[发明专利]一种基于航迹关联的目标意图判断方法

说明书

本发明公开了一种基于航迹关联的目标意图判断方法，采用深度置信网络（DBN）模型对目标动态航迹进行匹配，将历史航迹量测数据中的坐标、速度、加速度以及航向作为航迹匹配的特征，构建DBN模型，网络输入层为航迹匹配算法中的各项特征，输出层为匹配结果，得出最佳的航迹匹配网络结构，从而实现对目标动态航迹与经验航迹的匹配，完成目标意图的有效判断。本发明利用DBN模型，当航迹间复杂的相互作用被学习后，能够实现航迹的匹配且匹配正确率较高。

技术领域

本发明属于电子信息技术，具体涉及一种基于航迹关联的目标意图判断方法。

背景技术

近年来，我国航空技术高速发展，国民经济水平提高使得民航成为国人出行的首要选择，而国家军事实力的增强也使得军用航空愈发繁荣。无论是在民航系统中，还是在军事航空领域，航迹匹配判决的质量，直接决定了飞行雷达情报人员对空域态势以及目标意图的判断。无论在军事领域，还是在民航系统中，航迹匹配都对指挥员掌控空域态势具有重要的作用。航迹匹配，是指用雷达工作时检测到的某一飞行器飞行的实时坐标、速度、方向等信息来和飞行器进行飞行任务前得到的具体飞行航线等信息进行对比，来判断两条航迹是否属于同一航迹。然而当前的雷达匹配算法，在进行门限判定时容易出现人为干预产生的错误。

传统的航迹匹配算法主要方法分为以下几种：

1）基于特征匹配度的雷达航迹匹配算法。将雷达实测数据中的坐标、速度、加速度以及航向作为动态航迹的特征，对经验航迹和动态航迹上对应的点进行相关指标的计算，再通过经验公式以及不同的加权系数计算得到两条航迹间的相关度，进而判断两条航迹是否匹配。匹配方法主要有两种：一是基于多特征因子的相关度量方法，将雷达航迹上的点投影到计划航段中离它最近的点，并利用多个特征因子构成的相关性度量计算它们相关度；二是基于传统航迹相关思想的匹配方法，依照雷达采样时间，利用内插外推的方法找到计划中每个时刻点的位置信息，并在每个时刻利用航迹点的状态信息构造雷达航迹与计划的相似度。这两种方法都是基于单点信息对雷达航迹与航行计划是否匹配进行判断，若该点发生信息缺失、目标偏航、目标机动等情况，则会产生错误匹配结果。

2）基于遗传蚁群算法的航迹匹配方法。利用遗传蚁群算法针对空域内所有飞行航线，进行匹配计算，得到最有方案。该方法充分利用遗传蚁群算法的进化寻优能力，具有一定的自适应能力和智能性，但信息素初始分布部较难，计算时间较长。

发明内容

本发明提出了一种基于航迹关联的目标意图判断方法，采用深度学习的方法进行目标航迹匹配，实现目标发现航迹与经验航迹的匹配以完成对目标意图的有效判断。

实现本发明的技术解决方案为：一种基于航迹关联的目标意图判断方法，步骤如下：

步骤1、通过对历史航迹量测数据中目标特征信息进行提取，获得运动特征信息和航迹特征信息，进而得到训练样本集。

步骤2、构建DBN模型。

步骤3、利用训练样本集，对DBN模型进行训练，得到训练好的DBN模型。

步骤4、根据动态航迹的量测数据间的贯续性判断动态航迹是否为连续航迹，若各批次量测数据连续不中断，则为连续航迹，转入步骤5。若量测数据间存在中断，则为不连续航迹，转入步骤6。

步骤5、利用训练好的DBN模型对连续航迹进行匹配。

步骤6、利用训练后的深度置信网络模型对不连续航迹进行匹配，输出匹配度最高的航迹。

本发明与现有技术相比，其显著优点在于： 针对空域态势以及目标意图判断中的航迹匹配问题，将经验航迹进行特征提取作为训练样本用以构建深度置信网络（DBN）模型，并对不同的动态航迹情况分别进行了匹配算法设计。在现有情况下，能够有效的实现在获得完整动态航迹和不连续动态航迹情况下对动态航迹与经验航迹的匹配。

附图说明