[發明專利]一種通信輻射源異常運動軌跡檢測方法

在審

• 申請號: 202010741761.8
• 申請日: 2020-07-29
• 公開（公告）號: CN111783738A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 王倫文;季玙璠;吳微露;王江;彭闖;朱敬成
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 國防科技大學專利服務中心 43202
• 代理人: 文雄志

1.一種通信輻射源異常運動軌跡檢測方法，其特征在于，包括以下步驟：

獲取通信輻射源軌跡數據集，基于長短時記憶預測網絡建模得到若干個正常軌跡模型；將正常軌跡模型記為查詢軌跡；

獲取待檢測軌跡群，假定所述待檢測軌跡群包含M條待檢測軌跡；

分別提取查詢軌跡和待檢測軌跡的語義標簽，所述語義標簽包括調制樣式、工作頻率、工作帶寬和工作電壓；利用高效K近鄰相似搜索方法，找出與查詢軌跡語義標簽最相似的N個待檢測軌跡，作為查詢軌跡的語義相似軌跡，N、M均為正整數，且NM；

提取所有語義相似軌跡的時空信息，計算查詢軌跡與待檢測軌跡的hausdorff距離；所述時空信息包括經度、緯度和采樣時間；

將所述hausdorff距離與設定的距離閾值相比較，若大于等于閾值，則判斷待檢測軌跡為異常軌跡。

2.如權利要求1所述的一種通信輻射源異常運動軌跡檢測方法，其特征在于，所述基于長短時記憶預測網絡建模得到若干個正常軌跡模型，包括以下步驟：

步驟1，通過軌跡之間的相似比較、分類或聚類和軌跡運動模式識別，將軌跡數據集分為若干類正常軌跡群；

步驟2，將每一類正常軌跡群分別輸入長短時記憶預測網絡訓練；

步驟3，長短時記憶預測網絡為每一類正常軌跡群對應生成一個正常軌跡模型。

3.如權利要求1所述的一種通信輻射源異常運動軌跡檢測方法，其特征在于，所述利用高效K近鄰相似搜索算法發現與查詢軌跡語義相似的待檢測軌跡的具體過程為：

假設已知d維待檢測軌跡數據集DS和查詢軌跡點集Q，將待檢測軌跡數據集DS和查詢軌跡點集Q內數據歸一化后，得到歸一化的待檢測軌跡X＝{X₁,X₂,...,X_n}∈DS，待檢測軌跡上第i個數據點表示為X_i＝[x_i1,x_i2,...,x_id]，i＝1,2,...,n，n為數據點總數；

查詢軌跡Q＝{Q₁,Q₂,...,Q_m}上第j個數據點表示為Q_j＝[q_j1,q_j2,...,q_jd]，j＝1,2,...,m，其中m為查詢點總數，d為數據空間維度；

對待檢測軌跡群中的每一個軌跡數據點X_i和軌跡查詢點Q_j，令Δ_ij是X_i和Q_j之間的d維距離，W_j＝[w₁,w₂,...,w_d]為X_i和Q_j的權重矩陣，根據X_i到Q_j的距離在每一維上的權重w_k，有

Δ_ij＝[δ_ij1,δ_ij2,...,δ_ijd]，

δ_ijk＝|x_ik-q_jk|*w_k,k＝1,2,...,d，

在第k維上，先對數據點X_i進行標號，然后對δ_ijk進行排序，令KS_jk為第k維排序后前N個軌跡標號的集合，得到KS'_k＝KS_1k∪KS_2k∪...∪KS_mk，選出KS'_k中出現次數最多的前N個軌跡的標號組成的集合，記為KS_k；

重復上一步驟，直至得到d個維度上的KS₁,KS₂,...,KS_d，令KS＝KS₁∩KS₂∩...∩KS_d；

將KS中標號對應的軌跡從待檢測軌跡群DS中提取出來，判定為語義相似軌跡。

4.如權利要求1所述的一種通信輻射源異常運動軌跡檢測方法，其特征在于，所述Hausdorff距離計算方法為：

假設已知兩軌跡集Traj_A＝{a₁,a₂,...,a_m}和Traj_B＝{b₁,b₂,...,b_n}，a₁,a₂,...,a_m表示m條軌跡，b₁,b₂,...,b_n表示n條軌跡；

那么Traj_A到Traj_B的單向Hausdorff距離和Traj_B到Traj_A的單向Hausdorff距離分別表示為：

其中，||·||表示矢量的歐式范數；

Traj_A和Traj_B之間的雙向Hausdorff距離就是兩軌跡集間單向距離的最大值，即

H(Traj_A,Traj_B)＝max(h(Traj_A,Traj_B),H(Traj_B,Traj_A))

檢測異常軌跡時，所使用的Hausdorff距離為待檢測軌跡與查詢軌跡間的雙向Hausdorff距離。