[发明专利]无人装备对抗中集群阵型和运动趋势的识别方法及系统

说明书

本发明涉及一种无人装备对抗中集群阵型和运动趋势的识别方法，包括以下步骤：步骤一、构建集群阵型和运动趋势识别方法的监督学习分类模型；步骤二、构建集群阵型和运动趋势识别神经网络模型，建立分类模型中从集群态势序列信息到集群阵型和运动趋势识别的映射空间；步骤三、构建集群态势识别训练样本集；步骤四、将集群态势序列信息输入所述神经网络参数的分类模型，识别集群阵型和运动趋势。本发明构建了完整的可适用于大规模集群的集群阵型和运动趋势识别方法，通过对差异化注意力结构的应用，本方法能够有选择性地关注并处理更重要的态势信息，实现对大规模态势信息的精简和降维，完成对集群阵型和运动趋势的识别。

技术领域

本发明涉及人工智能技术领域，具体涉及一种无人装备对抗中集群阵型和运动趋势的识别方法。

背景技术

在无人装备对抗集群态势识别领域中，对有一定数量规模的集群目标的阵型和运动趋势进行识别时，信息量复杂庞大，只是依靠人的处理分析能力已经远远不足，因此需要使用态势识别方法来实现对于集群的阵型和运动趋势识别。

现有的态势识别方法大多关注于单个目标或者小规模多目标的态势识别，在处理较大规模的集群态势识别问题时，性能较差，态势识别准确率较低。因此，需要提出一种适用于无人装备对抗中集群阵型和运动趋势识别的方法。

发明内容

本发明是要解决现有无人装备对抗中，在处理集群态势识别问题时，性能差、态势识别准确率低的问题。

本发明涉及一种无人装备对抗中集群阵型和运动趋势的识别方法，包括以下步骤：

步骤一、构建集群阵型和运动趋势识别方法的监督学习分类模型；

步骤二、构建集群阵型和运动趋势识别神经网络模型，建立分类模型中从集群态势序列信息到集群阵型和运动趋势识别的映射空间；

步骤三、构建集群态势识别训练样本集，对神经网络模型进行训练学习；

步骤四、将集群态势序列信息输入所述神经网络参数的分类模型，识别集群阵型和运动趋势。

步骤二中，构建集群态势识别方法分类神经网络模型，包括LSTM时序特征提取层，Transformer解码器层，层间注意力层，多维度分类层和输出层；先使用LSTM循环神经网络将集群态势信息编码成时序特征；然后使用Transformer解码器模块和层间注意力模块提取无人集群的综合高阶态势信息，最后通过多维度分类网络和softmax实现对态势要素的分类。

步骤二中，LSTM时序特征提取层，为单向单层LSTM网络模块；集群中各单元信息在LSTM时序特征提取层并行处理，分别提取时序特征，处理各单元信息所使用的LSTM网络模块是同一个模块，参数共享。

步骤二中，Transformer解码器层由多个Transformer单元堆叠而成，由多头注意力层、归一化层和残差连接组成。

步骤二中，多头注意力结构对注意力计算的三个输入矩阵query矩阵、key矩阵和value矩阵使用不同的线性变换，转换为不同的矩阵，使用多个缩放点积单元进行计算，然后将多个缩放点积单元的计算结果拼接起来，最后通过一个线性映射输出；缩放点积单元使用点积的形式进行相似度计算，并除以以适应规模的变化，d_k为输入量的维度长度，多头注意力层的数学表达式如下。

MultiHead(Q,K,V)＝Concat(Head₁,…,Head_h)W⁰

步骤二中，层间注意力层把Transformer解码器层中每个Transformer单元的输出进行拼接，后接注意力层提取综合高阶态势信息，层间注意力层的数学表达式如下：