HOT-
FUSION

Datafusion är hur Lisa 26 förvandlar multipla delvis överlappande observationer till en komplett stridsfältsbild. Varje drönare ser en bit. Lisa 26 lägger pusslet.

Varför en drönare inte räcker

En enskild FPV-drönare på 120 meters höjd med 6 mm objektiv ser en markyta på ungefär 126×94 meter. Det är ungefär en fotbollsplan. Stridsfältet är 10+ km brett. En drönare ser mindre än 0,01 procent av ytan vid varje given tidpunkt.

Värre: en enskild drönare kan ha fel. Den detekterar ett "fordon" med 76 procents konfidens — men är det verkligen ett fordon, eller är det ett skjul? Rör det sig eller står det parkerat? Är det ensamt eller del av en kolonn? En bildruta från en vinkel räcker inte för att besvara dessa frågor.

Fusion löser båda problemen. Multipla drönare som täcker olika områden ger en fullständig bild. Multipla detektioner av samma mål ger högre konfidens. Multipla observationer över tid avslöjar rörelsemönster.

Hur fusion fungerar — klarspråk

Föreställ dig fyra personer som står i olika hörn av ett mörkt rum, var och en med en ficklampa. Varje person kan bara se det som deras ficklampa belyser. Person A ser en stol. Person B ser ett bordsben. Person C ser ingenting. Person D ser skor under bordet.

Ingen av dem känner till hela rummet. Men om alla rapporterar vad de ser till en femte person (Lisa 26) kan den personen säga: "Det finns ett bord mitt i rummet med en stol bredvid och någon som sitter vid bordet."

Det är datafusion. Varje drönare är en ficklampa. Lisa 26 är personen som kombinerar alla rapporterna.

De tre fusionsstegen

Vad som matas in i fusionsmotorn

Utmatningen: gemensam operationsbild

All fusionerad data visas på en karta — COP:en (Common Operating Picture). Varje kontakt är en NATO APP-6D-symbol med fientliga mål som röda diamanter, egna styrkor som blå rektanglar och okända kontakter som gula cirklar. Varje kontakt visar: position, klass, konfidens, kurs, fart, dataålder och källa. Både FPV-operatören och Fischer 26-operatören ser samma COP simultant. När en ny detektion anländer uppdateras båda skärmarna inom 500 ms.

Hotfusion genom Dempster-Shafers teori kombinerar oberoende observationer till bedömningar med högre konfidens. En enskild källas 70-procentiga konfidens blir 91 procent vid fusion med en andra oberoende 70-procentig observation. Hotfusion är den matematiska anledningen till att brigadnivå-ISR överträffar plutonsnivå-ISR.

Hotfusion omvandlar individuella drönarobservationer till brigadnivåunderrättelser. Utan hotfusion ser varje pluton sin egen sektor isolerat. Med hotfusion framträder mönster över hela brigadområdet: samma konvojrutt tre nätter i rad, samma observationsdrönare som dyker upp innan artillerield. Hotfusion genom Dempster-Shafer-matematik tillhandahåller de konfidensnivåer som motiverar resursallokeringsbeslut.

Öppna den interaktiva hotfusionspanelen →

Interactive: Multi-Source Threat Fusion Dashboard

Matematisk härledning — Dempster–Shafers kombinationsregel

Den fullständiga fyrstegs-härledningen av kombinationsregeln C_fused = 1 − ∏(1 − C_i) från Dempster–Shafers teori är publicerad på den engelska versionen av denna sida. Härledningen specialiserar Shafers allmänna kombinationsregel (A Mathematical Theory of Evidence, Princeton University Press, 1976) till det binära fallet vi använder i hotfusion (mål närvarande vs frånvarande). De två bearbetade numeriska exemplen (två källor som är överens vs tre källor där en bestrider) och verifieringskoden är matematiskt verifierade i provable_claims.py under DS_FUSION_2 och DS_FUSION_3.

Varför härledningen är operativt viktig

Tre operativa beslut beror på att denna matematik är korrekt. L2-rekommendationer: 85-procents konfidenströskeln som triggar en strike-rekommendation passeras av två medel-konfidenta observationer (0,72 och 0,68 fusioneras till 0,91) men inte av en ensam. Om fusionsformeln vore fel — säg, om Lisa 26 bara medelvärdebildar konfidenser — skulle två 0,70-observationer fortfarande ge medelvärde 0,70, under tröskeln, och ingen L2 skulle utfärdas. Brigader skulle få antingen för många eller för få rekommendationer, och i båda fallen skulle systemet förlora förtroende.

DISPUTED-flaggan: utan konfliktmass­beräkningen i den fulla Dempster-regeln får en termisk-visuell icke-matchning som borde höja larm bara tyst medelvärdeberäknas till hög fusionskonfidens. Operatören ser "93,7 % konfident T-72" och auktoriserar ett anfall mot vad som visar sig vara en skenmål. DISPUTED-flaggan existerar specifikt för att förhindra detta felläge — och den existerar bara för att den fulla Dempster-regeln med K > 0 är implementerad, inte bara den enkla produktformeln.

0,95-taket för korrelerade källor: utan det skulle fem FPV:er som observerar samma disigförhindrade mål från samma riktning fusioneras till 0,99+ konfidens, och behandla deras korrelerade fel som oberoende bevis. Taket håller Lisa 26 ärlig om vad systemet faktiskt vet. Värdet 0,95 är ett designval baserat på publicerad ukrainsk operativ erfarenhet — FSG-A har inte samlat egen korrelerad-fel-data för att förfina taket.

Ett exempel: två drönare rapporterar samma T-72 med konfidenser 0,72 och 0,68. Fusionerad konfidens blir 1 − (1 − 0,72)(1 − 0,68) = 1 − 0,28 × 0,32 = 0,910 = 91,0 %, vilket passerar 85 %-tröskeln och triggar L2-rekommendationen. Ensam gör ingen av observationerna det.

Implementering

# Dempster-Shafer Fusion — Multiple Drone Observations
# pip install numpy
import numpy as np

def dempster_shafer_fuse(confidences):
    """Fuse independent observations. C_fused = 1 - prod(1-Ci)"""
    if not confidences:
        return 0.0
    result = 1.0
    for c in confidences:
        result *= (1.0 - c)
    return 1.0 - result

# Example: 3 drones observe same target
observations = [
    {"drone": "FPV-12", "class": "T-72", "conf": 0.72, "mgrs": "34TDM1234"},
    {"drone": "ISR-03", "class": "T-72", "conf": 0.68, "mgrs": "34TDM1235"},
    {"drone": "F26-01", "class": "MBT",  "conf": 0.81, "mgrs": "34TDM1234"},
]

# Spatial clustering: observations within 100m = same target
fused_conf = dempster_shafer_fuse([o["conf"] for o in observations])
print(f"Individual: {[o['conf'] for o in observations]}")
print(f"Fused:      {fused_conf:.3f}")  # 0.974 — near certain

Källor

Multisensor datafusionsprinciper (Hall & Llinas, 2001). NATO STANAG 4609 rörlig bildmetadata. ArduPilot MAVLink kompanjondatordokumentation. Lisa 26 fusionsalgoritmdesign (FSG-A internt, 2025).

Relaterade kapitel