[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

本發明屬于通信和移動感知領域，涉及一種通信輻射源異常運動軌跡的檢測方法。該方法包括步驟：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；分別提取查詢軌跡和待檢測軌跡的語義標簽；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；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；將hausdorff距離與設定的距離閾值相比較，若大于等于閾值，則判定待檢測軌跡為異常軌跡。本發明結合通信輻射源主體語義信息和運動軌跡時空信息，基于時空和語義相似度概念完成檢測，提高了異常軌跡檢測的準確率，魯棒性強。

技術領域

本發明屬于通信和移動感知領域，特別是涉及對于通信輻射源異常運動軌跡的檢測方法。

背景技術

隨著通信設備的發展和普及，通信領域的互聯互通愈發便捷，在不斷的通信交互中產生了大量的通信輻射源數據，這些數據中就包含了輻射源位置信息。當輻射源軌跡受到其主體或外界因素的影響，與查詢軌跡模型產生足夠大的偏差時，即可判定該輻射源的運動發生了異常。所以，對其異常軌跡的有效挖掘、分析能夠獲得輻射源及其載體運動軌跡等相關信息，檢測出通信輻射源的異常運動軌跡，可以為安防、旅游、導航、軍事等領域提供高效的服務，具有重要的理論意義及實用價值。

現有的異常軌跡檢測存在兩個方面問題：一是更加偏向于將手動提取的軌跡特征作為檢測要素，整個異常檢測效率的提高都受限于大量的特征提取工作，使得異常軌跡的實時處理難以實現；二是更加關注軌跡的時空信息，如軌跡數據攜帶的經緯度、高度等，忽略了能夠連接應用和情景的軌跡語義信息，如軌跡主體信息、軌跡所經過的地區等。

深度學習算法已在理論和實踐上展現了其直接在數據中學習數據特征的能力，循環神經網絡更是在序列數據的處理如機器翻譯、字幕生成上取得了很好的效果。這就表明了深度學習能夠成為解決序列數據預測、分類等問題的一個選擇。隨著各項技術的發展，信息的獲取變得更加容易，擴展面向的數據類別，充分利用軌跡所攜帶的各種信息，能夠輔助軌跡的異常檢測、行為認知，增加軌跡數據分析的可靠性和準確性。

發明內容

為解決上述技術問題，本發明提供了一種通信輻射源異常軌跡檢測方法，利用長短時記憶預測網絡對已知的正常軌跡群建立軌跡群模型，再結合時空和語義信息檢測通信輻射源運動軌跡中的異常軌跡。具體技術方案如下：

一種通信輻射源異常運動軌跡檢測方法，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，則判定待檢測軌跡為異常軌跡。

進一步地，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。