[發明專利]一種基于航跡關聯的目標意圖判斷方法

有效

• 申請號: 202210937300.7
• 申請日: 2022-08-05
• 公開（公告）號: CN114999233B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 朱偉強;楊蔚;王昀;尹偉;冀貞海;李貴顯;楊佳敏
• 申請（專利權）人: 中國航天科工集團八五一一研究所
• 主分類號: G08G5/00
• 分類號: G08G5/00;G06N3/08;G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱沉雁

本發明公開了一種基于航跡關聯的目標意圖判斷方法，采用深度置信網絡（DBN）模型對目標動態航跡進行匹配，將歷史航跡量測數據中的坐標、速度、加速度以及航向作為航跡匹配的特征，構建DBN模型，網絡輸入層為航跡匹配算法中的各項特征，輸出層為匹配結果，得出最佳的航跡匹配網絡結構，從而實現對目標動態航跡與經驗航跡的匹配，完成目標意圖的有效判斷。本發明利用DBN模型，當航跡間復雜的相互作用被學習后，能夠實現航跡的匹配且匹配正確率較高。

技術領域

本發明屬于電子信息技術，具體涉及一種基于航跡關聯的目標意圖判斷方法。

背景技術

近年來，我國航空技術高速發展，國民經濟水平提高使得民航成為國人出行的首要選擇，而國家軍事實力的增強也使得軍用航空愈發繁榮。無論是在民航系統中，還是在軍事航空領域，航跡匹配判決的質量，直接決定了飛行雷達情報人員對空域態勢以及目標意圖的判斷。無論在軍事領域，還是在民航系統中，航跡匹配都對指揮員掌控空域態勢具有重要的作用。航跡匹配，是指用雷達工作時檢測到的某一飛行器飛行的實時坐標、速度、方向等信息來和飛行器進行飛行任務前得到的具體飛行航線等信息進行對比，來判斷兩條航跡是否屬于同一航跡。然而當前的雷達匹配算法，在進行門限判定時容易出現人為干預產生的錯誤。

傳統的航跡匹配算法主要方法分為以下幾種：

1）基于特征匹配度的雷達航跡匹配算法。將雷達實測數據中的坐標、速度、加速度以及航向作為動態航跡的特征，對經驗航跡和動態航跡上對應的點進行相關指標的計算，再通過經驗公式以及不同的加權系數計算得到兩條航跡間的相關度，進而判斷兩條航跡是否匹配。匹配方法主要有兩種：一是基于多特征因子的相關度量方法，將雷達航跡上的點投影到計劃航段中離它最近的點，并利用多個特征因子構成的相關性度量計算它們相關度；二是基于傳統航跡相關思想的匹配方法，依照雷達采樣時間，利用內插外推的方法找到計劃中每個時刻點的位置信息，并在每個時刻利用航跡點的狀態信息構造雷達航跡與計劃的相似度。這兩種方法都是基于單點信息對雷達航跡與航行計劃是否匹配進行判斷，若該點發生信息缺失、目標偏航、目標機動等情況，則會產生錯誤匹配結果。

2）基于遺傳蟻群算法的航跡匹配方法。利用遺傳蟻群算法針對空域內所有飛行航線，進行匹配計算，得到最有方案。該方法充分利用遺傳蟻群算法的進化尋優能力，具有一定的自適應能力和智能性，但信息素初始分布部較難，計算時間較長。

發明內容

本發明提出了一種基于航跡關聯的目標意圖判斷方法，采用深度學習的方法進行目標航跡匹配，實現目標發現航跡與經驗航跡的匹配以完成對目標意圖的有效判斷。

實現本發明的技術解決方案為：一種基于航跡關聯的目標意圖判斷方法，步驟如下：

步驟1、通過對歷史航跡量測數據中目標特征信息進行提取，獲得運動特征信息和航跡特征信息，進而得到訓練樣本集。

步驟2、構建DBN模型。

步驟3、利用訓練樣本集，對DBN模型進行訓練，得到訓練好的DBN模型。

步驟4、根據動態航跡的量測數據間的貫續性判斷動態航跡是否為連續航跡，若各批次量測數據連續不中斷，則為連續航跡，轉入步驟5。若量測數據間存在中斷，則為不連續航跡，轉入步驟6。

步驟5、利用訓練好的DBN模型對連續航跡進行匹配。

步驟6、利用訓練后的深度置信網絡模型對不連續航跡進行匹配，輸出匹配度最高的航跡。

本發明與現有技術相比，其顯著優點在于： 針對空域態勢以及目標意圖判斷中的航跡匹配問題，將經驗航跡進行特征提取作為訓練樣本用以構建深度置信網絡（DBN）模型，并對不同的動態航跡情況分別進行了匹配算法設計。在現有情況下，能夠有效的實現在獲得完整動態航跡和不連續動態航跡情況下對動態航跡與經驗航跡的匹配。

附圖說明