[發(fā)明專利]一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110757029.4
• 申請(qǐng)日: 2021-07-05
• 公開（公告）號(hào): CN113589272A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 郭劍輝;劉帆;徐如峰
• 申請(qǐng)（專利權(quán)）人: 江蘇濟(jì)邦智能科技有限公司
• 主分類號(hào): G01S13/72
• 分類號(hào): G01S13/72;G01S13/90;G01S7/41;G06T7/246;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市蘭鋒盛世知識(shí)產(chǎn)權(quán)代理有限公司 44504
• 代理人: 羅炳鋒

1.一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：

S1、提取目標(biāo)狀態(tài)；

S2、時(shí)間滑窗生成狀態(tài)序列；

S3、目標(biāo)威脅度判斷；

S4、計(jì)算位置、速度和加速度、航向差；

S5、判斷目標(biāo)機(jī)動(dòng)；

S6、生成日志文件。

2.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S1中的操作步驟，所述目標(biāo)狀態(tài)主要包括直線機(jī)動(dòng)、轉(zhuǎn)彎?rùn)C(jī)動(dòng)、俯沖機(jī)動(dòng)和上仰機(jī)動(dòng)，短時(shí)間內(nèi)的目標(biāo)機(jī)動(dòng)狀態(tài)通過(guò)計(jì)算少量相鄰特征點(diǎn)的變化即可進(jìn)行識(shí)別，直線機(jī)動(dòng)和轉(zhuǎn)彎?rùn)C(jī)動(dòng)主要是對(duì)機(jī)動(dòng)的方向的斜率進(jìn)行判別。

3.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S4中的操作步驟，所述俯沖和上仰機(jī)動(dòng)重點(diǎn)在于高度變化，計(jì)算方式如下：已知特征點(diǎn)的距離r、方位a、仰角e，根據(jù)球坐標(biāo)系轉(zhuǎn)換三維坐標(biāo)系可知：

4.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S4中的操作步驟，所述水平面上斜率的計(jì)算如下：

5.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S1中的操作步驟，所述因?yàn)槔走_(dá)數(shù)據(jù)采集存在一定誤差，而且飛行目標(biāo)因?yàn)槿藶椴倏睾痛髿鈿饬髟颍茈y進(jìn)行完全的直線機(jī)動(dòng)，所以在進(jìn)行識(shí)別時(shí)，需要放寬目標(biāo)是否轉(zhuǎn)彎的閾值，根據(jù)三角函數(shù)可知，k_ji＝tanθ，其中，θ為斜率直線與x軸的夾角，所以識(shí)別閾值就可以設(shè)置為k_ji±tanφ，及為k_ji-tanφ≤k_(j+1)j≤k_ji+tanφ。

6.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S4中的操作步驟，俯沖與上仰機(jī)動(dòng)識(shí)別高度變化ΔH_ji的計(jì)算公式如下：ΔH_ji＝z_j-z_i(i，j＝1，2，3...、ji)，若ΔH_ji0，則說(shuō)明目標(biāo)在進(jìn)行上仰機(jī)動(dòng)；若ΔH_ji0，則說(shuō)明目標(biāo)在進(jìn)行俯沖機(jī)動(dòng)，同時(shí)，因?yàn)榭陀^原因存在，也應(yīng)該設(shè)置判定閾值，即|ΔH_ji|≤H。

7.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S4中的操作步驟，所述H為設(shè)定的高度變化閾值，高度變化不超過(guò)這個(gè)閾值則未發(fā)生俯沖或上仰機(jī)動(dòng)，至此，可以通過(guò)少量特征點(diǎn)，對(duì)其相對(duì)位置變化進(jìn)行計(jì)算后識(shí)別出目標(biāo)機(jī)動(dòng)狀態(tài)。

8.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S5中的操作步驟，所述分別進(jìn)行兩次卷積和池化操作是最佳方案，故本文采用卷積層1、池化層1、卷積層2、池化層2、全連接層的網(wǎng)絡(luò)結(jié)構(gòu)模型。

9.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S5中的操作步驟，所述卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)之后，需要進(jìn)行模型編譯，選擇損失函數(shù)、和優(yōu)化器，損失函數(shù)用來(lái)衡量模型的預(yù)測(cè)能力，用來(lái)定義模型預(yù)測(cè)結(jié)果與實(shí)際結(jié)果之間的差距，所以得出的交叉熵值越小，兩種結(jié)果概率的分布越相似，針對(duì)于本文所構(gòu)建的多種航跡類型的分類回歸模型，選用交叉熵?fù)p失函數(shù)，其定義如下其中，x表示為樣本數(shù)據(jù)，y表示為模型實(shí)際分類識(shí)別結(jié)果，a表示為預(yù)測(cè)結(jié)果，n表示為樣本數(shù)據(jù)的數(shù)量，優(yōu)化器利用梯度下降的方式修正模型訓(xùn)練與模型輸出的參數(shù)值，最優(yōu)化損失函數(shù)，Adam是目前大部分分類識(shí)別模型的優(yōu)化器選擇，Adam計(jì)算公式為：m_t＝μ*m_t-1+(1-μ)*g_t，

10.據(jù)權(quán)利要求1所述的一種目標(biāo)跟蹤設(shè)備值班日志自動(dòng)生成方法，其特征在于，包括以下步驟：根據(jù)S5中的操作步驟，所述m_t表示為t時(shí)刻的指數(shù)衰減平均值，n_t表示為t時(shí)刻的平方指數(shù)衰減平均值，g_t表示t時(shí)刻的梯度，和分別表示對(duì)應(yīng)的偏差校正，Δθ_t表示為參數(shù)變化值，μ、v、∈為超參數(shù)值，分別設(shè)定為0.9、0.999、10^-8，η表示為學(xué)習(xí)率,設(shè)定為0.002，但是Adam在收斂性上存在一定問(wèn)題，所以本發(fā)明采用改進(jìn)自Adam的Adamax算法，其在Adam基礎(chǔ)上加入了無(wú)窮范數(shù)(infinity norm)，為學(xué)習(xí)率提供了一個(gè)范圍變化公式，改善了適應(yīng)性學(xué)習(xí)算法收斂性不佳的問(wèn)題，具體改進(jìn)如下：n_t＝max(ν*n_t-1，|g_t|)，