[发明专利]基于雷达飞行航迹观测数据的飞行意图识别方法

摘要

本发明公开了一种基于雷达飞行航迹观测数据的飞行意图识别方法，其中包括：根据雷达航迹位置观测数据，计算航向角、飞行速度、爬升率，建立飞行航迹样本库，作为训练意图识别模型的基础数据；根据飞行计划信息、航路点位置数据，建立典型飞行意图模型，并标注飞行航迹样本的意图类别；根据隐马尔科夫模型（Hidden Markov Model，HMM）原理，建立几种典型飞行意图识别模型，采用期望最大学习算法，训练识别模型的参数；采用飞行意图识别模型，根据前向算法，计算飞行航迹样本当前时刻的飞行意图，采用滚动时间窗，对一段时间内的局部飞行意图进行加权求和，得到全局飞行意图。

主权项

1.一种基于雷达飞行航迹观测数据的飞行意图识别方法，具体包括如下步骤：步骤一、根据雷达航迹位置观测数据，计算航向角、飞行速度、爬升率，建立飞行航迹样本库；根据雷达航迹三维位置观测数据，提取飞行航迹的航向角、飞行速度、爬升率，并对采集到的航迹样本进行预处理，建立飞行航迹样本库，作为飞行意图识别方法的基础数据；步骤二、根据飞行计划信息、航路点位置数据，建立典型飞行意图模型，标注飞行航迹样本的意图类别；根据飞行计划信息、航路点位置坐标，构建典型的飞行意图模型；在步骤一的基础上，将飞行航迹样本与飞行意图模型进行关联，标注出飞行航迹样本所属的飞行意图模型类别；具体为：采用飞行计划中的航迹改变点，即TCP点，描述飞行意图模型，考虑飞行计划上距离当前位置最近的航迹改变点TCP和之后连续3个航迹改变点，记为TCP+1,TCP+2,TCP+3，根据空间位置，将意图模型分为水平意图I_Hi,i＝1,2,3,4,5和垂直意图I_Vi,i＝1,2,3,4,5两类，如表1所示：表1意图模型序号意图模型描述I_H1在水平飞行剖面上，保持当前航向，沿直线飞行I_H2在水平飞行剖面上，飞往TCPI_H3在水平飞行剖面上，飞往TCP+1I_H4在水平飞行剖面上，飞往TCP+2I_H5在水平飞行剖面上，飞往TCP+3I_V1在垂直飞行剖面上，保持TCP高度I_V2在垂直飞行剖面上，爬升/下降到TCP高度I_V3在垂直飞行剖面上，爬升/下降到TCP+1高度I_V4在垂直飞行剖面上，爬升/下降到TCP+2高度I_V5在垂直飞行剖面上，爬升/下降到TCP+3高度根据飞行场景的实际情况，确定上述意图模型的具体参数取值；然后根据实际的雷达飞行航迹样本，判断样本所属的意图类别，对样本集进行类别标注，扩展为带有意图类别的样本集；步骤三、根据隐马尔科夫模型原理，建立飞行意图识别模型，根据期望最大学习算法，训练识别模型的参数；采用隐马尔科夫模型HMM，建立步骤二中10种飞行意图模型对应的30个飞行意图识别模型；然后，将每种意图模型对应飞行航迹样本集作为训练数据，根据期望最大学习算法，训练得到识别模型参数的最优取值；步骤四、采用飞行意图识别模型，根据前向算法，计算飞行航迹样本当前时刻的局部飞行意图，采用滚动时间窗，进行加权求和，得到最终飞行意图；在识别未知飞行意图的过程中，首先采用步骤三训练得到30个最优HMM模型I＝1,2,...,10,j＝1,2,3.，根据前向算法，估计当前时刻N的观测值与之前N-1个观测值组成的序列值F＝{feat(k)},k＝1,...,N-1,N的似然值，似然值最大的作为当前时刻的局部飞行意图；然后，以当前时刻为基准，采用滚动时间窗，考虑对未来m个观测序列的局部意图似然值，进行加权求和，似然值最大的意图判定为全局飞行意图。