITULO 3. FUS
AO DE DADOS 49
processo decisorio que resultara, ou nao, na utilizacao do armamento embarcado no nvel
tatico ou em subsdios para o Comando e Controle (C2).
Em resumo, o processo de compilacao do quadro tatico e operacional de uma forca
naval visa a sistematizar os procedimentos necessarios para a construcao, a compreensao
e a analise do cenario a partir das informacoes disponibilizadas. Segundo (BLASCH et al.,
2006), o proposito deste processo e aprimorar a consciencia situacional e aperfeicoar o
processo decisorio.
3.3 Consciencia Situacional
Consciencia Situacional e a percepcao dos fatores, das relacoes entre entidades, das
condicionantes e da utilidade das informacoes coletadas que afetam a execucao da tarefa
durante um determinado perodo de tempo, permitindo ou proporcionando ao decisor estar
ciente do que se passa ao seu redor (conhecimento sobre o ambiente, o oponente e as suas
proprias forcas) e assim ter condicoes de focar o pensamento à frente da situacao percebida
apoiado nas licoes do passado, na experiencia, no treinamento e na assessoria, adotando a
decisao a ser executada, coerente com os objetivos da sua missao. Resumindo, Consciencia
Situacional e o domnio das informacoes que inuenciam no teatro de operacoes.
A Figura 3.2 apresenta um modelo dinamico proposto por (MILLER; SHATTUCK, 2006).
Este modelo descreve o processo cognitivo envolvido na construcao da consciencia situa-
cional considerando os papeis da tecnologia, dos seres humanos e da interacao entre eles
no processo pelo qual um operador obtem as informacoes necessarias para avaliar uma
situacao e realizar uma decisao.
O modelo contem uma serie de seis elementos ovais de variados tamanhos e tres lentes
CAP
ITULO 3. FUS
AO DE DADOS 50
FIGURA 3.2 Modelo Dinamico para a Construcao da Consciencia Situacional. Fonte:
(MILLER; SHATTUCK, 2006)
(Figura 3.2). Os tres elementos ovais no lado esquerdo do modelo (1, 2 e 3) represen-
tam o lado tecnologico do sistema enquanto os tres elementos ovais da direita (4, 5 e 6)
representam os processos cognitivos e perceptuais humanos. O elemento oval 1 representa
o cenario real contendo os dados das forcas inimigas, amigas e neutras, alem das infor-
macoes da regiao e do clima. O elemento oval 2 e um subconjunto do cenario real que
representa apenas os contatos detectados e as informacoes disponibilizadas pelo sistema
do sensor. O elemento oval 3 representa o subconjunto de informacoes que sao disponi-
bilizadas na tela do operador. Este elemento pode variar dependendo da conguracao
realizada pelo operador como descentralizacao da tela, escala, inclusao de aneis de distan-
cia etc. Os elementos ovais 4, 5 e 6 no lado direito do modelo representam a percepcao das
informacoes disponibilizadas, a compreensao da situacao corrente e a projecao individual
do evento corrente para o futuro, respectivamente. As lentes A, B e C representam a
inuencia da situacao local, dos aspectos doutrinarios e aspectos cognitivos (experiencia,
treinamento) dos operadores, respectivamente.
A Figura 3.3 apresenta um modelo dinamico proposto pelo autor para descrever o
processo cognitivo envolvido na construcao da consciencia situacional considerando os
CAP
ITULO 3. FUS
AO DE DADOS 51
papeis da tecnologia, dos operadores dos sensores e da interacao entre eles no processo
pelo qual um decisor obtem as informacoes necessarias para avaliar uma situacao e realizar
uma decisao apoiado em sua experiencia, treinamento e conhecimento.
FIGURA 3.3 Modelo para a Consciencia Situacional do Decisor.
A proposta deste estudo visa a aprimorar a visualizacao do cenario para o decisor
visando a aumentar a sua consciencia situacional. Este aumento ira facilitar e direcionar
o processo de tomada de decisao dentro do ciclo: Observar, Orientar, Decidir e Agir
(OODA). Conseq uentemente, o alto nvel de consciencia situacional e ponto decisivo para
que o ciclo de Comando e Controle (C2) seja eciente e ecaz.
A atividade de C2 naval busca reduzir os efeitos de dois fenomenos conhecidos como a
nevoa e a friccao da guerra. Entende-se por nevoa como a falta de consciencia situacional,
decorrente da impossibilidade de integrar o conhecimento e as informacoes disponveis
CAP
ITULO 3. FUS
AO DE DADOS 52
para efetuar ajustes e correcoes de maneira a formar um quadro real. A nevoa esta
associada às incertezas ligadas ao que esta ocorrendo de fato. A friccao esta relacionada
com as intencoes transformadas em acoes do comandante e que sofrem interferencias nao
previstas, inuindo nos resultados esperados. Tanto a nevoa como a friccao despertam
a atenc ao para aspectos como: nao cometer erros crassos; nao atingir as forcas amigas;
e obter a coesao, maxima efetividade e economia de forcas (ALBERTS; GARSTKA; STEIN,
1999).
Em resumo, o aprimoramento da consciencia situacional e o principal objetivo do
processo de compilacao do quadro tatico que, por sua vez, requer a tecnologia de fusao
de dados para integrar informacoes providas por m ultiplos sensores.
3.4 Arquitetura para o Processo de Fusao
A arquitetura basica para o processo de fusao centralizada de dados provenientes de
m ultiplos sensores e apresentada na Fig.3.4. Os rastros dos objetos monitorados por cada
FIGURA 3.4 Arquitetura Funcional de um Sistema de Fusao de M ultiplos Sensores.
sensor sao capturados no bloco de armazenamento. Estes rastros sao alinhados no tempo
CAP
ITULO 3. FUS
AO DE DADOS 53
e no espaco. Uma vez associados ao mesmo objeto sao fusionados de modo a prover as
informacoes de localizacao, de classicacao e de identicacao do referido objeto.
A FIG. 3.5, adaptado de (LUO; KAY, 1989), apresenta genericamente um sistema de
fusao e integracao de dados considerando o estabelecimento de uma hierarquia entre os
sensores. As linhas tracejadas representam as inuencias do sistema em cada um dos nos,
onde sao realizados os processos de fusao.
FIGURA 3.5 Representacao Generica de um Sistema de Fusao e Integracao de Dados.
Fonte: Adaptado de (LUO; KAY, 1989).
Na situacao ilustrada, os sensores foram ordenados de A a N em funcao do erro de
predicao de cada sensor. Portanto, os rastros dos contatos observados pelo sensor A
prevalecem aos rastros provenientes do sensor B. Os rastros da resultante F(AB) do pro-
cesso de associacao de A com B prevalecem aos rastros provenientes do sensor C e, assim,
sucessivamente. No nal, a resultante F(ABC...N) apresenta a estimacao da posicao e da
classicacao de todos os objetos acompanhados do ambiente monitorado. O sistema de
fusao e formado pelos processos de registro, de alinhamento dos dados, de gating para
CAP
ITULO 3. FUS
AO DE DADOS 54
a associacao e de estimacao do vetor de estado. O registro, ou banco de dados associ-
ado, permite que o sistema guarde a informacao do contato previamente adquirida por
determinado sensor, possibilitando que o processo de decisao utilize tal informacao.
O processo de alinhamento dos dados se torna necessario a m de que as informacoes
de cada sensor sejam traduzidas e convertidas por meio dos respectivos protocolos para
metricas comuns e alinhadas de acordo com a denicao da janela de tempo dos dados
a serem considerados. A denicao da janela de tempo aplicada ao banco de dados de
acompanhamento depende da taxa de atualizacao dos dados dos sensores e da mudanca
relativa da posicao do contato entre as atualizacoes. Como a velocidade das plataformas
martimas sao baixas (valor modal de 9 nos), pode-se armar que se for utilizada uma
taxa de 1 minuto praticamente nao havera mudancas na posicao das unidades moveis.
Este procedimento permite realizar uma comparacao direta entre os dados de cada sensor
para o processo de gating e de associacao no espaco.
O bloco de gating visa a eliminar a comparacao par a par de observacoes inapropriadas,
criando uma janela em torno das variaveis de posicao do objeto a ser comparado. A
resultante do teste de gating classica um acompanhamento de um sensor em uma de
duas categorias (BLACKMAN, 1986).
Candidato a se associar a um objeto ja acompanhado.
Observacao inicial de um novo objeto.
A literatura (BLACKMAN, 1986; BAR-SHALOM; BLAIR, 2000; BROOKNER, 1998)
descreve diversas tecnicas de gating ( retangulares, eliptcas etc). Neste estudo foi uti-
lizada a tecnica mais simples que consiste na criacao de uma janela retangular em torno
das variaveis de posicao reportadas do objeto a ser comparado. Assim, utilizando a
CAP
ITULO 3. FUS
AO DE DADOS 55
descricao dos sensores da Figura 3.5, e possvel denir uma matriz global que represente
os acompanhamentos do sensor B que estejam dentro da janela de cada acompanhamento
do sensor A. O valor 1 nesta matriz indica que ha um objeto fsico de B candidato a
associar-se com o objeto observado pelo sensor A. Esta janela e denida a partir da
seguinte relacao:
V A
i
V B
j
= erro Filtro (3.1)

onde, V A
i
e V B
j
representam as dimensoes de posicao das observacoes A
i
e B
j
, respec-
tivamente. O Filtro representa uma constante pre-determinada, denida geralmente a
partir do desvio padrao residual do erro de predicao de cada sensor.
A associacao consiste em aplicar o algoritmo responsavel por vericar se os dados
de acompanhamento de um contato obtidos por um sensor sao compatveis com as ob-
servacoes obtidas por outros sensores. Esta associacao e obtida denindo medidas de
similaridade que quantica a proximidade dos contatos obtidos por diferentes sensores
levando em consideracao a resolucao de cada sensor.
Depois de efetuada a associacao parametrica dos contatos e observada a necessidade
de fusao dos atributos dos contatos. As tecnicas de estimacao irao determinar o vetor de
estado que melhor dena a posicao e a identidade do contato observado.
A estimacao do vetor de estado pode ser dividido em dois segmentos: vetor de estado
de posicao e vetor de estado de classicacao e estimacao da identidade do contato.
A equacao 3.2 foi apresentada por (BYUN et al., 2004) para a fusao de rastros de dois
sensores assumindo que os erros dos estimadores de estado de cada sensor sao indepen-
dentes.
x = P
j
(P
i
+ P
j
)
1
x
i
+ P
i
(P
i
+ P
j
)
1
x
j
(3.2)
CAP
ITULO 3. FUS
AO DE DADOS 56
onde, x
i
e x
j
representam a estimacao de estado a partir dos sensores i e j, respectiva-
mente. P
i
e P
j
sao suas matrizes de covariancia. Portanto, a equacao 3.2 descreve um
vetor de estado de posicao baseado na combinacao convexa de duas posicoes estimadas
ao nvel dos sensores.
Neste trabalho, considera-se que os erros de predicao de cada sensor sao conhecidos
(fase de alinhamento dos sensores de bordo). Neste contexto, as observacoes do sensor
de menor erro de predicao serao escolhidas para a estimacao do vetor nal de posicao.
A vantagem deste procedimento de estimacao e de que nenhuma composicao de dados e
realizada, reduzindo, assim, o tempo de processamento.
O vetor de estado de classicacao e de estimacao da identidade do contato envolve
o conceito de fusao de declaracao de identidade. Este conceito, ilustrado nas Figuras
3.6 e 3.7, visa a transformar os atributos observados de um mesmo contato por m ulti-
plos sensores em um rotulo ou marca de acompanhamento que descreva ou nomeie a
classicacao e a identicacao daquele contato. No contexto deste estudo, os atributos
representam os dados que podem ser uteis no processo de classicacao e de identicacao
do contato. Por exemplo, os seres humanos podem reconhecer seus pares por meio de
um processo de abstracao, que podem evidenciar atributos distintos como movimentos
caractersticos (visao), tonalidade da voz (audicao), caractersticas faciais (tato e visao)
etc. A composicao destes atributos distintos corrobora para a identicacao do indivduo.
A Figura 3.6, adaptada de (HALL; MCMULLEN, 2004), ilustra como o atributo y
i
pode ser extrado de um sinal ac ustico coletado por um sensor e transformado em uma
declaracao de classicacao e identidade do contato usando tecnicas de reconhecimento
de padr oes tais como analise de conglomerados, redes neurais ou tecnicas baseadas no
conhecimento. Estas tecnicas necessitam de duas fases: a fase de treinamento e a fase de
CAP
ITULO 3. FUS
AO DE DADOS 57
classicacao propriamente dita.
FIGURA 3.6 Declaracao de Identidade por um Sensor. Fonte: Adaptado de (HALL;
MCMULLEN, 2004).
A Figura 3.7, adaptada de (HALL; MCMULLEN, 2004) ilustra o conceito de fusao de
declaracoes de classicacao e de identidade. As tecnicas que possibilitam a fusao incluem
metodos de votacao, inferencia Bayesiana, metodo de Dempster-Shaer, etc. Na pratica, a
fusao de posicao e a fusao das declaracoes de identidade podem ocorrer simultaneamente.
Obviamente, a forma de compor esta fusao depende do tipo dos sensores envolvidos no
processo.
FIGURA 3.7 Composicao das Declaracoes de Identidade. Fonte: Adaptado de (HALL;
MCMULLEN, 2004).
A Figura 3.8 ilustra uma estrutura de inferencia generica, onde a base e o topo
representam, respectivamente, a entrada e a sada da estrutura. Considerando o processo
de inferencia no cenario martimo, os dados de entrada no nvel 0 seriam os atributos
dos diversos contatos X
i
observados pelos sensores. No nvel 1, as funcoes discriminantes
CAP
ITULO 3. FUS
AO DE DADOS 58
G
c
(X) seriam os diversos aspectos a serem analisados dos atributos de cada contato para
a classicacao ou priorizacao de acao a ser executada no nvel 2.
FIGURA 3.8 Estrutura de Inferencia Generica.
Conceitualmente, a fusao das declaracoes de identidade poderia ser realizada da mesma
forma que a fusao de posicao. Contudo, existem algumas diculdades neste processo, tais
como: a) os modelos fsicos para a declaracao de identidade, de uma forma geral, nao
existem ou sao muito difceis de serem desenvolvidos (ex: modelar o retorno da secao reta
radar de um navio versus angulo de aspecto do mesmo); b) a identidade possui um aspecto
hierarquico. Assim, em um nvel de inferencia baixo, os objetos a serem identicados
podem incluir emissores individuais (RADAR, radios etc), ou entidades fsicas (motor,
engrenagem redutora ou n umero de pas de helice). Em um nvel de inferencia alto,
a identidade de uma forca naval pode ser declarada, embora esta identicacao nao se
estenda a cada navio componente.
Em face destas diculdades, sistemas baseados em conhecimento sao utilizados para
processar as observacoes dos sensores, considerando uma base de regras construda a
priori de modo a possibilitar a declaracao da classicacao e de identidade de um contato.
Diversas estruturas podem ser empregadas visando a alcancar uma conclusao valida de
classicacao, tais como logica booleana, arvore de decisao, tabela de decisao, logica fuzzy
etc. A Figura 3.9 ilustra o conceito de declaracao de identidade baseado em conhecimento.
CAP
ITULO 3. FUS
AO DE DADOS 59
FIGURA 3.9 Conceito de Declaracao de Identidade baseado em conhecimento. Fonte:
Adaptado de (HALL; MCMULLEN, 2004).
No estudo de simulacao de compilacao cognitiva de quadro tatico,(HEUVELINK; BOTH,
2007) elucidaram algumas das heursticas dos especialistas que facilitam a declarac ao de
classicacao e de identidade dos contatos na compilacao do quadro tatico martimo. Estas
heursticas foram transformadas nas seguintes tarefas a serem cumpridas pelo decisor:
a) observar comportamentos que denam a classicacao do contato (ex: velocidade do
contato e se o contato abriu fogo); b) relacionar a observacao do comportamento com as
informacoes do setor de inteligencia e do ambiente (ex: rumo e velocidade condizentes com
a rota de navegacao daquele trecho, distancia e setor da deteccao do contato coerentes
com o tamanho e direcao da ameaca esperada, e expectativa de rumo e velocidade do
trafego mercante informada pelo setor de inteligencia; c) observar todos os atributos no
tempo (ex: padrao de navegacao e variacao de velocidade); e d) vericar se as informacoes
coletadas sao sucientes para identicar um contato como inimigo. Alem disso, selecionar
a melhor acao (ex: priorizar o esclarecimento aereo para reduzir a incerteza de ameaca ao
maximo).
Na MB, tarefas semelhantes sao enunciadas nas regras pre-planejadas (PREPLAN) e
CAP
ITULO 3. FUS
AO DE DADOS 60
nas regras de engajamento inseridas em algumas diretivas. Estas regras sao elaboradas
para facilitar o processo decisorio em todos os nveis, do comandante do navio ao vigia, de
modo que, para cada possvel situacao especca, haja um procedimento claro e simples
que possa ser adotado. Alem disso, estas regras visam a harmonizar as acoes com os
objetivos polticos e militares da missao.
3.5 Conclusoes
Em uma primeira etapa, a fusao de dados visa a associar as informacoes competi-
tivas provenientes de m ultiplos sensores, minimizando o n umero de acompanhamentos
de contatos redundantes a ser visualizado pelo decisor. Posteriormente, essa fusao per-
mite realizar as interacoes complementares e cooperativas dos dados de modo a obter
inferencias que seriam praticamente impossveis analisando isoladamente as camadas de
informacoes de cada sensor. Por meio do alinhamento dos dados dos sensores e da asso-
ciacao parametrica, utilizando medidas de similaridade e de comparacoes, a fusao e, ou
nao, efetuada para prover uma estimativa do vetor de estado do contato.
O conceito de fusao das declaracoes de identidade e fundamental para a avaliacao tatica
de uma forca naval. Entretanto, em virtude de diculdades na modelagem dos modelos
fsicos para o processo de declaracao de identidade, observa-se uma tendencia na utilizacao
de sistemas baseados em conhecimento. As PREPLAN e as regras de engajamento da
MB constituem uma base de regras que podem ser utilizadas como subsdios para a
implementacao de um sistema especialista de apoio à classicacao e à identicacao de
contatos. Neste contexto no captulo 6 sera apresentada a extensao fuzzy da tabela de
decisao como ferramenta de estruturacao logica do conhecimento. O proximo captulo
CAP
ITULO 3. FUS
AO DE DADOS 61
aborda os diversos modelos propostos na literatura para o processo de fusao de dados
e apresenta o modelo proposto pelo autor considerando as especicidades e os aspectos
intrnsecos ao processo enraizados na metodologia de compilacao do quadro martimo na
MB.
4 Modelo Proposto
Varios modelos para combinar as informacoes de m ultiplas fontes foram propostos na
literatura, tais como: o ciclo de inteligencia; o modelo Joint Directors of Laboratories
(JDL), o ciclo de controle de Boyd, tambem denominado de ciclo OODA - Observar,
Orientar, Decidir e Atuar; o modelo de Waterfall ; o modelo Dasarathy; o modelo de
Omnibus e o ciclo OODA estendido. Alem destes, no trabalho (GAD; FAROOQ, 2002), os
autores propuseram um modelo hbrido para o acompanhamento de contatos na
vigilancia martima. De modo geral, estes modelos foram criados para reger um processo
decisorio formal visando à obtencao de uma decisao otimizada em relacao ao conhecimento
disponvel, consistente com os objetivos e criterios adotados (MIRZA, 2006). Os modelos
estao descritos a seguir:
1. O ciclo de inteligencia: este processo compreende as fases de coleta, de ltragem,
de avaliacao e de disseminacao. Na fase de coleta sao obtidos os relatorios de in-
teligencia na forma de informacao dos sensores ou descricao humana. Na fase de
ltragem, ha um processo decisorio a m de denir o grau de correlacao entre os
dados contidos nos relatorios de inteligencia coletados. Na fase de avaliacao, ocorre
CAP
ITULO 4. MODELO PROPOSTO 63

outro processo decisorio no qual os dados sao analisados e integrados de modo a
obter alguma inferencia que possibilite a classicacao. Na fase de disseminacao,
a informacao de classicacao gerada e distribuda de modo que se possa efetuar a
decisao requerida de esclarecer, engajar ou apenas manter o acompanhamento do
contato. Percebe-se que as etapas deste modelo sao similares às etapas do processo
de compilacao do quadro tatico.
2. O modelo JDL: este modelo foi proposto em 1985 pelo US Joint Directors of Labo-
ratories Data Fusion Sub-Group. O processo consiste de cinco nveis. O nvel 0 esta
asssociado às atividades de pre-deteccao como o processamento de sinais e o registro
de tempo. No nvel 1, o interesse reside na estimativa e predicao da localizacao do
contato, do seu comportamento e da sua identidade. O nvel 2 esta associado ao
exame da situacao, no qual se investiga a relacao entre as entidades como a estrutura
da forca e as atividades de comunicacao. O nvel 3 efetua o delineamento de um
conjunto de possveis acoes potenciais e os efeitos na situacao corrente. O nvel 4
e um elemento do gerenciamento do processo utilizado para decidir sobre as acoes
subseq uentes visando a alcancar o objetivo da missao.
3. O ciclo de controle de Boyd (BOYD, 1987): o ciclo OODA e dividido em quatro
fases. A fase de observacao e comparavel ao nvel 0 do modelo JDL e parte da fase
de coleta do ciclo de inteligencia. A fase de orientacao inclui as funcoes dos nveis 1,
2 e 3 do modelo JDL. Tambem inclui os elementos estruturados das fases de coleta
e ltragem do ciclo de inteligencia. A fase de decisao inclui a funcao do nvel 4
do modelo JDL e a atividade de disseminacao do ciclo de inteligencia. A fase de
atuacao do ciclo OODA nao possui uma analogia direta com o modelo JDL. O ciclo
de Boyd introduziu a nocao de iteracao e de realimentacao do ciclo para o mundo
CAP

real com os efeitos da decisao.
4. O modelo Waterfall (BEDWORTH, 1994): o modelo Waterfall tem como foco
descrever, com mais detalhes, as funcoes realizadas nos primeiros nveis do
modelo JDL. O nvel de coleta e processamento de sinais deste modelo corresponde
ao nvel 0 do modelo JDL. O nvel de extracao e processamento de padroes esta
associado ao nvel 1 do modelo JDL. O nvel de descricao da situacao equivale ao
nvel 2 do modelo JDL. O nvel de decisao corresponde ao nvel 3 do modelo JDL.
A maior limitacao deste modelo e que o processo de realimentacao nao e explcito.
5. O modelo de Dasarathy (DASARATHY, 1997): este modelo realiza uma iteracao
dos cinco nveis do modelo JDL com um paradigma de input-output. Possibilita,
dessa forma, observar as entradas e inferir as sadas considerando o processamento
de cada nvel. Os tres principais nveis de abstracao durante o processo de fusao:
dados (mais especicamente dados de sensores), caractersticas (informacoes de nvel
intermediario) e decisao baseado em valores.
6. O modelo Omnibus (BEDWORTH; OBRIEN, 2000): este modelo capitaliza as vanta-
gens dos modelos anteriores, unicando-os em um graco do ciclo de decisao iterativo
(FIG.4.1).
No modelo Omnibus, a realimentacao e explcita e o conceito de ciclo dentro de
ciclo e introduzido. A natureza cclica do processo de fusao de dados e feita ex-
plcita guardando a estrutura geral do ciclo de Boyd. A delidade da representacao
expressada pelo modelo Waterfall e entao facilmente incorporada em cada uma das
quatro atividades do processo.
7. O modelo OODA estendido: este modelo prove um mecanismo para processos de
CAP

FIGURA 4.1 Modelo Omnibus - Fonte: (BEDWORTH; OBRIEN, 2000)
fusao de m ultiplos dados concorrentes e potencialmente inter-relacionados. O pro-
cesso e decomposto em um conjunto de N funcoes de alto nvel. Estas funcoes sao
examinadas em termos das fases de observacao, orientacao, decisao e atuacao que
constituem o modelo OODA. Cada funcao pode ser posteriormente decomposta e
avaliada considerando cada fase OODA. O modelo OODA estendido e consistente
com o modelo OODA em alto nvel haja vista que fecha o ciclo entre o processo de
decisao e o ambiente de incerteza. Este modelo tambem e consistente com o elevado
grau de abstracao no processo de informacao em cada nvel do modelo JDL. Este
modelo prove a capacidade de ciclo dentro de ciclo do modelo Omnibus.
8. O modelo hbrido para o acompanhamento de contatos na vigilancia martima pro-
posta por (GAD; FAROOQ, 2002) pressupoe a combinacao das vantagens da ordenacao
dos dados apresentados no modelo JDL, da denicao da etapa de atuar do ciclo
OODA, da representacao do ciclo dentro de ciclo do modelo Omnibus, e nalmente
da decomposicao em N nveis do ciclo OODA estendido (FIG. 4.2).
CAP

FIGURA 4.2 Arquitetura Proposta por (GAD; FAROOQ, 2002)
4.2 Modelo Proposto
O modelo proposto nesta tese tem como objetivo reger o processo decisorio para a
construcao de um quadro tatico martimo a partir de dados provenientes de m ultiplas
fontes em um cenario com m ultiplos contatos. Para isso, adaptou-se a piramide apresen-
tada no processo de compilacao do quadro tatico martimo ao modelo hbrido proposto
por (GAD; FAROOQ, 2002), conforme a FIG. 4.3. Assim, puderam ser mantidas as mesmas
relacoes observadas e enraizadas da metodologia de compilacao do quadro tatico martimo
considerando os aspectos intrnsecos ao processo. A etapa de coleta de dados da piramide
corresponde à fase de observacao do modelo. A etapa de ltragem dos dados corresponde
à fase de orientacao. As etapas de apresentacao do cenario e avaliacao correspondem à
fase de decisao do modelo e a etapa de disseminacao da informacao corresponde à fase de
atuacao.
CAP

FIGURA 4.3 Modelo Proposto
A contribuicao do modelo apresentado consiste na identicacao de aspectos cognitivos
desde a fase de observacao ate a fase de atuacao do ciclo. Os aspectos cognitivos dependem
da conjuncao de doutrinas, regras e procedimentos aplicaveis aos sistemas existentes;
das experiencias, treinamentos e habilidades que constituem os valores individuais dos
operadores dos sensores e dos proprios decisores em determinados cenarios; e os criterios
e objetivos considerados na denicao de determinada missao. Observa-se que a fase de
observacao e uma etapa importante para o processo decisorio, pois prove a informacao, a
partir dos dados obtidos pelos sensores ativos e passivos empregados, para as demais fases
do ciclo. A decisao quanto ao modo de utilizacao dos sensores ativos por uma Forca Naval
depende da missao e podera denir o sucesso ou fracasso de uma operacao naval. A partir
do modelo proposto foi possvel observar a complexidade das decisoes envolvidas no topo
da piramide e as dependencias das problematicas existentes em cada fase do processo,
considerando os aspectos cognitivos envolvidos.
A compilacao de um quadro tatico conavel requer a tecnologia de fusao de dados
CAP

para combinar e inferir sobre as informacoes recebidas de m ultiplas fontes. Dessa forma, a
implementacao do modelo proposto considerou as tecnicas de logica nebulosa e de sistemas
especialistas baseados em conhecimento para atender o nvel de inferencia pretendido neste
trabalho. A FIG. 4.4 ilustra uma hierarquia das tecnicas aplicaveis ao processo de fusao
existentes na literatura.
FIGURA 4.4 Hierarquia de Tecnicas de Fusao. Fonte: (HALL; MCMULLEN, 2004)
4.3 Conclusoes
A relevancia do modelo proposto consiste na manutencao das relacoes observadas e
enraizadas da metodologia de compilacao do quadro tatico martimo. A complexidade
para a implementacao do modelo apresentado consiste na identicacao, adequacao e sis-
tematizacao dos aspectos cognitivos de cada fase do processo.
A implementacao do modelo de apoio à decisao proposto para o processo de fusao de
dados foi estruturada em duas partes. A primeira parte, a ser apresentada no captulo
5, consiste na proposicao de uma abordagem, baseada no processo decisorio em ambiente
CAP

nebuloso, para o problema de associacao de dados. Esta abordagem conjuga os procedi-
mentos necessarios para organizar e avaliar uma quantidade grande de dados provenientes
de m ultiplas fontes de um navio por meio da aplicacao da tecnica de gating e da logica
fuzzy (decisao nebulosa), como um procedimento de ltragem, e como tecnica para a as-
sociacao dos dados, respectivamente. Os objetivos desta parte sao minimizar os dados
redundantes e otimizar o processamento dos dados quantitativos ou qualitativos para a
visualizacao do cenario.
A segunda parte, a ser apresentada no captulo 6, propoe o emprego das Tabelas de
Decisao Fuzzy (TDF) como uma estrutura para a construcao das regras de um sistema
especialista a base de conhecimento para apoiar a classicacao e identicacao de alvos
de superfcie, de modo a aprimorar a consciencia situacional nas fases de decisao e de
atuacao do modelo de apoio à decisao. Esta abordagem agrega as heursticas empregadas
pelos operadores mais experientes, as PREPLAN e as Regras de engajamento e visa a
otimizar a compilacao do quadro tatico martimo com a atribuicao do grau de conanca na
declaracao de classicacao e de identicacao do contato. Alem disso, permite minimizar
o tempo necessario para subsidiar ou apoiar a decisao quanto à indicacao e à priorizacao
para o esclarecimento por aeronave ou por navio.
A aplicacao da logica nebulosa e de sistemas especialistas baseados em conhecimento
como tecnicas do processo de fusao e adequado tanto para as pretensoes deste estudo
quanto para manusear informacoes qualitativas em trabalhos futuros.
5 Proposta para a Associacao de
Dados
Na literatura ha duas abordagens tradicionais para a associacao de dados: a) a de-
terminstica; e b) a probabilstica. As abordagens determinsticas podem ser represen-
tadas pelo ltro Nearest-Neighbor (NN) e pelo Global Nearest-Neighbor (GNN) (RONG;
BAR-SHALON, 1996). Estes metodos buscam associar o dado de acompanhamento de um
contato obtido por um sensor à observacao mais proxima obtida por um outro sensor, se-
gundo um criterio de distancia, dentre as observacoes associaveis àquele acompanhamento
identicadas pelo processo de gating. Cabe ressaltar que possveis associacoes erradas sao
irreversveis, isto e, nao podem ser desfeitas em iteracoes futuras do metodo.
As abordagens probabilsticas podem ser representadas pelo Multiple Hypothesis
Tracking (MHT) e pelo Joint Probabilistic Data Association (JPDA). O metodo JPDA
tenta minimizar o efeito de possveis associacoes erradas do GNN utilizando nao uma, mas
a combinacao das observacoes associaveis, identicadas no processo de gating, a um deter-
minado acompanhamento para atualizar a estimativa do estado futuro. O MHT posterga
CAP
ITULO 5. PROPOSTA PARA A ASSOCIA C
AO DE DADOS 71
a solucao do problema de associacao ate que sejam coletadas observacoes sucientes para
se precisar com mais conanca quais associacoes sao plausveis e, portanto, nao esta-
belece associacoes denitivas. Essa caracterstica e justamente aquela que o diferencia
radicalmente dos demais metodos.
Contudo, os metodos de associacao de dados tradicionais somente admitem infor-
macoes quantitativas tais como posicao, velocidade, aceleracao, azimute, distancia etc.
Quando utilizamos um sensor infravermelho com o proposito de rastreio, um alvo de in-
teresse aparece mais brilhante que o ambiente ao redor. A area e o brilho do contato
sao observados como informacoes qualitativas que nao podem ser codicados para uma
abordagem estritamente determinstica ou probabilstica. Como resultado, as informacoes
quantitativas sao incorporadas aos algoritmos tradicionais de fusao de dados, enquanto
informacoes qualitativas estao sendo excludas.
Neste contexto, alguns trabalhos na literatura (CHEN, 2006) e (HUGOT; VANDER-
POOTEN; VANPEPERSTRAETE, 2006) aplicam a abordagem fuzzy e a abordagem de m ulti-
plos criterios, respectivamente, em algoritmo de associacao, fazendo uso de informacoes
quantitativas e qualitativas, para aprimorar a acuracia do rastreio e obter resultados mais
conaveis.
As principais vantagens da logica fuzzy sobre os metodos tradicionais de associacao de
dados sao: a) a possibilidade de incorporar tanto informacoes quantitativas quanto infor-
macoes qualitativas no algoritmo empregado; b) robustez ao lidar com dados imprecisos;
e c) facilidade de implementacao.
Neste captulo e apresentada a proposicao de uma abordagem fuzzy, baseada no pro-
cesso decisorio em ambiente nebuloso, para o problema de associacao de dados de modo a
sistematizar as fases de observacao e de orientacao do modelo de apoio à decisao proposto
CAP
AO DE DADOS 72
na secao 4.2 para reger o processo de construcao do quadro tatico martimo, conforme
ilustrado na Fig.5.1. Esta abordagem conjuga os procedimentos necessarios para organizar
FIGURA 5.1 Modelo Proposto
e avaliar uma quantidade grande de dados provenientes de m ultiplas fontes por meio da
aplicacao da tecnica de gating e da logica fuzzy (decisao em ambiente nebuloso), como um
procedimento de ltragem, e como tecnica para a associacao dos dados, respectivamente.
Os objetivos desta parte sao explorar os dados redundantes e otimizar o processamento
dos dados para a visualizacao do cenario.
5.2 Decisao em Ambiente Nebuloso
A maioria das decisoes realizadas no mundo real e tomada em ambientes nos quais
os objetivos, as restricoes e as consequencias das possveis acoes nao sao conhecidos com
precisao. Neste contexto, (BELLMAN; ZADEH, 1970) sugeriram uma estrutura conceitual
de decisao em ambiente nebuloso na qual os objetivos e restricoes sao representados por
conjuntos nebulosos. Da mesma forma, a decisao, que deve satisfazer simultaneamente
os objetivos e as restricoes, e tambem um conjunto nebuloso. Portanto, se o objetivo e
CAP
AO DE DADOS 73
a restric ao forem representados por conjuntos nebulosos G e C, respectivamente, entao a
decisao D e formada pela conjuncao de G e C:
D = G C (5.1)
Generalizando um problema com n objetivos e m restricoes, entao a decisao resultante
e a interseccao destes objetivos e destas restricoes:
D = G
1
G
2
G
n
C
1
C
2
C
m
(5.2)
Assim,
D
=
G
1

G
2

G
n

C
1

C
2

C
m
, onde
D
,
G
1
,
G
2
, ,
G
n
,
C
1
,
C
2
, ,
C
m
sao valores de pertinencia entre 0 e 1.
Na denicao de decisao como uma interseccao de objetivos e restricoes se assume que
todos os objetivos e restricoes possuem a mesma importancia para o processo decisorio.
Esta denicao reete a traducao do conectivoand. Se esta interpretacao for considerada
nebulosa de modo a se conotar uma conuencia de objetivos e restricoes, entao e possvel
considerar outras conjuncoes como o produto algebrico, soma algebrica etc. Existem
algumas situacoes em que algumas restricoes ou objetivos venham a ter mais importancia
que as demais. Nestes casos, D pode ser expresso como a combinacao convexa de objetivos
e restricoes, com os coecientes de pesos e reetindo a relativa importancia dos termos
constituintes (BELLMAN; ZADEH, 1970). Pode-se, entao, expressar
D
como:
D
=
n
i=1
i

G
i
+
m
j=1
j

C
j
(5.3)
onde,
n
i=1
i
+
m
j=1
j
1.
CAP
AO DE DADOS 74
No cenario martimo, os objetos fsicos navegando em baixa velocidade ou realizando
guinadas normalmente geram signicativas variacoes de rumo e velocidade no rastreio
pelos sensores. Alem disso, na associacao de um objeto monitorado pelo Radar com a
informacao da posicao de uma plataforma disseminada pelo setor de inteligencia, as di-
mensoes de posicao, coordenadas de grade do objeto, terao importancia relativa maior que
os vetores de rumo e velocidade daquele objeto informados pelo Radar. Nestas situacoes,
a equacao 5.3 e muito util de modo a reduzir a importancia relativa destas restricoes.
5.3 Abordagem Proposta
A abordagem proposta visa a reduzir a complexidade computacional no processo de
associacao dos dados por meio da conjuncao da tecnica de formacao de janelas retangu-
lares (gating) e da tecnica de estruturacao conceitual de decisao em ambientes nebulosos,
sugerida por (BELLMAN; ZADEH, 1970).
Na representacao generica do processo de fusao e integracao de dados descrita na
Figura 3.5, o ambiente esta sendo monitorado pelos sensores A, B, C, . . . , N que detectam
k, l,. . . ,z contatos, respectivamente.
O problema de decisao consiste em determinar quais observacoes obtidas por m ulti-
plas fontes se referem ao mesmo objeto fsico. Inicialmente, deseja-se determinar quais
observacoes b
j
(j = 1, 2, . . . , l) do sensor B devem ser associadas com os objetos fsicos
a
i
(i = 1, 2, . . . , k) monitorados pelo sensor A de modo a formar a resultante f(ab)
u
(u = 1, 2, . . . , r) da matriz F(AB), onde k r k + l.
Em seguida, determinar quais observacoes c
j
(j = 1, 2, . . . , m) monitorados pelo sen-
sor C devem ser associadas a cada objeto f(ab)
u
(u = 1, 2, ..., r) da matriz resultante
CAP
AO DE DADOS 75
F(AB). O resultado da associacao de dados de f(ab)
u
e c
j
e a formacao de f(abc)
i
(i = 1, 2, . . . , s) da matriz F(ABC), onde r s r + m. O processo continuaria ate
que todos os dados dos N sensores fossem associados formando a matriz F(ABC...N).
Para exemplicar o problema de decisao, considere o cenario ilustrado na Figura 5.2
com sete objetos fsicos sendo monitorados pelos sensores A e B de um navio, no instante
t
i
. A camada de informacao produzida por meio da varredura de cada sensor constitui o
grau de percepcao do ambiente monitorado pelos sensores. Observa-se que ha redundancia
de informacoes de alguns objetos e que existem contatos so observaveis por um determi-
nado sensor. Na situacao ilustrada, o objeto fsico 1 e monitorado apenas pelo sensor
B e o objeto fsico 6 e monitorado apenas pelo sensor A. Os sensores A e B possuem
determinado grau de incerteza referente às informacoes de posicao dos seus contatos que
sao representados por elipses. A resultante do processo de fusao de dados considerando
as camadas de informacoes produzidas por meio da varredura de cada sensor e mostrada
na parte direita da Figura 5.2, denominada de Estado T
i
. Torna-se possvel, entao, a
visualizacao de todos os objetos em uma unica camada de informacao.
FIGURA 5.2 Contatos dos Sensores por Camadas.
O problema de decisao consiste em determinar quais observacoes b
j
(j = 1, 2, . . . , 6)
do sensor B devem ser associados com as observacoes a
i
(i = 1, 2, . . . , 6) monitoradas
pelo sensor A, de modo a formar a resultante f(ab)
u
(u = 1, 2, . . . , r) da matriz F(AB),
CAP
AO DE DADOS 76
onde 6 r 12. Assim, inicialmente dene-se f(ab)
i
= a
i
(i = 1, 2, . . . , 6), ou seja as
observacoes da matriz F(AB) sao as observacoes do sensor A.
As observacoes a
i
e b
j
representam vetores com p dimensoes, de modo que:
a
i
= [a
i1
, a
i2
, . . . , a
ip
] (5.4)
b
j
= [b
j1
, b
j2
, . . . , b
jp
] (5.5)
No escopo deste estudo, as informacoes quantitativas de coordenadas de grade em
abscissa e ordenada (x, y), rumo e velocidade foram as quatro dimensoes consideradas na
etapa de associacao dos dados de um mesmo objeto fsico. Assim, considerando p = 4 os
vetores a
i
e b
j
sao:
a
i
= [a
i1
, a
i2
, a
i3
, a
i4
] (5.6)
b
j
= [b
j1
, b
j2
, b
j3
, b
j4
] (5.7)
onde, os elementos 1, 2, 3 e 4 dos vetores representam os valores da coordenada x, os
valores da coordenada y, os valores de rumo r e os valores de velocidade v das obser-
vacoes a
i
e b
j
, respectivamente. Assim, os elementos a
i1
e b
j1
representam os valores da
coordenada x das observacoes a
i
e b
j
e assim sucessivamente.
De modo a eliminar a comparacao par a par das observacoes b
j
(j = 1, 2, . . . , 6) do
sensor B inapropriadas com uma determinada observacao a
i
(i = 1, 2, ..., 6) do sensor
A, a tecnica de gating descrita na secao 3.4 e aplicada criando uma janela retangular
em torno das variaveis de posicao reportadas de cada observacao a
i
(a
i1
e a
i2
) de modo a
identicar as observacoes b
j
que estejam dentro da janela. Assim, e possvel construir uma
matriz global (5.8) que represente as observacoes b
j
que estejam dentro da janela de cada
CAP
AO DE DADOS 77
observacao a
i
. O valor 1 na matriz indica que a observacao b
j
e candidata a se associar
com o objeto observado a
i
. Neste exemplo, o valor da janela retangular considerado foi
de 200 unidade metricas visando a atender ao valor maximo de desvio padrao do erro de
predicao dos sensores.
_
_
b1 b2 b3 b4 b5 b6
a1 0 0 1 0 0 0
a2 0 0 0 0 0 0
a3 0 0 0 1 0 0
a4 0 1 0 0 1 0
a5 0 0 0 0 0 1
a6 0 1 0 0 1 0
_
_
(5.8)
Como A representa o conjunto de observacoes a
i
e B representa o conjunto das ob-
servacoes b
j
, pode-se considerar a matriz global 5.8 como um produto cartesiano, onde
a relacao R e denida como A B. Assim, como em qualquer conjunto fuzzy discreto,
pode-se listar os pares explicitamente:
R =
(a
i
,b
j
)AB
R
(a
i
, b
j
)/(a
i
, b
j
) (5.9)
onde,
R
(a
i
, b
j
) = {0, 1} e cada par (a
i
, b
j
) pertence ao produto cartesiano A B.
Analisando a matriz global, pode-se inferir que os objetos fsicos b1 e a2 nao possuem
candidatos para associacao, pois suas respectivas colunas e linhas estao zeradas. Portanto,
os objetos fsicos b1 e a2 nao possuem informacoes redundantes, sendo monitorados apenas
por um dos sensores. No caso de coluna zerada, inclui-se o objeto b
j
na matriz F(AB),
acrescentando-se mais uma linha no nal desta matriz com os dados daquele objeto.
CAP
AO DE DADOS 78
Observa-se que mesmo apos a aplicacao da tecnica de janela retangular existem duas
observacoes b
j
(b2 e b5) que sao candidatas para a associacao com a observacao a4, con-
forme ilustrado na Fig. 5.3.
FIGURA 5.3 Gating Retangular.
Uma vez construda a matriz global, torna-se necessario decidir quanto à associacao
ou nao das observacoes candidatas b
j
com as observacoes a
i
sinalizadas com o valor 1
na matriz global. Ha situacoes em que mais de uma observacao b
j
pertencem à janela
construda em torno de determinada observacao a
i
e casos em que a observacao b
j
pertence
às janelas de mais de uma observacao a
i
.
A estrutura conceitual de decisao descrita na secao 5.2 foi aplicado para a solucao
do problema de associacao de dados. Dessa forma, a relacao R denida pelo produto
cartesiano A B descrito na equacao 5.9 deniu o conjunto nebuloso G. As quatro di-
mensoes descritas nas equacoes 5.6 e 5.7 compuseram as restricoes por meio dos conjuntos
nebulosos C
ex
, C
ey
, C
er
e C
ev
para descreverem os valores de pertinencia dos erros entre
as dimensoes a
ip
e b
jp
para o processo de associacao de dados obtidos na comparacao par
a par, considerando as funcoes de pertinencia descritas a seguir:
CAP
AO DE DADOS 79
o erro de abscissa (ex
ij
) deve ser aproximadamente entre -200 e +200 unidades
metricas;
C
ex
(ex
ij
) = [1 + 0.2 (ex
ij
/100)
2
]
1
(5.10)
onde, ex
ij
= (a
i1
b
j1
).
o erro de ordenada (ey
ij
) deve ser aproximadamente entre -200 e +200 unidades
metricas;
C
ey
(ey
ij
) = [1 + 0.2 (ey
ij
/100)
2
]
1
(5.11)
onde, ey
ij
= (a
i2
b
j2
).
o erro de rumo (er
ij
) deve ser aproximadamente entre -2
o
e 2
o
graus;
C
er
(er
ij
) = [1 + 0.25 (er
ij
)
2
]
1
(5.12)
onde, er
ij
= (a
i3
b
j3
).
o erro de velocidade (ev
ij
) deve ser aproximadamente entre -1 e +1 no.
C
ev
(ev
ij
) = (1 +ev
2
ij
)
1
(5.13)
onde, ev
ij
= (a
i4
b
j4
)
Observa-se que nao houve necessidade de padronizacao das variaveis de erro, embora
as dimensoes tenham medidas e escalas distintas.

E possvel, apesar de nao ter sido
explorado neste estudo, incorporar informacoes qualitativas como restricoes ao processo
decisorio.
Assim, D e um conjunto nebuloso, denido como o conjunto de pares ordenados
CAP
AO DE DADOS 80
D(a
i
, b
j
) = {(a
i
, b
j
),
D
(a
i
, b
j
)|(a
i
, b
j
) AB}, onde D = GC
ex
C
ey
C
er
C
ev
. Isto
corresponde a dizer que,
D
=
G

C
ex

C
ey

C
er

C
ev
, onde
D
(a
i
, b
j
) e o grau de
pertinencia, com valores entre 0 e 1, para a associacao das observacoes a
i
com b
j
.
A regra de composicao usada e denida pelo produto algebrico do valor de pertinencia
do objetivo pelo resultado da funcao linear convexa dos valores de pertinencia das
restricoes, eq. (5.3), conforme proposto em (BELLMAN; ZADEH, 1970; TSOUKALAS; UHRIG,
1996). As restricoes de posicao foram consideradas de maior importancia relativa e os
seguintes pesos foram atribudos:
D
(a
i
, b
j
) =
G
(a
i
, b
j
) (2
C
ex
(ex
ij
) +2
C
ey
(ey
ij
) +
C
er
(er
ij
) +
C
ev
(ev
ij
))/6 (5.14)
Uma vez denido o conjunto D(a
i
, b
j
) denominado de matriz local (5.15) inicial, com
valores de pertinencia
D
(a
i
, b
j
), o processo de associacao (a
i
, b
j
) e iniciado considerando
o elemento de maior valor de pertinencia da matriz local.
Neste estudo, a associacao (a
i
, b
j
) e permitida se o valor de
D
(a
i
, b
j
) superar um valor
limite (threshold) de 0,8. Caso contrario, as observacoes a
i
e b
j
devem ser consideradas
de objetos fsicos distintos.
CAP
AO DE DADOS 81
_
_
b1 b2 b3 b4 b5 b6
a1 0 0 0.9810 0 0 0
a2 0 0 0 0 0 0
a3 0 0 0 0.9356 0 0
a4 0 0.9830 0 0 0.4538 0
a5 0 0 0 0 0 0.9524
a6 0 0.4286 0 0 0.9619 0
_
_
(5.15)
Determina-se o maior valor de pertinencia da matriz local inicial (5.15):
ijmax
=
42
= 0, 9830. Como o valor encontrado e maior que o threshold estabelecido, a observacao
b2 e associada ao objeto observado por a4. Zera-se a coluna 2 e a linha 4, obtendo-se uma
nova matriz local (5.16).
_
_
b1 b2 b3 b4 b5 b6
a1 0 0 0.9810 0 0 0
a2 0 0 0 0 0 0
a3 0 0 0 0.9356 0 0
a4 0 0 0 0 0 0
a5 0 0 0 0 0 0.9524
a6 0 0 0 0 0.9619 0
_
_
(5.16)
Determina-se o maior valor de pertinencia da nova matriz local (5.16),
ijmax
=
13
=
0, 9810 > threshold. A observacao b3 e associada ao objeto observado por a1. Zera-se a
CAP
AO DE DADOS 82
coluna 3 e a linha 1, obtendo-se uma nova matriz local (5.17).
_
_
b1 b2 b3 b4 b5 b6
a1 0 0 0 0 0 0
a2 0 0 0 0 0 0
a3 0 0 0 0.9356 0 0
a4 0 0 0 0 0 0
a5 0 0 0 0 0 0.9524
a6 0 0 0 0 0.9619 0
_
_
(5.17)
Nas proximas iteracoes seriam associadas as observacoes b5 a a6, b6 a a5 e b4 a a3,
nesta seq uencia. Uma vez zerada a matriz local, a matriz resultante F(AB) e apresentada,
conforme a Tabela 5.1.
TABELA 5.1 Matriz Resultante F(AB)
A partir da matriz F(AB) e possvel visualizar todos os objetos presentes no cenario
em uma unica camada de informacao, conforme apresentado na Fig. 5.4. Onde, PPN e
a posicao do proprio navio e NAx (x = 1, 2, ..., 7) representa os objetos fsicos ilustrados
na Fig. 5.2.
CAP
AO DE DADOS 83
FIGURA 5.4 Visualizacao em uma Camada.
5.3.1 Descricao do Algoritmo
A abordagem proposta de associacao de dados pode ser descrita por meio da narrativa
de execucao dos seguintes passos, considerando as observacoes k, l e m provenientes de
tres sensores A, B e C, respectivamente:
1. Denir o ltro a ser aplicado na tecnica da janela retangular e o threshold para a
associacao;
2. Denir as funcoes de pertinencia para os resduos das dimensoes utilizadas no pro-
cesso de associacao;
3. Denir a matriz resultante F(AB) formada pelos elementos f(ab)
i
= a
i
(i =
1, 2, ..., k);
(a) Considerando cada observacao a
i
(i = 1, 2, ..., k), aplicar a tecnica de janela
retangular, considerando as coordenadas de grade de abscissa e ordenada, de
CAP
AO DE DADOS 84
modo a construir uma matriz global que represente as observacoes b
j
(j =
1, 2, ..., l) do sensor B que estejam dentro da janela de cada objeto fsico do
sensor A. Esta matriz deve possuir k linhas e l colunas preenchidas por 0 e 1.
O valor 1 indica que ha um objeto fsico de B candidato a se associar com o
objeto observado pelo sensor A;
(b) Uma vez montada a matriz global, procurar por linhas e colunas que possuam
apenas zeros. A linha ou coluna apenas com zeros signica que aquele objeto
fsico observado esta sendo monitorado apenas pelo sensor A ou B. No caso de
uma coluna zerada, inclui-se o objeto b
j
na matriz F(AB), acrescentando-se
mais uma linha no nal desta matriz com os dados daquele objeto;
(c) Obter a matriz local, calculando o grau de pertinencia
D
(a
i
, b
j
) de todos os
elementos com valor 1 da matriz global. Neste caso, e necessario calcular o grau
de pertinencia dos resduos
C
i
(i = 1, 2, . . . , p) de cada dimensao p por meio
da determinacao da diferenca entre as leituras das dimensoes de cada sensor e
aplicar a regra de composicao (eq. 5.14) sobre os valores de pertinencia obtidos.
(d) Procurar pelo maior grau de pertinencia
ijmax
na matriz local. Se
ijmax
>
threshold, entao considerar e indicar a associacao de a
i
com b
j
na matriz
resultante F(AB). Zerar a linha i e a coluna j da matriz local. Caso contrario
va para o passo 3(f);
(e) Se a matriz local estiver zerada va para passo 3(h). Caso contrario, repetir o
passo 3(d);
(f) Embora a matriz local nao esteja zerada o grau de pertinencia para aquela
associacao de a
i
com b
j
nao supera o limiar estabelecido para considerar as duas
observacoes provenientes do mesmo objeto. Portanto, passa-se a considerar tais
CAP
AO DE DADOS 85
observacoes como sendo de objetos distintos. Neste caso, inclui-se o objeto b
j
na matriz F(AB), acrescentando-se mais uma linha no nal desta matriz com
os dados daquele objeto. Zerar a linha i e a coluna j da matriz local obtendo
uma nova matriz;
(g) Se a matriz local estiver zerada va para passo 3(h). Caso contrario, repetir o
passo 3(d);
(h) O resultado da associacao de dados promovida pelos dados dos sensores A e B e
a obtencao da matriz F(AB), considerando r objetos fsicos, onde k r k+l.
4. Denir a matriz resultante F(ABC) formada pelos elementos f(abc)
i
= f(ab)
i
(i =
1, 2, ..., r);
(a) Considerando cada observacao f(ab)
i
(i = 1, 2, ..., r), aplicar a tecnica de janela
retangular, considerando as coordenadas de grade de abscissa e ordenada, de
modo a construir uma matriz global que represente as observacoes c
j
(j =
1, 2, ..., m) de C que estejam dentro da janela de cada objeto fsico do vetor de
sada F(AB). Esta matriz deve possuir r linhas e m colunas preenchidas por
0 e 1. O valor 1 indica que ha um objeto fsico de C candidato a se associar
com o objeto observado pelo vetor de sada F(AB);
(b) Uma vez montada a matriz global, procurar por linhas e colunas que pos-
suam apenas zeros. A linha ou coluna apenas com zeros signica que aquele
objeto fsico observado esta sendo monitorado apenas pelo sensor F(AB) ou
C. No caso de uma coluna zerada, inclui-se o objeto c
j
na matriz F(ABC),
acrescentando-se mais uma linha no nal desta matriz com os dados daquele
objeto;
CAP
AO DE DADOS 86
(c) Obter a matriz local, calculando o grau de pertinencia
D
(f(ab)
i
, c
j
) de todos
os elementos com valor 1 da matriz global. Neste caso, e necessario calcular o
grau de pertinencia dos resduos
C
i
(i = 1, 2, . . . , p) de cada variavel p por meio
da determinacao da diferenca entre as leituras das dimensoes de cada sensor e
aplicar a regra de composicao (eq. 5.14) sobre os valores de pertinencia obtidos.
(d) Procurar pelo maior grau de pertinencia
ijmax
na matriz local. Se
ijmax
>
threshold, entao considerar e indicar a associacao de f(ab)
i
com c
j
na matriz
resultante F(ABC). Zerar a linha i e a coluna j da matriz local. Caso contrario
va para o passo 4(f);
(e) Se a matriz local estiver zerada va para passo 4(h). Caso contrario, repetir o
passo 4(d);
(f) Embora a matriz local nao esteja zerada o grau de pertinencia para aquela asso-
ciacao de f(ab)
i
com c
j
nao supera o limiar estabelecido para
considerar as duas observacoes provenientes do mesmo objeto. Portanto, passa-
se a considerar tais observacoes como sendo de objetos distintos. Neste caso,
inclui-se o objeto c
j
na matriz F(ABC), acrescentando-se mais uma linha no
nal desta matriz com os dados daquele objeto. Zerar a linha i e a coluna j da
matriz local obtendo uma nova matriz;
(g) Se a matriz local estiver zerada va para passo 4(h). Caso contrario, repetir o
passo 4(d);
(h) O resultado da associacao de dados promovida pelos dados dos sensores F(AB)
e C e a obtencao da matriz F(ABC), considerando s objetos fsicos, onde
r s r + m.
5. Gerar a matriz F(ABC).
CAP
AO DE DADOS 87
5.4 Resultados de Ilustracao com Dados Reais
Nesta secao serao apresentados os resultados da aplicacao do algoritmo de associacao
proposto sobre os dados reais de acompanhamento de um unico contato, oriundos do
Radar de Direcao de Tiro (RDT) (sensor A) e do Extrator de informacoes do Radar de
superfcie (sensor B) de uma Fragata da classe Niteroi, gravados em 08OUT04.
A denicao da janela de tempo de observacao dos dados foi baseada na menor taxa
dentre os sensores, ou seja, na taxa do Extrator. O pre-processamento dos dados foi
obtido com o alinhamento no tempo dos dados do RDT em relacao ao tempo dos dados
do extrator. As FIG. 5.5 e 5.6 ilustram, respectivamente, os dados brutos provenientes
dos sensores e a visualizacao dos dados pre-processados.
FIGURA 5.5 Dados Brutos dos Sensores
A simples mudanca do desenho representativo do acompanhamento na FIG.5.7 pos-
sibilita inferir que o referido contato esta sendo acompanhado por ambos os sensores
analisados. Ha, portanto, um incremento de conanca na validade da informacao ex-
trada, uma vez que o processo de fusao identicou as informacoes competitivas de um
mesmo contato fornecidas pelos sensores. Observa-se, tambem, uma interrupcao no pro-
CAP
AO DE DADOS 88
FIGURA 5.6 Dados RDT Pre-Processados
cesso de fusao indicada pelos pontos em verde e em vermelho na FIG.5.7, sinalizando
que ocorreu a perda de acompanhamento por ambos sensores. Esta ultima inferencia nao
poderia ter sido realizada analisando os dados individualmente.
FIGURA 5.7 Resultado do Processo de Fusao de Dados
A gura 5.8 ilustra os graus de pertinencia atribudos para
D
(a
1
, b
1
),
C
ex
(ex
11
),
C
ey
(ey
11
),
C
er
(er
11
) e
C
ev
(ev
11
) em cada ponto ao longo da trajetoria do contato.
Observa-se que o erro de rumo entre os sensores e signicativo, reetindo-se na baixa
pertinencia de
C
er
. Este fato e comum no cenario martimo quando os objetos fsicos
CAP
AO DE DADOS 89
navegam em baixssima velocidade ou realizam guinadas.
FIGURA 5.8 Graus de Pertinencia Obtidos nas Associacoes
Observa-se tambem que ambos sensores indicaram a baixa velocidade do contato, da
a elevada pertinencia de
C
ev
.
5.5 Comparacao da Abordagem Proposta com a Abor-
dagem FCM
A logica nebulosa tem sido aplicada por diversos autores para a solucao de problemas
de associacao de dados no cenario martimo com m ultiplos sensores e m ultiplos objetos. As
duas principais abordagens fuzzy utilizadas na literatura sao: a) a abordagem baseada na
construcao de sistemas fuzzy (TAO; THOMPSON; TAUR, 1993; SINGH; BAILEY, 1997; CHEN;
HUANG, 2000; CHEN, 2006); e b) a abordagem baseada no algoritmo de conglomerados
fuzzy (AZIZ; TUMMALA; CRISTI, 1999; AZIZ, 2004).
CAP
AO DE DADOS 90
A primeira abordagem consiste de quatro elementos basicos: 1) fuzicacao de dados
crisp, 2) construcao da base de conhecimento por meio de regras IF-THEN, 3) inferencia
fuzzy que emula a decisao humana, e 4) defuzicacao da variavel fuzzy para um dado
crisp. A principal crtica a esta abordagem e que em um cenario com mais de quatro
objetos, ela se torna computacionalmente inviavel devido ao elevado n umero de regras
(AZIZ; TUMMALA; CRISTI, 1999).
A segunda abordagem, quando aplicada em uma area de trafego denso com vinte
objetos, por exemplo, necessitaria que fossem calculados os graus de pertinencia de 400
elementos para o preenchimento de uma matriz 20 x 20. Alem disso, ha a necessidade
da aplicacao da tecnica de padronizacao dos dados antes da aplicacao do algoritmo de
conglomerados fuzzy visando a contornar os efeitos relacionados às diferentes escalas ou
magnitudes das dimensoes reportadas, ou seja, evitar que a dimensao que tiver maior
dispersao tenha um peso mais elevado no calculo das medidas de distancia do que as
demais (F
AVERO et al., 2009).

Este estudo foi realizado comparando as diversas etapas necessarias para resolver
o problema com a abordagem proposta ou utilizando a abordagem de conglomerados
fuzzy sugerida por (AZIZ; TUMMALA; CRISTI, 1999). A Tabela 5.2 apresenta uma visao
comparativa entre as duas abordagens:
TABELA 5.2 Visao Comparativa entre as Abordagens
CAP
AO DE DADOS 91
Baseado nas observacoes da Tabela 5.2 se pode armar que a abordagem proposta
atende às qualidades de simplicidade e eciencia. Alem disso, requer menos complexidade
computacional do que a abordagem por conglomerados fuzzy.
5.6 Conclusoes
A principal vantagem da abordagem fuzzy sobre os metodos tradicionais de associacao
de dados e a possibilidade de incorporar informacoes quantitativas e qualitativas no algo-
ritmo empregado. Uma abordagem fuzzy baseada em decisao nebulosa foi proposta para
a associacao das observacoes dos alvos de superfcie provenientes de m ultiplos sensores no
cenario martimo. Conclui-se que esta nova proposta atende às qualidades de simplicidade
e eciencia. Alem disso, requer menos complexidade computacional quando comparada
com a abordagem de conglomerados fuzzy.
Os benefcios operacionais obtidos com a fusao de dados na fase de orientacao, no
contexto do processo de apoio à decisao, foram signicativos. Os resultados alcancados
com a ilustracao de aplicacao do algoritmo atenderam aos objetivos propostos de explorar
a redundancia de informacoes de acompanhamento de um mesmo contato e de otimizar
o processamento dos dados, possibilitando uma melhor apresentacao do cenario para o
decisor.
Houve um incremento de conanca na validade da informacao extrada, haja vista
que o processo de fusao identicou as informacoes redundantes de um mesmo contato
obtidas pelos sensores. A falha no processo de fusao permitiu inferir quanto à perda de
acompanhamento por um dos sensores nos instantes observados. Tal inferencia nao seria
factvel analisando os dados individualmente.
6 Proposta para a Estruturacao de
Conhecimento
6.1 Introducao
O fundamento basico de C2 no ambiente martimo e que o comandante empregue a
informacao para produzir conhecimento, que servira para leva-lo a tomar decisoes con-
vertidas em acoes efetivas. O diferencial no teatro de operacoes esta a favor daqueles
que detem a informacao correta em tempo habil e o desao e selecionar a informacao util
dentre a grande populacao de dados existentes. A consciencia situacional, descrita na
secao 3.3, e decisiva para que o ciclo de Comando e Controle (C2) seja eciente e ecaz.
Esta consciencia situacional, segundo (LY et al., 2003) e um processo de interpretacao
da situacao utilizando informacoes incompletas, haja vista que ha um espaco consideravel
entre as informacoes disponveis e as informacoes necessarias para a obtencao de uma
avaliacao tatica conavel.
Atualmente na Marinha do Brasil (MB), as respostas pre-planejadas (PREPLAN) e as
regras de engajamento, que compoem algumas diretivas, servem como base de
conhecimento para facilitar o processo decisorio em todos os nveis, do comandante do
CAP
ITULO 6. PROPOSTA PARA A ESTRUTURA C
AO DE CONHECIMENTO 93
navio ao vigia, de modo que, para cada possvel situacao especca, haja um procedimento
claro e simples que possa ser adotado. Contudo, estas regras nao estao inseridas em uma
estrutura que possibilite a aplicacao em um sistema especialista de apoio à decisao. O
emprego destas regras esbarram na limitacao humana para o processamento de m ultiplas
hipoteses considerando m ultiplos contatos.
Neste contexto, este captulo propoe o emprego das Tabelas de Decisao Fuzzy (TDF)
como estrutura para a construcao das regras de um sistema a base do conhecimento, para
apoiar a classicacao e identicacao de alvos de superfcie, durante o processo de fusao
de dados. Esta abordagem visa a aprimorar a compilacao do quadro tatico martimo com
a atribuicao do grau de conanca na declaracao de classicacao e identidade do contato
e com a indicacao de algumas acoes. Alem disso, proporciona uma estrutura simples
e adequada para modicacao e validacao da base de regras de acordo com os objetivos
polticos e militares da missao.
6.2 Tabela de Decisao Fuzzy
A tabela de decisao (TD) e uma ferramenta de estruturacao logica, desenvolvida
nos anos 60 (CANTRELL; KING; KING, 1961), que utiliza uma representacao tabular para
descrever e analisar decisoes situacionais de uma forma simples, por meio do
estabelecimento de um conjunto de condicoes que direciona a execucao de um conjunto de
acoes (Tabela 6.1). Assume-se que a tabela de decisao seja caracterizada por n condicoes
C
i
(i = 1, 2, ..., n) e m acoes A
j
(j = 1, ..., m). Cada TD e composta de quatro quadrantes:
conjunto de condicoes [C
i
], conjunto de acoes [A
j
], espaco de condicoes (CS
i
), e espaco
de acoes (AS
j
). O conjunto de condicoes consiste de todas as condicoes ou atributos
CAP
relevantes que inuenciam o processo decisorio. O espaco de condicoes especica todas as
possveis combinacoes de estado de uma condicao. O conjunto de acoes contem todas as
acoes que o decisor pode tomar. Finalmente, o espaco de acoes que contem a categorizacao
de todos os possveis estados de uma acao. A relacao vertical entre o espaco de condicoes
e o espaco de acao produz as regras de decisao. Pode-se interpretar uma regra como IF
(CS
1
and CS
2
and ... and CS
n
) THEN (AS
1
and AS
2
and ... and AS
m
). Originalmente
TABELA 6.1 Estrutura de uma Tabela de Decisao
uma TD era utilizada para construir logica de programas. Na ultima decada, entretanto,
a enfase na utilizacao de uma TD passou a ser a forma simples de representar as situacoes
de decisao complexas, a facilidade de vericacao da completitude, exclusividade e correcao
na geracao do conhecimento.
A tabela de decisao fuzzy (TDF) e uma extensao da TD de modo a considerar
situacoes em que a decisao e baseada em condicoes e acoes incertas, vagas e imprecisas
na estruturacao de modelos de raciocnio aproximado (FRANCIONI; KANDEL, 1988). A
extensao compreende a introducao de conjuntos fuzzy nos espacos das condicoes e acoes
CAP
de uma TD. A nebulosidade das informacoes nas condicoes aparece em expressoes como
variacao grande de velocidade no tempo e nas acoes em expressoes como atribuir alta
possibilidade de ser um alvo hostil. Os termos destacados ressaltam os aspectos nebulosos
de tais assertivas.
A atribuicao de uma medida de valor de pertinencia em uma tabela de decisao foram
denidas da seguinte forma (CHEN; VANTHIENEN; WETS, 1995):
Seja C
i
uma condicao pertencente ao conjunto de condicoes (i = 1, ..., n), CS
i
seja um
conjunto de estados de condicoes S
ik
(k = 1, ..., si; i = 1, ..., n), onde S
ik
e uma expressao
logica nebulosa, A
j
seja uma acao pertencente ao conjunto de acoes (j = 1, ..., m) incor-
porando termos ling usticos e conjuntos fuzzy, e AS
j
= V erdadeiro(x), Falso(), nulo(.)
seja um estado de acao. Entao, uma TDF e uma funcao de CS
1
x CS
2
x ... x CS
n
para
AS
1
x AS
2
x ... x AS
m
de modo que cada combinacao de condicoes possveis seja mapeada
para a conguracao de uma acao.
Todas as decisoes situacionais sao apresentadas por meio das colunas da tabela,
facilitando a vericacao de requisitos importantes tais como a consistencia e a completi-
tude. Uma TDF e dita completa se para qualquer combinacao de condicoes existir pelo
menos uma coluna na qual a combinacao seja um valor maior do que zero. A propriedade
de exclusividade e relaxada em uma TDF podendo haver mais de coluna ativada. Todas as
interpretacoes de uma TDF devem ser realizadas no nvel de cada regra de decisao (WETS
et al., 1996). Uma TD e um caso especial de uma TDF. Na proxima secao sera apresentada
uma aplicacao de TDF no cenario martimo, baseado em um estudo ilustrativo.
CAP
6.3 Estudo Ilustrativo
O cenario ilustrado na Figura 6.1 representa os contatos obtidos, em um determinado
intervalo de tempo (T
n
), pelas fontes A, B, C e D de um navio de guerra. A camada
de informacao produzida por meio das varreduras de cada sensor constitui o grau de
percepcao do ambiente monitorado pelos sensores. Considera-se que a fonte A seja os
dados de um sensor ativo (RADAR); a fonte B seja os contatos obtidos pelo Automatic
Identication System (AIS); a fonte C seja os relatorios de inteligencia (INFOPE, etc) do
trafego de embarcacoes neutras na area; e a fonte D seja o sensor passivo de Medida de
Apoio a Guerra Eletronica (MAGE).
FIGURA 6.1 Representacao de Contatos nas Camadas de Sensores
O AIS e um sistema de identicacao automatica, especicado pela International
Maritime Organization (IMO), de emprego obrigatorio por todos os navios com arqueacao
bruta acima de 300 toneladas envolvidos em viagens internacionais, navios de passageiros
e navios de carga com mais de 500 toneladas. Este sistema opera na faixa da banda VHF
(Very High Frequency) com protocolo aberto e sua nalidade e disseminar informacoes do
navio como posicao GPS (Global Positioning System), rumo, velocidade, nome da embar-
CAP
cacao, indicativo internacional, etc. automaticamente sem a interferencia da tripulacao e
com uma taxa de envio dos dados em torno de 2s. Entretanto, este sistema possui algumas
desvantagens e limitacoes tais como: grande dependencia do sistema GPS, possibilidade
de transmissao de dados corrompidos ou incorretos e possibilidade de uso das informacoes
AIS para confusao ou pirataria martima.
O MAGE realiza acoes para buscar, interceptar, monitorar, localizar, gravar/registrar,
avaliar e analisar a energia eletromagnetica irradiada, para reconhecer, rapidamente, a
fonte de emissao, explorando-a para proveito das operacoes taticas. Observa-se na Figura
6.1 que ha redundancia de informacoes de determinados contatos e que existem contatos
so observaveis por um determinado sensor. Na situacao ilustrada, o contato 1 e reportado
pelas fontes B, C e D; o contato 4 e 5 sao reportados pelas quatro fontes; o contato 6 e
reportado apenas pela fonte A; os contatos 2, 3, e 7 embora tenham sido reportados pela
fonte B, nao foram assinalados pelo setor de inteligencia; e os contatos 2 e 6 nao tiveram
suas emissoes radar observadas pela fonte D. As fontes A, B e C possuem determinado
grau de incerteza referente às informacoes de posicao dos seus contatos que podem ser
representados por elipses. A resultante do processo de fusao de dados considerando as
camadas de informacoes competitivas produzidas por meio das varreduras de cada sensor
e mostrada na parte direita da Figura 6.1, denominada de estado T
n
.
Uma vez efetuada a estimacao do vetor de posicao, minimizando a redundancia de
informacoes, o foco do problema de decisao passa a ser a declaracao de identidade a ser
atribuda a cada um dos contatos fsicos observados e determinar qual a prioridade de
esclarecimento necessaria para o referido contato.
As tarefas descritas por (HEUVELINK; BOTH, 2007), descritas na secao 3.4, as PRE-
PLAN e as regras de engajamento da MB constituem heursticas a serem utilizadas como
CAP
subsdios para a estruturacao da base de conhecimento, por meio da TDF, que represente
as regras de decisao de situacoes complexas observadas no cenario martimo.
A estruturacao do conhecimento esta dividida em duas fases. A primeira fase consiste
em construir uma TDF que possibilite efetuar alguma inferencia quanto à classicacao
primaria dos contatos com base no processo de fusao de dados das fontes envolvidas. A
segunda fase consiste em compor um TDF que expresse condicoes e acoes descritas nas
heursticas de especialistas que facilitem a declaracao de identidade.
A Tabela 6.2 apresenta a TDF construda na primeira fase. Esta estrutura visa à
obtencao do grau de conanca em classicar o contato como mercante baseado no pro-
cesso de fusao das fontes envolvidas. Observa-se que as condicoes nesta fase sao do tipo
binaria (booleana) e que a associacao do contato com as informacoes de inteligencia (fonte
C) e de dados do AIS (fonte B) favorecem a elevacao de conanca na classicacao do con-
tato, conforme pode ser observado nas regras 1 a 6. A pertinencia a ser atribuda nas
acoes envolvendo tais associacoes deve reetir o nvel de servico dos disseminadores das
informacoes de inteligencia.
a
Fase
Considerando X como o espaco de combinacoes das condicoes descritas na Tabela 6.2,
CAP
podem-se denir os conjuntos nebulosos Mercante Alta (MA), Mercante Media (MM) e
Mercante Baixa (MB) como os conjuntos de pares ordenados discretos
MA = {(x,
MA
(x))|x X}, MM = {(x,
MM
(x))|x X} e MB = {(x,
MB
(x))|x
X},
respectivamente. Onde
MA
(x),
MM
(x) e
MB
(x) sao os graus de pertinencia, com
valores entre 0 e 1, denido para cada elemento de x pertencente ao conjunto X. Estas
funcoes de pertinencia poderiam ser expressas da seguinte forma:
MA(x) = {([111], 1); [110], 0, 9); [101], 0, 8); [011], 0, 9)} (6.1)
MM(x) = {([100], 0, 5); [010], 0, 6)} (6.2)
MB(x) = {([001], 0, 2); [000], 0, 1)} (6.3)
A Tabela 6.3 apresenta a TDF construda na segunda fase. Esta estrutura visa à obtencao
do grau de conanca na classicacao do contato baseado nas heursticas representadas
pelas condicoes e acoes enunciadas. Observa-se que as condicoes sao representadas por
conjuntos fuzzy.
Considerando V como o espaco de medidas de velocidade v, R como o espaco de
medidads de rumo r e D como o espaco de medidas de distancia d, podem ser denidos os
conjuntos nebulosos velocidade no tempo (VT), rumo no tempo (RT) e distancia (Di) como
os conjuntos de pares ordenados V T = {(v,
V T
(v))|v V }, RT = {(r,
RT
(r))|r R} e
Di = {(d,
Di
(d))|d D}, respectivamente. Onde,
V T
(v),
RT
(r) e
Di
(d) sao os graus
de pertinencia com valores entre 0 e 1. Estas funcoes de pertinencia podem ser expressas
CAP
da seguinte forma:
V T(v) = (1 + 0, 045(v)
2
)
1
(6.4)
RT(r) = (1 + 0, 0009(r)
2
)
1
(6.5)
Di(d) = 0, 4 (d/20) (6.6)
a
Fase
A partir da TDF apresentada na Tabela 6.3, podem-se extrair algumas inferencias
que possibilitem reduzir o n umero de regras. O simples fato de um contato possuir alta
variacao de velocidade ou de rumo no tempo pode traduzir um comportamento suspeito
da embarcacao que associado a outras condicionantes pode identica-lo como provavel
hostil (HEUVELINK; BOTH, 2007). A diferenca entre provavel hostil e possvel hostil no
cenario naval e semantica sendo o primeiro sempre mais perigoso que o segundo. A Tabela
6.4 consolida as regras de decisao, conforme o conjunto de condicoes observadas, e enuncia
o processo de inferencia realizado.
CAP
TABELA 6.4 Consolidacao das Regras de Decisao
CAP
A aplicacao das regras consolidadas no cenario ilustrado na Figura 6.1, considerando
as funcoes de pertinencia descritas, permite a declaracao de identidade dos contatos ob-
servados com a atribuicao do grau de conanca, conforme apresentado na Figura 6.2.
FIGURA 6.2 Plotagem com Declaracao de Identidade
Observou-se uma melhor interpretacao das informacoes por meio da estrutura da TDF
e a atribuicao do grau de conanca na declaracao de identidade do contato aprimorou a
denicao de prioridade para subsidiar a decisao de envio de helicoptero ou de navio para
a identicacao visual do referido contato.
6.4 Conclusoes
Os benefcios operacionais obtidos com a estruturacao do conhecimento por meio da
TDF, no contexto do processo de apoio à decisao, sao signicativos. Os resultados al-
cancados com a aplicacao do algoritmo atendem aos objetivos propostos de otimizar o
processo de classicacao e identicacao de contatos na compilacao de quadro tatico mar-
timo. Alem disso, a estruturacao do conhecimento de forma tabular facilita a modi-
CAP
cacao e a validacao das regras de acordo com os objetivos polticos e militares da mis-
sao. A atribuicao do grau de conanca na declaracao de identidade e a priorizacao do
esclarecimento permitem uma melhor visualizacao das informacoes pelo decisor otimizando
o processo decisorio de uma maneira global.
7 Conclusoes e Sugestoes
A atividade de C2 naval busca reduzir os efeitos da nevoa e da friccao da guerra.
A nevoa esta associada às incertezas ligadas ao que esta ocorrendo de fato ou a falta
de consciencia situacional decorrente da impossibilidade de integrar o conhecimento e as
informacoes disponveis. A friccao esta relacionada com as intencoes transformadas em
acoes do comandante e que sofrem interferencias nao previstas. A tomada de decisao no
cenario martimo requer um elevado nvel de consciencia situacional, a m de reduzir o
n umero de acoes drasticas provocadas por erros de classicacao. Esta consciencia situa-
cional e obtida por meio da sistematizacao do processo de compilacao do quadro tatico,
apoiada pelo processo de fusao de dados, que incorpore aspectos cognitivos dos especialis-
tas, os aspectos doutrinarios e os objetivos considerados por ocasiao da denicao de cada
missao.
O objetivo desta tese foi propor e implementar um modelo de apoio à decisao para
o processo de fusao de dados com o proposito de elevar a capacidade de compilacao do
quadro tatico martimo e, consequentemente, reduzir a nevoa da guerra. A relevancia
do modelo proposto consistiu na manutencao das relacoes observadas e enraizadas da
metodologia de compilacao do quadro tatico martimo na MB.
De uma forma geral, o processo de fusao de dados visa a associar as informacoes com-
CAP
ITULO 7. CONCLUS
OES E SUGEST
OES 105
petitivas provenientes de m ultiplos sensores, minimizando o n umero de acompanhamentos
de contatos redundantes a ser visualizado pelo decisor e apresentando todos os contatos
em uma unica camada de informacao. Posteriormente, essa fusao permite realizar as in-
teracoes complementares e cooperativas dos dados de modo a obter inferencias que seriam
praticamente impossveis analisando isoladamente as camadas de informacoes de cada
sensor.
primeira parte propos uma abordagem que conjuga as tecnicas de gating e de logica
nebulosa para o problema de associacao de dados, considerando m ultiplos sensores e m ulti-
plos alvos. A logica nebulosa foi aplicada pelas seguintes razoes: por ser robusta, por nao
requerer que os dados de entrada dos sensores nao possuam rudos, por se ajustar muito
bem para sistemas de acompanhamento com m ultiplas fontes nos quais diversas associ-
acoes podem ser realizadas com os dados recebidos dos sensores, e principalmente pela
possibilidade de aceitar informacoes quantitativas e qualitativas no algoritmo empregado.
Quando esta abordagem foi comparada com a abordagem de conglomerados fuzzy (FCM),
concluiu-se que requer menos complexidade computacional e que atende às qualidades de
simplicidade e eciencia sugeridas por (AZIZ; TUMMALA; CRISTI, 1999).
A segunda parte propos o emprego das Tabelas de Decisao Fuzzy (TDF) como estru-
tura para a construcao das regras de um sistema especialista. Esta abordagem agregou
as heursticas empregadas pelos especialistas e as regras de engajamento para apoiar a
classicacao e a identicacao de alvos de superfcie, alem de sugerir algumas acoes a serem
O conceito de fusao das declaracoes de identidade e fundamental para a avaliacao tatica
de uma forca naval. Entretanto, em virtude de diculdades na modelagem dos modelos
CAP
ITULO 7. CONCLUS
OES E SUGEST
OES 106
fsicos para o processo de declaracao de identidade, observa-se uma tendencia na utilizacao
de sistemas baseados em conhecimento. As PREPLAN e as regras de engajamento da
MB constituem uma base de regras que podem ser utilizadas como subsdios para a
implementacao de um sistema especialista de apoio à classicacao e à identicacao de
contatos.
A estruturacao do conhecimento por meio da TDF atendeu aos objetivos propostos de
otimizar o processo de classicacao e identicacao de contatos na compilacao de quadro
tatico martimo, possibilitando aprimorar a consciencia situacional do decisor. Alem disso,
a estruturacao do conhecimento de forma tabular facilitou a modicacao e a validacao das
regras de acordo com os objetivos polticos e militares da missao. A atribuicao do grau
de conanca na declaracao de identidade e a priorizacao do esclarecimento permitiram
uma melhor visualizacao das informacoes pelo decisor otimizando o processo decisorio de
uma maneira global. Observou-se a necessidade de aprimorar o nvel de servico quanto à
conanca das informacoes de inteligencia de modo a assegurar a validade das declaracoes
no processo decisorio de classicacao.
Os benefcios operacionais observados com os resultados obtidos com a aplicacao
do modelo proposto, no contexto do processo de apoio à decisao, foram signicativos.
Reduziu-se a interferencia humana no processo de integracao dos dados, minimizando a
dependencia no conhecimento, no treinamento e na experiencia do operador do sensor
para compilar o quadro tatico. Aprimoraram-se as fases de observacao e de orientacao do
modelo por meio da minimizacao da redundancia de informacoes de acompanhamento de
um mesmo contato e pela otimizacao do processamento dos dados de modo que o decisor
visualizasse o cenario em uma unica camada de informacao, aprimorando a consciencia
situacional. Houve um incremento de conanca na validade da informacao extrada, haja
CAP
ITULO 7. CONCLUS
OES E SUGEST
OES 107
vista que o processo de fusao nas ilustracoes apresentadas identicou as informacoes redun-
dantes de um mesmo contato obtidas pelos sensores. A falha no processo de fusao permitiu
inferir quanto à perda de acompanhamento por um dos sensores nos instantes observa-
dos. Tal inferencia nao seria factvel analisando os dados individualmente. Contribuiu-se,
tambem, para as fases de decisao e de atuacao do modelo, com a atribuicao do grau de
conanca na declaracao de identidade do contato e com a sugestao de algumas acoes a
serem tomadas pelo decisor.
7.1 Sugestoes
Esta tese alcancou os objetivos pretendidos e possibilita a projecao de alguns trabalhos
futuros, tais como:
Incorporar informacoes qualitativas no processo de associacao de dados e comparar
o desempenho da abordagem proposta nesta tese com a abordagem fuzzy proposta
por (CHEN, 2006);
Empregar o modelo proposto para apoiar a decisao de classicacao de contatos por
uma plataforma submarina;
Empregar o modelo proposto para apoiar a decisao de classicacao de contatos
submarinos e aereos; e
Considerando informacoes quantitativas reais provenientes dos sensores, comparar o
desempenho do algoritmo proposto de associacao de dados com o algoritmo Multiple
Hypothesis Tracking (MHT).
Referencias Bibliogracas
ALBERTS, D. S.; GARSTKA, J. J.; STEIN, F. P. Network centric warfare: de-
veloping and leveraging information superiority. 2. ed. Washington, DC: CCRP
publication series, 1999.
ANZANO, E. Fuzzy clustering means algorithm for track fusion in U.S. coast
guard vessel trac service systems. 1999. 98 p. Dissertacao (Mestrado em Ciencia
da Computacao) Naval Postgraduate School, USA, Monterey, California, 1999.
AZIZ, A. M. An all-neighbor fuzzy association approach in multisensor-multitarget track-
ing systems. In: NATIONAL RADIO SCIENCE CONFERENCE, 21, 2004, CAIRO.
Proceedings... New York: IEEE, 2004. p. c617.
AZIZ, A. M.; TUMMALA, M.; CRISTI, R. Fuzzy logic data correlation approach in
multisensor-multitarget tracking systems. Signal Processing, v. 76, p. 195209, 1999.
BAR-SHALOM, Y.; BLAIR, W. D. Multitarget-multisensor tracking: applications
and advances. Volume III. Norwood, MA: Artech House Inc, 2000.
BEDWORTH, M. Probability moderation for multilevel information processing.
DRA, UK, 1994. DRA Technical Report, DRA/CIS(SE1)/651/8/M94.AS03BP032/1.
BEDWORTH, M.; OBRIEN, J. The omnibus model: A new model for data fusion.
Aerospace and Eletronic Systems Magazine, IEEE, v. 15, p. 3036, 2000.
BELLMAN, R.; ZADEH, L. Decision-making in a fuzzy environment. Management
Science, v. 17, n. 4, p. 141164, 1970.
BEZDEK, J. C. Fuzzy mathematics in pattern classication. 1973. 169 f. Tese
(Applied Mathematics) Cornell University, Ithaca, NY, 1973.
BLACKMAN, S. S. Multiple-target tracking with radar application. Norwood,
MA: Artech House Inc, 1986.
BLASCH, E. et al. Issues and challenges in situation assessment (level 2 fusion). Journal
of Advances in Information Fusion - JAIF, v. 1, n. 2, p. 122133, December 2006.
BOYD, J. A discourse on winning and losing. Maxweel AFB Lecture. 1987.
BROOKNER, E. Tracking and kalman ltering made easy. Sudbury, MA: Wiley
Interscience Publication, 1998.
REFER
ENCIAS BIBLIOGR
AFICAS 109
BYUN, S.-H. et al. Implementation of multi-vessel tracking algorithm using multiple ma-
rine radar systems. In: CONFERENCE PROCEEDINGS. Proceedings... Kobe, Japan:
IEEE, 2004. v. 4, p. 2242 2248.
CANTRELL, H.; KING, J.; KING, F. E. H. Logic structure tables design. Comm. ACM,
p. 272275, jun. 1961.
CHALMERS, B. A.; WEBB, R. D. G.; KEEBLE, R. Modeling shipboard tactical pic-
ture compilation. In: INTERNATIONAL SOCIETY OF INFORMATION FUSION, 5,
2002, SUNNYVALE. Proceedings... New York: IEEE, 2002. v. 2, n. 5, p. 12921299.
Proceedings of the Fifth International Conference on Information Fusion.
CHEN, G.; VANTHIENEN, J.; WETS, G. Fuzzy decision tables: extending the classi-
cal formalism to enhance intelligent decision making. In: INTERNATIONAL CONFER-
ENCE ON FUZZY SYSTEM, 2, 1995, YOKOHAMA. Proceedings... New York: IEEE,
1995. v. 2, p. 599606.
CHEN, Y. M. Information fusion in data association applications. Applied Soft Com-
puting, v. 6, p. 394405, 2006.
CHEN, Y. M.; HUANG, H. C. Fuzzy logic approach to multisensor data association.
Mathematics and Computers in Simulation, v. 52, p. 399412, 2000.
DASARATHY, B. Sensor fusion potential exploitation - innovative architectures and il-
lustrative applications. Proceedings of the IEEE, v. 85, n. 1, p. 2438, 1997.
F
AVERO, L. P. et al. Analise de dados: modelagem multivariada para tomada

de decisoes. Rio de Janeiro, RJ: Elsevier, 2009.
FRANCIONI, J. M.; KANDEL, A. A software engineering tool for expert system design.
IEEE Expert, v. 3 (1), p. 3341, 1988.
GAD, A.; FAROOQ, M. Data fusion architecture for maritime surveillance. ISIF, p.
448455, 2002.
HALL, D. L.; MCMULLEN, S. A. H. Mathematical techniques in multisensor data
fusion. 2nd. ed. Boston, MA: Artech House Inc, 2004.
HEUVELINK, A.; BOTH, F. Boa: A cognitive tactical picture compilation agent. In: IN-
TERNATIONAL CONFERENCE ON INTELLIGENT AGENT TECHNOLOGY, 2007,
SILICON VALLEY. Proceedings... New York: IEEE, 2007. p. 175181.
HUGOT, H.; VANDERPOOTEN, D.; VANPEPERSTRAETE, J. M. A bi-criteria ap-
proach for the data association problem. Annals of Operations Research, v. 147, n. 1,
p. 217234, 2006.
JDL. Data fusion lexicon. Washington, DC, 1991. U.S. Department of Defense, Data
Fusion Subpanel of the Joint Directors of Laboratories,Technical Panel for C3.
LIGGINS, M. E.; HALL, D. L.; LLINAS, J. Handbook of Multisensor Data Fusion:
Theory and Practice. 2nd. ed. Danvers, MA: CRC Press, 2008.
REFER
ENCIAS BIBLIOGR
AFICAS 110
LUO, R.; KAY, M. Multisensor integration and fusion in intelligent systems. IEEE
Transactions on Systems, Man, and Cybernetics, v. 19, n. 5, p. 901931, set./out.
1989.
LY, T. C. et al. Multiple hypotheses situation assessment. In: IEEE CONFERENCE
PROCEEDINGS. IEEE Proceedings of the Sixth International Conference of
Information Fusion. Cairns, Australia, 2003. v. 2, p. 972978.
MILLER, N. L.; SHATTUCK, L. G. A dynamic process model for the design and assess-
ment of network centric systems. In: INTERNATIONAL COMMAND AND CONTROL
RESEARCH TECHNOLOGY SYMPOSIUM. 11th Proceedings of the Command
and Control Research and Technology Symposium. Cambridge, UK, 2006.
MIRZA, A. R. An Architectural Selection Framework for Data Fusion in Sensor
Platforms. 2006. 102 p. Dissertacao (Master of Science in Engineering and Management)
Massachusetts Institute of Technology, 2006.
NASHMAN, M. The use of vision and touch sensors for dimensional inspection tasks.
The American Society of Mechanical Engineers, Manufacturing Review, n. 6,
p. 155163, 1993.
OLIVEIRA, C. A.; BELDERRAIN, M. C. N. Modelo para apoio à decisao no processo
de classicacao de unidades moveis no ambiente martimo. In: SIGE. IX SIGE. Sao Jose
dos Campos, SP: SIGE-ITA, 2007.
OLIVEIRA, C. A.; BELDERRAIN, M. C. N. Aplicacao de logica fuzzypara fusao de da-
dos de acompanhamento de plataformas no cenario martimo. Revista Pesquisa Naval,
n. 21, p. 4957, nov. 2008.
OLIVEIRA, C. A.; KIENITZ, K. H.; BELDERRAIN, M. C. N. Proposta de uma abor-
dagem baseada em decisao nebulosa para o problema de associacao de dados. In: XLI
SBPO. XLI Simposio Brasileiro de Pesquisa Operacional. Porto Seguro, BA, 2009.
PRZEMIENIECKI, J. S. Critical technologies for national defense. Washington,
DC: AIAA Education Series, 1991.
RONG, L. X.; BAR-SHALON, Y. Tracking in clutter with nearest neighbor lter: Analy-
sis and performance. Transaction on Aerospace and Eletronic Systems Magazine,
IEEE, v. 32 (3), p. 752769, 1996.
SANDRI, S. A.; CORREA, C. Logica nebulosa. V Escola de Redes Neurais, Sao
Jose dos Campos, p. 7390, 19 jul. 1999.
SINGH, R. P.; BAILEY, W. H. Fuzzy logic applications to multisensor-multitarget cor-
relation. IEEE Transactions on Aerospace and Eletronic Systems, v. 33 (3), p.
752769, 1997.
TAO, C.; THOMPSON, W.; TAUR, J. A fuzzy logic approach to multidimensional target
tracking. In: FUZZY SYSTEMS. Proceedings of the 2nd IEEE Conference on
Fuzzy systems. San Francisco, CA, 1993. v. 2, p. 13501355.
TSOUKALAS, L. H.; UHRIG, R. E. Fuzzy and Neural Approaches in Engineering.
San Diego, CA: Wiley-Interscience Publication, 1996.
REFER
ENCIAS BIBLIOGR
AFICAS 111
WETS, G. et al. A fuzzy decision table approach for business site selection. In: FUZZY
SYSTEMS. Proceedings of the Fifth IEEE International Conference on Fuzzy
Systems. New Orleans, 1996. v. 3, p. 16051610.
ZADEH, L. A. Fuzzy sets. Information and Control, n. 8(3), p. 338353, 1965.
FOLHA DE REGISTRO DO DOCUMENTO
1.
CLASSIFICA C
AO/TIPO
2.
DATA
3.
DOCUMENTO N
o 4.
N
o
DE P
AGINAS
TD 20 de novembro de 2009 CTA/ITA - IEC/TM-xxx/2009 108
5.
T
ITULO E SUBT
ITULO:
Modelo para Apoio à Decisao no Processo de Classicacao de Unidades Moveis no Cenario Martimo
6.
AUTOR(ES):
7.
INSTITUI C
AO(
OES)/
ORG
AO(S) INTERNO(S)/DIVIS
AO(
OES):
Instituto Tecnologico de Aeronautica. Divisao de Engenharia Aeronautica e Mecanica ITA/EAM
8.
PALAVRAS-CHAVE SUGERIDAS PELO AUTOR:
Quadro Tatico Martimo; Fusao de Dados; Associacao de Dados; Logica Nebulosa; Tabela de Decisao Nebulosa
9.
PALAVRAS-CHAVE RESULTANTES DE INDEXA C
AO:
Quadro Tatico Martimo; Fusao de Dados; Associacao de Dados; Logica Nebulosa; Tabela de Decisao Nebulosa
10.
APRESENTA C
AO: (X) Nacional ( ) Internacional

ITA, Sao Jose dos Campos, 2009, 108 paginas
11.
RESUMO:
A habilidade de conduzir operacoes no mar e determinada, fundamentalmente, pela or-
ganiza cao, compreensao e projecao de todos os fatores importantes que inuenciam a
consciencia situacional, tais como a disposicao das forcas aliadas, neutras e entidades nao combatentes,
as caractersticas geogracas, oceanogracas e meteorologicas da area de interesse e, obviamente, a disposicao
do inimigo. No sistema de comando e controle (C2) naval, o processo de organizacao, compreensao e projecao
destes fatores e conhecido como compilacao do quadro tatico.
A compilacao de um quadro tatico conavel em ambiente de trafego martimo denso requer a tecnologia de fusao
de dados para integrar informacoes providas por m ultiplas fontes de modo a melhorar a percepcao da situacao
pelo decisor.
Este trabalho propoe e implementa um modelo de apoio à decisao para o processo de fusao de dados com o
proposito de elevar a capacidade de compilacao do quadro tatico martimo. Este modelo incorpora os aspectos
cognitivos dos especialistas, os aspectos doutrinarios e os objetivos considerados por ocasiao da denicao de uma
missao.
primeira parte propoe uma abordagem que conjuga as tecnicas de gating e de logica
nebulosa para o problema de associacao de dados, considerando m ultiplos sensores e m ultiplos alvos. A
segunda parte propoe o emprego das Tabelas de Decisao Fuzzy (TDF) como estrutura para a construcao das
regras de um sistema especialista. Esta abordagem agrega as heursticas empregadas pelos especialistas e as
regras de engajamento para apoiar a classicacao e a identicacao de alvos de superfcie e para sugerir algumas
acoes a serem tomadas pelo decisor.
Os benefcios operacionais obtidos foram signicativos. Reduziu-se a interferencia humana no processo de inte-
gracao dos dados, minimizando a dependencia no conhecimento, no treinamento e na experiencia do operador do
sensor para compilar o quadro tatico. Aprimoraram-se as fases de observacao e de orientacao do modelo por meio
da exploracao da redundancia dos dados e pela otimizacao do processamento dos dados de modo que o decisor
visualize o cenario em uma unica camada de informacao, aprimorando a consciencia situacional. Contribuiu-se,
tambem, para as fases de decisao e de atuacao do modelo, com a atribuicao do grau de conanca na declaracao
de identidade do contato e com a sugestao de algumas acoes a serem tomadas pelo decisor.
12.
GRAU DE SIGILO:
(X) OSTENSIVO ( ) RESERVADO ( ) CONFIDENCIAL ( ) SECRETO

Tese Cleber

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tese Cleber

Загружено:

Авторское право:

Доступные форматы

Tese apresentada `a Pro-Reitoria de Pos-Graduacao e Pesquisa do Instituto

Tecnologico de Aeronautica, como parte dos requisitos para obtencao do

E concedida ao Instituto Tecnologico de Aeronautica permissao para reproduzir copias

AVERO et al., 2009).

= erro Filtro (3.1)

ITULO 4. MODELO PROPOSTO 63

ITULO 4. MODELO PROPOSTO 64

ITULO 4. MODELO PROPOSTO 65

ITULO 4. MODELO PROPOSTO 66

ITULO 4. MODELO PROPOSTO 67

ITULO 4. MODELO PROPOSTO 68

ITULO 4. MODELO PROPOSTO 69

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 5. PROPOSTA PARA A ASSOCIA C

AVERO et al., 2009).

ITULO 5. PROPOSTA PARA A ASSOCIA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

ITULO 6. PROPOSTA PARA A ESTRUTURA C

AVERO, L. P. et al. Analise de dados: modelagem multivariada para tomada

AO: (X) Nacional ( ) Internacional

Вам также может понравиться