[发明专利]基于人工智能的无人机意图辨识方法

权利要求书

1.一种基于人工智能的无人机意图辨识方法，其特征在于，该方法包括以下步骤，

S1、建立无人机意图辨识模型；

S2、采用训练样本库对辨识模型进行训练；

S3、将无人机信息输入训练好的辨识模型中，由辨识模型输出无人机的意图。

2.根据权利要求1所述的基于人工智能的无人机意图辨识方法，其特征在于，

所述辨识模型为神经网络模型，所述辨识模型的输入为一段时间的无人机及雷达信息，所述辨识模型的输出为无人机意图；

所述无人机及雷达信息包括无人机飞行高度h、速度大小V、速度倾角θ、速度偏角ψ、无人机相对雷达方位角q_z、雷达反射面积S、无人机距离雷达距离R、雷达状态f_g和雷达电磁辐射强度f_e。

3.根据权利要求2所述的基于人工智能的无人机意图辨识方法，其特征在于，

所述辨识模型包括输入层、隐含层和输出层；

所述隐含层包括门循环单元和反向传播单元，所述门循环单元和反向传播单元并联设置，分别接收输入层的部分输出数据，

所述门循环单元包括多层,每层包含多个GRU神经元；所述反向传播单元包括一个或多个BP神经网络；

所述输出层用于将门循环单元、反向传播单元的输出结果与意图标签相映射。

4.根据权利要求3所述的基于人工智能的无人机意图辨识方法，其特征在于，

所述输入层用于对辨识模型的步长进行设置，将输入辨识模型的数据按步长输出至隐含层。

5.根据权利要求3所述的基于人工智能的无人机意图辨识方法，其特征在于，

所述输入层将无人机飞行高度h、速度大小V、速度倾角θ、速度偏角ψ和无人机相对雷达方位角q_z数据输出至门循环单元；

所述输入层将雷达反射面积S、无人机距离雷达距离R、雷达状态f_g和雷达电磁辐射强度f_e数据输出至反向传播单元。

6.根据权利要求3所述的基于人工智能的无人机意图辨识方法，其特征在于，

在输入层中还对输入的数据进行归一化处理。

7.根据权利要求1所述的基于人工智能的无人机意图辨识方法，其特征在于，

在S2中，所述训练样本库通过无人机模拟器模拟获得，将地面雷达设置为静止目标，并设置雷达参数，预先设置无人机的意图，使得无人机进行侦查打击、搜索、直接攻击、引诱、电子干扰、运输中的一种任务；

进行仿真模拟，记录仿真中无人机轨迹信息；

进行多次模拟，获得多个不同雷达参数、不同意图下的无人机轨迹信息，将雷达参数、意图、无人机轨迹信息记录为数据集，以辨识模型预设输入步长K为样本长度，将数据集拆分成多个样本，从而形成样本库。

8.根据权利要求7所述的基于人工智能的无人机意图辨识方法，其特征在于，

在无人机模拟器中，设置无人机相对于地面雷达的运动模型为：

其中，x_A、y_A、z_A为惯性系下的无人机坐标，θ为无人机速度倾角，ψ为无人机速度偏角，V为无人机速度；

设置无人机速度变化与加速度的关系为：

其中，a_y为无人机在x轴加速度，a_z为无人机在y轴加速度。

9.根据权利要求8所述的基于人工智能的无人机意图辨识方法，其特征在于，

无人机加速度满足：

其中，a_yc为无人机在x轴的指令加速度、a_zc为无人机在y轴的指令加速度，τ为无人机一阶惯性时间常数，a_yc、a_zc可由无人机制导律解算获得。

10.根据权利要求1所述的基于人工智能的无人机意图辨识方法，其特征在于，

在S3中，利用地面雷达对无人机信息进行实时测量，将雷达参数和测量得到的无人机轨迹信息输入训练好的辨识模型中，由辨识模型输出无人机的意图。