[发明专利]一种基于时空大机动目标的非线性预测制导律构建方法

权利要求书

1.一种基于时空大机动目标的非线性预测制导律构建方法，其特征在于，包括以下步骤：

步骤1：构建目标战术规则动作库；

根据目标机动模式和目标战术飞行动作，构建目标战术规则动作库，目标战术规则动作库中的动作包括最大加速、最大减速、最大过载爬升、最大过载俯冲、最大过载左转、最大过载右转、稳定飞行、直线平飞、定常盘旋、将机头转向目标、下滑增速、俯冲、急拉起、战斗转弯、瞄准跟踪、急规避、蛇形机动；对常规动作进行组合，衍生新的复杂机动动作，包括加速机动、盘旋机动、筋斗机动、殷麦曼机动和蛇形机动，加入目标战术规则动作库中；

步骤2：目标航迹数据聚类；

步骤2-1：获取目标航迹数据，构成时间观测序列Y＝{Y₁，…，Y_N}，其中N为目标航迹数据总数，Y_N为第N个目标航迹数据；

为每一个目标航迹数据拟合一个马尔科夫模型，得到马尔科夫参数集λ＝{λ₁，…λ_N}，λ_N为第N个目标航迹数据的马尔科夫模型；

计算时间观测序列{Y_j，1≤j≤N}在任一马尔科夫模型{λ_i，1≤i≤N}下的概率分布L(Y_j|λ_i)，采用对数似然表示如式(1)：

L(Y_j|λ_i)＝logP(Y_j|λ_i)，1≤i，j≤N (1)步骤2-2：采取Kullback-Leibler散度衡量两种概率分布间的距离，即KL距离；对于每一个马尔科夫模型λ_i，建立似然度向量P(T_K|λ_i)，k＝1，…N，P为轨迹的离散概率分布，T_K为轨迹，然后将似然度向量规范化为单位向量，获得目标航迹的离散概率分布则任意两个目标航迹的离散分布p和q的KL距离值计算公式如式(2)：

其中，p(i)和q(i)分别表示表示两个目标航迹概率分布；

由于KL距离不具有对称性，因此计算KL距离的公式如下：

其中，分别表示第i个与第j个目标航迹的离散概率分布；

步骤2-3：由步骤2-1和步骤2-2，使用K-Means聚类完成对目标航迹数据的聚类，将每一个目标航迹数据聚类到目标战术规则动作库的一个动作上；

步骤3：基于循环神经网络进行航迹预测；

步骤3-1：数据预处理；

步骤3-1-1：野值剔除；

所述野值指测量数据中的异常值，将这部分数据剔除，仅留下正常轨迹数据；

步骤3-1-2：数据归一化；

通过数据归一化使神经网络的输入输出限制在[-1,1]之间；

其中，max为样本数据的最大值，min为样本数据的最小值，x为原始数据；

步骤3-1-3：划分数据集；

航迹数据集中包含了若干条航迹，按照设定比例将航迹随机划分成训练集和测试集；

步骤3-2：循环神经网络模型设计；

步骤3-2-1：所述循环神经网络的公式化表示为：

o_t＝g(Vs_t)

s_t＝f(Ux_t+Ws_t-1)

其中，t为每一层的下标，o_t表示输出层的计算公式，输出层与隐藏层通过全连接进行，g为输出层的激活函数，V为输岀层的权值矩阵；s_t表示隐藏层的计算公式，接收两类输入，即当前时刻的输入层输入x_t及及上一时刻的隐藏层输出s_t-1，U为输入层到隐藏层的权值矩阵，W为上一时刻的值s_t-1到作为这一次输入的权值矩阵，f为隐藏层的激活函数；

步骤3-2-2：循环神经网络基本模型如下：

a)利用前6个时刻的历史航迹坐标预测第7个时刻的航迹坐标，取t时刻、t-1时刻、t-2时刻、t-3时刻、t-4时刻、t-5时刻、t-6时刻目标点的x、y轴坐标位置为循环神经网络的输入，t+1时刻目标点的x、y轴坐标位置为循环神经网络的输出；

b)确定隐含层的神经元数目；

c)确定循环神经网络的学习率、迭代次数、隐含层传递函数、输出层传递函数、训练函数和误差函数；

d)确定循环神经网络的学习算法；

步骤3-3：航迹预测；

利用测试集航迹测试神经网络模型的预测性能，得到航迹点在不同时刻的预测坐标；

步骤4：基于预测的制导律；

针对步骤3得到的航迹预测结果，确定预靶点，直接发射导弹到预靶点进行拦截；

优选地，所述加速机动的输入轨迹为：

y＝y₀

z＝z₀

式中，(x₀,y₀,z₀)为目标初始位置，v_1x为初始时刻的目标速度，a₁为目标在X轴的加速度，t为时间变量。