[發明專利]一種基于GRU的空中目標作戰意圖預測系統及方法

在審

• 申請號: 202111402187.4
• 申請日: 2021-11-22
• 公開（公告）號: CN115130357A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 滕飛;宋亞飛;王剛;王堅
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 北京眾澤信達知識產權代理事務所(普通合伙) 11701
• 代理人: 周振

本發明屬于作戰意圖預測領域，具體涉及一種基于GRU的空中目標作戰意圖預測系統及方法。包括特征預測模塊和意圖識別模塊，將歷史空中目標作戰意圖識別特征集V_m輸入到特征預測模塊，特征預測模塊輸出預測特征集W_m，將預測特征集W_m與歷史空中目標作戰意圖識別特征集V_m組成時序特征數據輸入到意圖識別模塊，計算出各意圖類型的概率，輸出最大概率意圖類型標簽，得到空中目標作戰意圖識別結果。其優點是：通過分層的方法構建空戰意圖特征集，編碼生成數值型時序特征，并將領域專家知識經驗封裝成標簽；運用BiGRU網絡對空戰特征進行深層次學習，并利用注意力機制自適應分配特征權重，以提升空中目標作戰意圖識別準確度。

技術領域

本發明屬于作戰意圖預測領域，具體涉及一種基于GRU的空中目標作戰意圖預測系統及方法。

背景技術

隨著軍事技術和航空科技的發展，信息化逐步成為現代戰場的核心內容，未來戰爭也必將是信息化戰爭。同時，由于高科技的不斷發展和應用導致戰場信息量劇增，僅僅依靠領域專家經驗已經很難及時有效的從多源戰場數據中識別出敵方意圖。因此，迫切需要通過智能化方法來突破人工方式的弊端。

為滿足作戰決策系統的需求，目前現有的對敵目標作戰意圖識別研究主要有證據理論、模板匹配、專家系統、貝葉斯網絡和神經網絡等方法。根據不同作戰背景，在敵方目標作戰意圖識別都取得了一定效果，但在時序特征學習和知識表示上存在不足。

首先，目標作戰意圖是通過一系列戰術動作實現的，因此目標的動態屬性和戰場環境會呈現出隨時間不斷變化的特征，并且敵方目標在執行作戰行動時具有一定的隱蔽性和欺騙性，因此上述方法利用單一時刻特征信息來判斷敵方目標作戰意圖是不夠科學的。

其次，上述方法需要顯式的組織、抽象和描述軍事專家的經驗知識，知識表示和工程實現難度很大。針對以上方法的弊端，現有的方法中有的提出基于長短期記憶(LongShort-Term Memory,LSTM)網絡的戰術意圖智能識別模型，該模型的輸入特征為連續12幀時序特征，能夠有效克服通過單一時刻判斷敵方目標作戰意圖的缺點，并且該模型通過隱式的方法組織、抽象和描述軍事專家的經驗知識，使其知識表示和工程實現難度也不大。但其僅利用歷史時刻信息來對當前信息作出推理，無法有效利用未來時刻信息。此外，以上所提出的方法皆是對空中目標作戰意圖進行識別，并沒有提前預測敵方目標作戰意圖的效果。

由于實際空戰中目標作戰意圖是由一系列戰術動作實現的，因此目標狀態呈現時序、動態的變化特征。傳統作戰意圖識別方法僅依靠單一時刻進行推理，方法不夠科學有效，并且沒有提前預測敵方意圖的效果。

發明內容

本發明的目的是提供一種基于GRU的空中目標作戰意圖預測系統及方法，它能夠有效的提高敵方意圖預測的準確率和實效性。

本發明的技術方案如下：一種基于GRU的空中目標作戰意圖預測系統，包括特征預測模塊和意圖識別模塊，將歷史空中目標作戰意圖識別特征集V_m輸入到特征預測模塊，特征預測模塊輸出預測特征集W_m，將預測特征集W_m與歷史空中目標作戰意圖識別特征集V_m組成時序特征數據輸入到意圖識別模塊，計算出各意圖類型的概率，輸出最大概率意圖類型標簽，得到空中目標作戰意圖識別結果。

所述的特征預測模塊包括，空中目標作戰意圖識別特征預測輸入層、空中目標作戰意圖識別特征預測隱含層和空中目標作戰意圖識別特征預測輸出層。

所述的空中目標作戰意圖識別特征預測輸入層，對采集的空中目標特征數據集處理成特征向量形式，包括，

(A)讀取采集數據集并數據清洗；

(B)將非數值型空中目標特征數據編碼化；

(C)將編碼化的非數值型數據與數值型數據歸一化處理；