[發明專利]水下非合作平臺運動要素最優解算過程的選擇方法及系統

有效

• 申請號: 202011494645.7
• 申請日: 2020-12-17
• 公開（公告）號: CN113111901B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 李玉慶;黃勝全;王日新;江飛龍;陳卓;楊金鴻;徐敏強
• 申請（專利權）人: 哈爾濱工業大學;中國船舶工業系統工程研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/774;G06V40/20;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種水下非合作平臺運動要素最優解算過程的選擇方法及系統，包括以下步驟：步驟一、建立水下非合作平臺的最優解算過程的選擇方法的監督學習分類模型；步驟二、構建運動要素解算方法分類神經網絡模型；步驟三、構建水下非合作平臺仿真樣本集；步驟四、把探測信號序列輸入到訓練好神經網絡參數的分類模型中，自動選擇出運動要素最優解算過程。本發明構建了完整的面向水下非合作平臺的運動要素解算方法智能選擇方法，在已有探測信號序列和多種目標運動要素解算方法的情況下，能夠自主選擇一種最優的運動要素解算方法。

技術領域

本發明涉及人工智能技術領域，具體涉及一種水下非合作平臺運動要素最優解算過程的選擇方法及系統。

背景技術

目標運動要素也稱為目標運動參數，通常是指目標運動方向、目標運動速度、目標距離、目標方位等。在水下追蹤非合作機動平臺的過程中，通過使用探測傳感器設備搜索發現目標以后，為了達到對目標進行捕獲等目的，必須合理選擇水下要素解算方法，快速準確地解算目標的運動要素，以便為占據有利位置并實施后續行動做好必要的目標信息準備。目標運動要素解算是影響水下非合作平臺追蹤捕獲的跟蹤概率、跟蹤精度、捕獲概率、反應時間和決策效率等一系列性能的關鍵因素。

目標運動要素是對水下目標進行定位和追蹤的基礎。目標運動要素解算方法是指由水下探測信號計算得到水下目標運動要素的技術方法。在實際應用目標運動要素解算方法時，對于某個需要進行運動要素解算的目標，信號分析設備通常會依據探測信息，同時給出多種運動要素解算方法的解算結果，之后就需要人工介入，依靠人工經驗進行判斷并選擇使用何種運動要素解算方法的結果作為最終結果。

現有的關于水下非合作平臺的運動要素解算的研究，大多關注于運動要素解算方法的提出和改進，對多種運動要素解算方法如何綜合使用的研究較少，更沒有對于如何依據當前探測信號序列決定使用何種運動要素解算方法的研究，限制了在實際應用中運動要素解算過程的智能化進程，使得運動要素解算過程無法擺脫對于人工操作的依賴，實用性較差。目前沒有關于如何在無人工干預的情況下自主進行水下非合作平臺運動要素解算方法選擇的研究。

發明內容

本發明是要解決運動要素解算過程無法擺脫對于人工操作的依賴，實用性較差的技術問題，進而提供了一種水下非合作平臺運動要素最優解算過程的選擇方法。

本發明涉及一種水下非合作平臺運動要素最優解算過程的選擇方法，包括以下步驟：

步驟一、建立水下非合作平臺的最優解算過程的選擇方法的監督學習分類模型；

步驟二、構建運動要素解算方法分類神經網絡模型，建立分類模型中從探測信號序列到運動要素解算方法選擇的映射空間；

步驟三、構建水下非合作平臺仿真樣本集，對神經網絡模型進行訓練學習；

步驟四、把探測信號序列輸入到訓練好神經網絡參數的分類模型中，自動選擇出運動要素最優解算過程。

步驟一中，監督學習分類模型構建方法如下：面向水下非合作平臺，構建運動要素解算方法選擇分類模型，分類模型的輸入定義為水下探測信號序列，分類模型的輸出定義為選中的運動要素解算方法的序號；分別使用現有的運動要素解算方法和CNN預處理網絡處理探測信號序列數據，分別得到多組運動要素解算值和高維特征表達向量；然后把多組運動要素解算值和高維特征表達向量拼接為一個非結構化數據向量，輸入到全連接神經網絡中，即可輸出選中的運動要素解算方法的序號。

步驟一中，運動要素解算方法數據處理過程如下：由探測信號序列數據經處理得到目標方位變化時序序列，使用方位平差法、距離平差法、速度平差法和方位距離平差法解算得到多組非合作平臺的運動方向、運動速度、方位和距離。