CN109711096A - 基于文法的舰船目标运动建模与仿真方法 - Google Patents
基于文法的舰船目标运动建模与仿真方法 Download PDFInfo
- Publication number
- CN109711096A CN109711096A CN201910056529.8A CN201910056529A CN109711096A CN 109711096 A CN109711096 A CN 109711096A CN 201910056529 A CN201910056529 A CN 201910056529A CN 109711096 A CN109711096 A CN 109711096A
- Authority
- CN
- China
- Prior art keywords
- entity
- rule
- ship
- change
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于文法的舰船目标运动建模与仿真方法，属于目标识别与仿真技术领域。本发明能够自动产生形式简洁、包含多个舰船目标且运动态势多变的海上舰船目标运动的情景。本发明建立了海上舰船目标运动的事件型情景模型，构建了参数化上下文无关文法的情景模型，用有限个文法规则，描述了舰船的运动轨迹。将舰船航行的初始状态、实体、事件、关系等因素的事件模型用文法来表示，再将文法模型进行推演，经过推演规则后，产生舰船情景推演树，进一步展开和丰富得到派生树作为情景框架。对情景框架进行读取和赋值后，产生多样、简洁且信息量大的情景，用一连串的事件能就能够表达出多目标舰船复杂的运动轨迹。
Description
技术领域
本发明涉及一种基于文法的舰船目标运动建模与仿真方法，特别涉及基于文法的舰船目标的运动建模与仿真方法，属于目标识别与仿真技术领域。
背景技术
海上集成监视系统主要包括以各类雷达(岸基、船载、机载)组成的传感系统、通信系统和数据融合处理中心。主要是对近海区域、江河、湖泊、港口以及海峡等航道的船舶进行连续跟踪处理，其最终目的是对海上舰船的真实轨迹进行跟踪，并显示处于被监视海洋区域内各种类型不同的船舶目标。国家海上监视系统的成熟完善与否决定着其保卫领海安全、维护国家海洋权利、发展区域海洋经济的能力，也是提升海军作战能力、促进国家海军向科技化、信息化升级的关键环节。因此对海上舰船目标跟踪监视成为海上集成监视系统的首要任务。
已有的海上舰船目标的运动建模方法难以产生多样化的运动轨迹，难以反映舰船航行时的机动性，且产生的数据维度高。大多采用蒙特卡罗仿真方法，采用单一的运动模型，包括直线运动、马尔科夫运动模型。已有方法难以将不同的运动模型灵活的融合，生成的舰船轨迹难以反映真实舰船的航行情况，并且反映不出舰船目标运动的机动性。海上监视区域内舰船在一段时间内运动变化幅度大，且受到的干扰因素较多，这些复杂的态势运动构成了一个情景。已有的舰船运动模型产生的情景存在难以真实描述舰船运动的复杂性和多样性、数据量大、维度高等问题。
因此，对海上目标舰船运动建模与仿真，来产生逼真的实验情景、大量的测试数据对海上集成监视系统中舰船目标的跟踪监视非常重要，这对诸如目标跟踪算法的选型和改进、使用风险的合理规避并最终提高国家海上安全都意义重大。
发明内容
针对现有技术存在的上述缺陷，本发明提出了一种基于文法的舰船目标运动建模与仿真方法，能够自动产生形式简洁、包含多艘舰船目标且运动态势多变的海上舰船目标运动的情景；且生成的舰船多为高机动目标，舰船航行运动状态改变丰富，能够模拟出一艘乃至数百艘移动目标在海域的不同运动状态下的情景，可以很好的体现出多艘舰船航行时，彼此之间产生的运动关系。
本发明所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，包括如下步骤：
S1：构建舰船目标运动模型：构建参数化上下文无关文法的情景模型，用有限个数的文法规则，来描述舰船的运动轨迹；
S2：构建文法模型：将舰船航行中的不确定因素，包括初始状态、实体、事件、关系事件模型，用上下文无关文法表示；
S3：推演文法模型：将文法模型进行推演，首先经过推演转换规则，产生舰船情景的推演树，再将推演树中包含的情景信息进一步展开和丰富，产生派生树作为情景框架；
S4：读取和赋值：对情景框架进行读取和赋值，将情景框架中每一艘舰船目标的运动态势字串读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值。
优选地，所述S1中，文法规则包括：
规则1：整个模型的建立从此语法开始，公式如下：
S-＞t(0)i0(x)A(x)
其中，终止符t(0)为实体x的初始时间，即舰船x在海域内出现的时间；非终止符A(x)表示实体x还可以继续变化；引入了第一艘船x并且初始化此船的各项初始参数、包括初始时间t(0)和初始速度、航向、经纬度，用i0(x)统一表示；
规则2：
A(x)-＞tΔ(x)vΔ(x)A(x)
其中，终止符tΔ(x)和vΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了速度改变，大小为vΔ(x)；A(x)表示实体x还能继续改变；
规则3：
A(x)-＞tΔ(x)dΔ(x)A(x)
其中，终止符tΔ(x)和dΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了转向，转向角的大小为dΔ(x)；A(x)表示实体x还能继续改变；
规则4：
A(x)-＞tΔ(x)aΔ(x)tk(x)A(x)
其中，经过tΔ(x)时间后加速度改变(默认所有模式的a＝0)，加速度改变的大小为aΔ(x)即进入到加速度模型(CA)，且保持tk(x)的时间；
规则5：
A(x)-＞tΔ(x)aΔ(x)tk(x)B(x)
其中，经过tΔ(x)时间后进入加速度模型，与规则4不同的是，维持时间结束后，舰船仍以当前的加速度继续维持上一时刻的状态；
规则6：
A(x)-＞tΔ(x)wΔ(x)tk(x)A(x)
其中，经过tΔ(x)时间后引入角速度w，即转向角的改变为(θ＝w*T+θΔ)，进入恒定转率和速度模型，并且还要维持tk(x)的时间；
规则7：
A(x1)-＞A(x1)+t(x1)[i0(x2)A(x2)+i0(x3)A(x3)
+i0(x4)A(x4)+i0(x5)A(x5)+i0(x6)A(x6)]
其中，船x1引入五艘新的舰船，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)、i0(x4)、i0(x5)、i0(x6)表示，而A(x1)表示实体x1还可以继续变化；
规则8：
A(x1)-＞A(x1)+[i0(x2)A(x2)+i0(x3)A(x3)]
其中，船x1引入两艘新的舰船，分别用A(x2)、A(x3)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)表示，而A(x1)表示实体x1还可以继续变化；
规则9：
A(x1)-＞A(x1)+i0(x2)A(x2)
其中，船x1引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间，而A(x1)表示实体x1也还可以继续变化；
规则10：
A(x)-＞ε
其中，此规则意为实体x结束变化，非终止符变为终止符；
规则11：
B(x)-＞*A(x)
其中，此规则意为维持时间结束后,找到参照的运动模式；当上一规则结束后,按照上一时刻的运动模型继续运动,直到下一次规则选取的到来；若没有选择规则11,则按照上一时刻的角度和速度进行匀速直线运动。
优选地，所述S1中，文法规则包括：舰船从雷达探测边缘区域进入，在节点引入新舰船时有不同：
规则7：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)
+i0b(x4)A(x4)+i0b(x5)A(x5)+i0b(x6)A(x6)]
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入五艘新的舰船实体，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化；
规则8：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)]
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入两艘新的舰船实体，分别用A(x2)、A(x3)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化；
规则9：
A(x1)-＞A(x1)+t(x1)i0b(x2)A(x2)
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0b(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间加上t(x1)，而A(x1)表示实体x1也还继续变化。
优选地，所述S2中，舰船航行中的不确定因素，包括：
S21：初始状态：初始状态为舰船目标的初始运动状态信息、雷达系统的目标检测误差；
S22：实体：实体包含不同的舰船目标；
S23：事件：事件用实体状态的改变来描述，包括增加新船、改变速度、改变角度、改变弧度；
S24：关系：关系可分为实体与初始状态间的依存关系、实体与实体间的时间关系、实体与事件间的依存关系、事件间的关系、实体与参数间的归属关系、以及实体与事件间的归属关系。
优选地，所述S3中，推演转换规则包括如下小步：
S31：推演从起始节点1开始(200)，且除了起始时不能再调用规则1，推演过程是自顶向下，按层推演的；
S32：每次推演从规则2-9随机选择非终止符来调用(201)；
S33：根据新调用的规则增删非终止符的数量(202)，每当调用规则7、8、9时，会引入新的非终止符，此节点可拥有的子节点数量将会增加；
S34：将规则号作为子节点，继续推演(203)。
优选地，所述S4中，对情景框架进行读取和赋值，将情景框架中每一艘舰船目标的运动态势字串分别读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值，即完成了一个测试情景的产生，多次推演情景模型即可产生大量各种各样的情景。
本发明的有益效果是：(1)能够自动产生形式简洁、包含多艘舰船目标且运动态势多变的海上舰船目标运动的情景；(2)生成的舰船多为高机动目标，舰船航行运动状态改变丰富，包括运动方向的改变、速度改变、加速度大小改变、角速度改变、从边界点进入等；能够模拟出一艘乃至数百艘移动目标在海域的不同运动状态下的情景，可以很好的体现出多艘舰船航行时，彼此之间产生的运动关系；(3)产生的情景数据量小、维度低，方便数据处理，可以作为后续工作的处理；(4)舰船运动模型丰富，且产生的舰船转角范围、速度改变区间、舰船出现的经纬度等范围可人为调节；(5)事件性情景模型可以用一连串的事件字串来表达多目标复杂的运动轨迹，且产生的数据更加灵活多变，便于重新组合。
附图说明
图1是本发明的情景生成总示意图。
图2(a)是本发明的推演树示意图。
图2(b)是本发明的情景推演过程流程图。
图3是本发明的具体推演过程。
图4是本发明的推演树产生派生树示意图。
图5是本发明的遍历派生树示意图。
图6(a)是本发明无噪声的实验结果图。
图6(b)是本发明有噪声的实验结果图。
图6(c)是本发明有噪声和海杂波的实验结果图。
具体实施方式
为了使本发明目的、技术方案更加清楚明白，下面结合实施例，对本发明作进一步详细说明。
实施例1：
如图1至图6(c)所示，本发明所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，包括如下步骤：
S1：构建舰船目标运动模型：构建参数化上下文无关文法的情景模型，用有限个数的文法规则，来描述舰船的运动轨迹；
S2：构建文法模型：将舰船航行中的不确定因素，包括初始状态、实体、事件、关系事件模型，用上下文无关文法表示；
S3：推演文法模型：将文法模型进行推演，首先经过推演转换规则，产生舰船情景的推演树，再将推演树中包含的情景信息进一步展开和丰富，产生派生树作为情景框架；
S4：读取和赋值：对情景框架进行读取和赋值，将情景框架中每一艘舰船目标的运动态势字串读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值。
优选地，所述S1中，文法规则包括：
规则1：整个模型的建立从此语法开始，公式如下：
S-＞t(0)i0(x)A(x)
其中，终止符t(0)为实体x的初始时间，即舰船x在海域内出现的时间；非终止符A(x)表示实体x还可以继续变化；引入了第一艘船x并且初始化此船的各项初始参数、包括初始时间t(0)和初始速度、航向、经纬度，用i0(x)统一表示；
规则2：
A(x)-＞tΔ(x)vΔ(x)A(x)
其中，终止符tΔ(x)和vΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了速度改变，大小为vΔ(x)；A(x)表示实体x还能继续改变；
规则3：
A(x)-＞tΔ(x)dΔ(x)A(x)
其中，终止符tΔ(x)和dΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了转向，转向角的大小为dΔ(x)；A(x)表示实体x还能继续改变；
规则4：
A(x)-＞tΔ(x)aΔ(x)tk(x)A(x)
其中，经过tΔ(x)时间后加速度改变(默认所有模式的a＝0)，加速度改变的大小为aΔ(x)即进入到加速度模型(CA)，且保持tk(x)的时间；
规则5：
A(x)-＞tΔ(x)aΔ(x)tk(x)B(x)
其中，经过tΔ(x)时间后进入加速度模型，与规则4不同的是，维持时间结束后，舰船仍以当前的加速度继续维持上一时刻的状态，即仍保持匀加速状态继续航行；
规则6：
A(x)-＞tΔ(x)wΔ(x)tk(x)A(x)
其中，经过tΔ(x)时间后引入角速度w，即转向角的改变为(θ＝w*T+θΔ)，进入恒定转率和速度模型，并且还要维持tk(x)的时间；
规则7：
A(x1)-＞A(x1)+t(x1)[i0(x2)A(x2)+i0(x3)A(x3)
+i0(x4)A(x4)+i0(x5)A(x5)+i0(x6)A(x6)]
其中，船x1引入五艘新的舰船，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)、i0(x4)、i0(x5)、i0(x6)表示，而A(x1)表示实体x1还可以继续变化；
规则8：
A(x1)-＞A(x1)+[i0(x2)A(x2)+i0(x3)A(x3)]
其中，船x1引入两艘新的舰船，分别用A(x2)、A(x3)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)表示，而A(x1)表示实体x1还可以继续变化；
规则9：
A(x1)-＞A(x1)+i0(x2)A(x2)
其中，船x1引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间，而A(x1)表示实体x1也还可以继续变化；
规则10：
A(x)-＞ε
其中，此规则意为实体x结束变化，非终止符变为终止符；
规则11：
B(x)-＞*A(x)
其中，此规则意为维持时间结束后,找到参照的运动模式；当上一规则结束后,按照上一时刻的运动模型继续运动,直到下一次规则选取的到来；若没有选择规则11,则按照上一时刻的角度和速度进行匀速直线运动。
优选地，所述S1中，文法规则包括：舰船从雷达探测边缘区域进入，在节点引入新舰船时有不同：
规则7：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)
+i0b(x4)A(x4)+i0b(x5)A(x5)+i0b(x6)A(x6)]
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入五艘新的舰船实体，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化；
规则8：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)]
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入两艘新的舰船实体，分别用A(x2)、A(x3)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化；
规则9：
A(x1)-＞A(x1)+t(x1)i0b(x2)A(x2)
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0b(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间加上t(x1)，而A(x1)表示实体x1也还继续变化。
优选地，所述S2中，舰船航行中的不确定因素，包括：
S21：初始状态：初始状态为舰船目标的初始运动状态信息、雷达系统的目标检测误差；
S22：实体：实体包含不同的舰船目标；
S23：事件：事件用实体状态的改变来描述，包括增加新船、改变速度、改变角度、改变弧度；
S24：关系：关系可分为实体与初始状态间的依存关系、实体与实体间的时间关系、实体与事件间的依存关系、事件间的关系、实体与参数间的归属关系、以及实体与事件间的归属关系。
优选地，所述S3中，推演转换规则包括如下小步：
S31：推演从起始节点1开始(200)，且除了起始时不能再调用规则1，推演过程是自顶向下，按层推演的；
S32：每次推演从规则2-9随机选择非终止符来调用(201)；
S33：根据新调用的规则增删非终止符的数量(202)，每当调用规则7、8、9时，会引入新的非终止符，此节点可拥有的子节点数量将会增加；
S34：将规则号作为子节点，继续推演(203)。
优选地，所述S4中，对情景框架进行读取和赋值，将情景框架中每一艘舰船目标的运动态势字串分别读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值，即完成了一个测试情景的产生，多次推演情景模型即可产生大量各种各样的情景。
实施例2：
如图1示出本发明的情景生成示意图，情景生成过程主要分为三步：
第一步：推演定义的规则，生成情景的文法“推演树”(100)；
第二步：使用规则的内容对推演树进行替换，将规则号表示的事件用文法中的终止和非终止字符表示，得到“情景框架”(101)；
第三步：将情景框架中每一艘舰船目标的运动态势字串分别读取出来，获得“情景字串”(102)，对其中各个参数(用终止符表示)进行赋值，多次推演情景模型即可产生大量各种各样的情景。
在具体实施例中：需要确定舰船航行中的不确定因素，将其分类为初始状态、实体与事件，并建立因素间的相互关系。
舰船航行中的不确定因素，包括以下四个方面：
1)初始状态：初始状态为舰船目标的初始运动状态信息(如目标的初始速度、相对雷达的径向距离、径向速度、初始运动模式，以及目标出现的初始时刻等)、雷达系统的目标检测误差(如径向距离误差、角度误差、速度误差等)。
2)实体：实体包含不同的舰船目标。
3)事件：事件用实体状态的改变来描述(如目标速度大小的改变、运动方向的改变、航迹形状的改变等)；本发明目前定义的事件类型包括：增加新船、改变速度、改变角度、改变弧度等。
4)关系：关系可分为实体与初始状态间的依存关系、实体与实体间的时间关系、实体与事件间的依存关系、事件间的关系(如时间关系、运动状态上的量值关系等)、实体与参数间的归属关系、以及实体与事件间的归属关系。
将上述等因素的事件型模型用上下文无关文法表示，本发明在上下文无关文法的基础之上，进一步为各文法增添了终止符号、非终止符号和起始符号，并引入参数(如x、x1、x2等)来表达他们与舰船目标的归属关系。
文法的各类符号定义如下：
(1)N：非终结符集合，在这里A(x)是除了初始符S以外唯一的一种非终止符，是模拟情景中的主要变量，表示船x还可以继续变化。B(x)表示当舰船结束当前运动模型的时候，找到参照的运动模型，例如继续按照上一时刻的运动模型继续运动。
(2)Σ：终止符集，它包括t(x),tΔ(x),i0(x),i0bN(x)、i0bS(x)、i0bE(x)、i0bW(x)，ε,[,]等符号。终止符i0(x)表示实体x的其他初始数据，这些初始数据包含舰船在海域出现时的速度、朝向、位置等，其中i0bN(x)、i0bS(x)、i0bE(x)、i0bW(x)分别表示为舰船从雷达探测范围边界的北、南、东、西方向进入雷达探测范围中的初始数据。
(3)S：是一个指定的文法开始的符号，S属于N。
(4)P：转换规则，共有七条，“->”表示左边的符号被替换为右边的符号，有两套转换体系，规则如下，第一套是初始化情景：
S-＞t(0)i0(x)A(x)
起始规则：公式如上，整个模型的建立从此语法开始。其中终止符t(0)为实体x的初始时间，即舰船x在海域内出现的时间；；非终止符A(x)表示实体x还可以继续变化。它引入了第一艘船x并且初始化此船的各项初始参数、包括初始时间t(0)和初始速度、航向、经纬度(用i0(x)统一表示)。
A(x)-＞tΔ(x)vΔ(x)A(x)
规则2：公式如上，终止符tΔ(x)和vΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了速度改变，大小为vΔ(x)。A(x)表示实体x还能继续改变。
A(x)-＞tΔ(x)dΔ(x)A(x)
规则3：公式如上，终止符tΔ(x)和dΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了转向，转向角的大小为dΔ(x)。A(x)表示实体x还能继续改变。
A(x)-＞tΔ(x)aΔ(x)tk(x)A(x)
规则4：公式如上，经过tΔ(x)时间后加速度改变(默认所有模式的a＝0)，加速度改变的大小为aΔ(x)即进入到加速度模型(CA)，且保持tΔ(x)的时间。
A(x)-＞tΔ(x)aΔ(x)tk(x)B(x)
规则5：公式如上，经过tΔ(x)时间后进入加速度模型，与规则4不同的是，维持时间结束后，舰船仍以当前的加速度继续维持上一时刻的状态(即仍保持匀加速状态继续航行)。
A(x)-＞tΔ(x)wΔ(x)tk(x)A(x)
规则6：公式如上，经过tΔ(x)时间后引入角速度w，即转向角的改变为(θ＝w*T+θΔ)，进入恒定转率和速度模型，并且还要维持tk(x)的时间。
A(x1)-＞A(x1)+t(x1)[i0(x2)A(x2)+i0(x3)A(x3)
+i0(x4)A(x4)+i0(x5)A(x5)+i0(x6)A(x6)]
规则7：公式如上，船x1引入五艘新的舰船，分别用用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)、i0(x4)、i0(x5)、i0(x6)表示，而A(x1)表示实体x1还可以继续变化。
A(x1)-＞A(x1)+[i0(x2)A(x2)+i0(x3)A(x3)]
规则8：公式如上，船x1引入两艘新的舰船，分别用A(x2)、A(x3)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)表示，而A(x1)表示实体x1还可以继续变化。
A(x1)-＞A(x1)+i0(x2)A(x2)
规则9：公式如上，船x1引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间，而A(x1)表示实体x1也还可以继续变化。
A(x)-＞ε
规则10：公式如上，此规则意为实体x结束变化，非终止符变为终止符。
B(x)-＞*A(x)
规则11：公式如上，此规则意为维持时间结束后,找到参照的运动模式。当上一规则结束后,按照上一时刻的运动模型继续运动,直到下一次规则选取的到来。若没有选择规则11,则按照上一时刻的角度和速度进行匀速直线运动。
第二套是舰船从雷达探测边缘区域进入，与第一套规则相比只是在节点引入新舰船时有不同，这里只表现与第一套的不同：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)
+i0b(x4)A(x4)+i0b(x5)A(x5)+i0b(x6)A(x6)]
规则7：公式如上，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入五艘新的舰船实体，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化。
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)]
规则8：公式如上，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入两艘新的舰船实体，分别用A(x2)、A(x3)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化。
A(x1)-＞A(x1)+t(x1)i0b(x2)A(x2)
规则9：公式如上，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0b(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间加上t(x1)，而A(x1)表示实体x1也还可以继续变化。
如图2示出本发明的情景推演过程流程图，具体实现步骤如下：
步骤1：推演从起始节点1开始(200)，且除了起始时不能再调用规则1，推演过程是自顶向下，按层推演的。
步骤2：每次推演从规则2-9随机选择非终止符来调用(201)。
步骤3：根据新调用的规则增删非终止符的数量(202)，每当调用规则7、8、9时，会引入新的非终止符，此节点可拥有的子节点数量将会增加。
步骤4：将规则号作为子节点，继续推演(203)。
如图3示出本发明的具体推演过程图，图示是在推演过程中产生的一个例子。
在具体实施例中：
推演开始，推演树以规则1(300)为根节点，非终止符调用规则9(301)，并引入一艘新的舰船，因为规则9引入新的非终止符，所以节点9有两个节点(302)(303),第一个非终止符(302)调用规则10，转换为终止符(304)，此路停止推演，非终止符(303)调用规则2(305)，舰船发生速度的变化，并继续推演…
图4示出本发明的推演树产生派生树示意图。如图所示，将推演树中包含的情景信息进一步展开和丰富，产生了派生树作为情景框架。
在具体实施例中：
图示右边派生树中的符号表示给变量x赋值的过程，(402)表示将规则1中非终止符A(x)的参数变量x(400)赋值1。(403)表示将规则9(401)引入的非终止符A(x2)的参数变量x2赋值为2，这就是参数化上下文无关文法的特点之一。每一个虚线框处的小方框都是对图示左边推演树中相应规则的派生，即把左边树中的规则号替换为右边树中具体规则的各个符号，例如左边推演树中第一个节点①(400)，其调用的规则1的内容为：S->t(0)i0(x)A(x)(402)，故在图示右边的派生树中，规则1中的三个符号t(0)、i0(1)、A(1)(400)分别作为根节点S的三个子节点。然后A(1)作为非终止符调用规则9(401)，这对应着左边的推演树的第二个节点⑥(403)。
图示右边的派生树其实就是将左边推演树的规则展开来表示，派生完毕后情景中表达内容更加充实和逼真，能直接表达出每艘舰船目标经历了哪些运动状态改变的事件，以及不同目标间运动状态的相互关系。
图5示出本发明的遍历派生树示意图，将情景框架中每一艘舰船目标的运动态势字串分别读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值，即完成了一个测试情景的产生，多次推演情景模型即可产生大量各种各样的情景。
在具体实施例中：
遍历时前序遍历，遇到白色底色的非终止符节点时跳过，只从左向右依次记录遍历到的绿色底色的终止符节点。
遍历如图派生树的结果是一串字符串：“t(0)i0(1)tΔ(1)dΔ(1)εt(1)[i0(2)tΔ(2)vΔ(2)tΔ(2)dΔ(2)εt(2)[i0(3)tΔ(3)dΔ(3)ε]]”。这个字符串共表示三艘舰船目标的运动态势，分别为船1、船2、船3。由于“[”和“]”符号表示在此符号中间的舰船具有相同的初始时刻，故应将带“[”和“]”符号的字符串展开，展开后，三艘舰船目标的运动态势字符串为：
(1)t(0)i0(1)tΔ(1)dΔ(1)ε(500)
此字符串序列表示：船1在t(0)时刻在海域出现在其初始位置并以其初始速度和航向航行，经过tΔ(1)段时间后发生了一次转向，转向角为dΔ(1)。此后保持运动状态不变继续航行。
(2)t(0)t(1)i0(2)tΔ(2)vΔ(2)tΔ(2)dΔ(2)ε(501)
此字符串序列表示：船1出现后再经过t(1)时刻后(即t(0)+t(1)段时间后)，船2在海域出现在其初始位置并以其初始速度和航向开始航行，又经过tΔ(2)时刻后，船2发生速度改变，改变值为vΔ(2)，又经过tΔ(2)时刻后，船2发生转向，转向角为dΔ(2)。此后保持运动状态不变继续航行。
(3)t(0)t(1)t(2)i0(3)tΔ(3)dΔ(3)ε(502)
此字符串序列表示：船2出现后再经过t(2)时刻后(即t(0)+t(1)+t(2)段时间后)，船3在海域出现在其初始位置并以其初始速度和航向开始航行，又经过tΔ(3)时刻后，船3发生转向，转向角为dΔ(3)。此后保持运动状态不变继续航行。
图6示出本发明的实验结果图,(a)(b)(c)分别为无噪声、有噪声、有噪声和海杂波的情景图。由图可见模拟出真实复杂海域中多舰船目标环境，且生成舰船多为高机动目标，舰船航行运动状态改变丰富，可以很好的体现出多艘舰船航行时，彼此之间产生的运动关系。需要说明的是：本发明将真实AIS数据使用数据挖掘软件进行等频分箱处理，将得出的位置、速度改变量、角度改变量、加速度改变量等参数来进行赋值。
本发明可广泛运用于目标识别与仿真场合。
以上所述仅为本发明的较佳实施例而己，并不以本发明为限制，凡在本发明的精神和原则之内所作的均等修改、等同替换和改进等，均应包含在本发明的专利涵盖范围内。
Claims (6)
1.一种基于文法的舰船目标运动建模与仿真方法，其特征在于，包括如下步骤：
S1：构建舰船目标运动模型：构建参数化上下文无关文法的情景模型，用有限个数的文法规则，来描述舰船的运动轨迹；
S2：构建文法模型：将舰船航行中的不确定因素，包括初始状态、实体、事件、关系事件模型，用上下文无关文法表示；
S3：推演文法模型：将文法模型进行推演，首先经过推演转换规则，产生舰船情景的推演树，再将推演树中包含的情景信息进一步展开和丰富，产生派生树作为情景框架；
S4：读取和赋值：对情景框架进行读取和赋值，将情景框架中每一艘舰船目标的运动态势字串读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值。
2.根据权利要求1所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，所述S1中，文法规则包括：
规则1：整个模型的建立从此语法开始，公式如下：
S-＞t(0)i0(x)A(x)
其中，终止符t(0)为实体x的初始时间，即舰船x在海域内出现的时间；非终止符A(x)表示实体x还可以继续变化；引入了第一艘船x并且初始化此船的各项初始参数、包括初始时间t(0)和初始速度、航向、经纬度，用i0(x)统一表示；
规则2：
A(x)-＞tΔ(x)vΔ(x)A(x)
其中，终止符tΔ(x)和vΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了速度改变，大小为vΔ(x)；A(x)表示实体x还能继续改变；
规则3：
A(x)-＞tΔ(x)dΔ(x)A(x)
其中，终止符tΔ(x)和dΔ(x)分别表示实体x发生改变的时刻和改变量，具体情况为：船x在tΔ(x)时刻发生了转向，转向角的大小为dΔ(x)；A(x)表示实体x还能继续改变；
规则4：
A(x)-＞tΔ(x)aΔ(x)tk(x)A(x)
其中，经过tΔ(x)时间后加速度改变(默认所有模式的a＝0)，加速度改变的大小为aΔ(x)即进入到加速度模型(CA)，且保持tk(x)的时间；
规则5：
A(x)-＞tΔ(x)aΔ(x)tk(x)B(x)
其中，经过tΔ(x)时间后进入加速度模型，与规则4不同的是，维持时间结束后，舰船仍以当前的加速度继续维持上一时刻的状态(即仍保持匀加速状态继续航行)；
规则6：
A(x)-＞tΔ(x)wΔ(x)tk(x)A(x)
其中，经过tΔ(x)时间后引入角速度w，即转向角的改变为(θ＝w*T+θΔ)，进入恒定转率和速度模型，并且还要维持tk(x)的时间；
规则7：
A(x1)-＞A(x1)+t(x1)[i0(x2)A(x2)+i0(x3)A(x3)+i0(x4)A(x4)+i0(x5)A(x5)+i0(x6)A(x6)]
其中，船x1引入五艘新的舰船，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)、i0(x4)、i0(x5)、i0(x6)表示，而A(x1)表示实体x1还可以继续变化；
规则8：
A(x1)-＞A(x1)+[i0(x2)A(x2)+i0(x3)A(x3)]
其中，船x1引入两艘新的舰船，分别用A(x2)、A(x3)表示这些实体还可继续变化，同时初始化这些新实体的初始属性分别用i0(x2)、i0(x3)表示，而A(x1)表示实体x1还可以继续变化；
规则9：
A(x1)-＞A(x1)+i0(x2)A(x2)
其中，船x1引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间，而A(x1)表示实体x1也还可以继续变化；
规则10：
A(x)-＞ε
其中，此规则意为实体x结束变化，非终止符变为终止符；
规则11：
B(x)-＞*A(x)
其中，此规则意为维持时间结束后,找到参照的运动模式；当上一规则结束后,按照上一时刻的运动模型继续运动,直到下一次规则选取的到来；若没有选择规则11,则按照上一时刻的角度和速度进行匀速直线运动。
3.根据权利要求2所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，所述S1中，文法规则包括：舰船从雷达探测边缘区域进入，在节点引入新舰船时有不同：
规则7：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)+i0b(x4)A(x4)+i0b(x5)A(x5)+i0b(x6)A(x6)]
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入五艘新的舰船实体，分别用A(x2)、A(x3)、A(x4)、A(x5)、A(x6)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化；
规则8：
A(x1)-＞A(x1)+t(x1)[i0b(x2)A(x2)+i0b(x3)A(x3)]
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入两艘新的舰船实体，分别用A(x2)、A(x3)表示这些实体还可继续变化，i0b可以从i0bN、i0bS、i0bE、i0bW的初始属性中选取，而A(x1)表示实体x1还可以继续变化；
规则9：
A(x1)-＞A(x1)+t(x1)i0b(x2)A(x2)
其中，终止符t(x1)表示过了t(x1)段时间后，船x1从雷达探测的边界点引入1艘新的舰船实体，用A(x2)表示这个新实体还可继续变化，同时初始化这个实体的初始属性用i0b(x2)来表示，新舰船A(x2)的初始时间为A(x1)的初始时间加上t(x1)，而A(x1)表示实体x1也还继续变化。
4.根据权利要求1所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，所述S2中，舰船航行中的不确定因素，包括：
S21：初始状态：初始状态为舰船目标的初始运动状态信息、雷达系统的目标检测误差；
S22：实体：实体包含不同的舰船目标；
S23：事件：事件用实体状态的改变来描述，包括增加新船、改变速度、改变角度、改变弧度；
S24：关系：关系可分为实体与初始状态间的依存关系、实体与实体间的时间关系、实体与事件间的依存关系、事件间的关系、实体与参数间的归属关系、以及实体与事件间的归属关系。
5.根据权利要求1所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，所述S3中，推演转换规则包括如下小步：
S31：推演从起始节点1开始(200)，且除了起始时不能再调用规则1，推演过程是自顶向下，按层推演的；
S32：每次推演从规则2-9随机选择非终止符来调用(201)；
S33：根据新调用的规则增删非终止符的数量(202)，每当调用规则7、8、9时，会引入新的非终止符，此节点可拥有的子节点数量将会增加；
S34：将规则号作为子节点，继续推演(203)。
6.根据权利要求1所述的基于文法的舰船目标运动建模与仿真方法，其特征在于，所述S4中，对情景框架进行读取和赋值，将情景框架中每一艘舰船目标的运动态势字串分别读取出来，获得情景字串，对其中各个用终止符表示的参数进行赋值，即完成了一个测试情景的产生，多次推演情景模型即可产生大量各种各样的情景。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910056529.8A CN109711096A (zh) | 2019-01-22 | 2019-01-22 | 基于文法的舰船目标运动建模与仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910056529.8A CN109711096A (zh) | 2019-01-22 | 2019-01-22 | 基于文法的舰船目标运动建模与仿真方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109711096A true CN109711096A (zh) | 2019-05-03 |
Family
ID=66262495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910056529.8A Withdrawn CN109711096A (zh) | 2019-01-22 | 2019-01-22 | 基于文法的舰船目标运动建模与仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711096A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541245A (zh) * | 2019-09-20 | 2021-03-23 | 中国船舶工业系统工程研究院 | 一种用于即时态势推演的动态想定生成方法 |
| CN113033754A (zh) * | 2020-12-08 | 2021-06-25 | 中国海洋大学 | 基于协同情景进化的高频地波雷达目标跟踪算法测评方法 |
| CN114970140A (zh) * | 2022-05-24 | 2022-08-30 | 中国人民解放军海军潜艇学院 | 应用于态势推演的舰船机动建模及仿真方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464808A (zh) * | 2007-12-21 | 2009-06-24 | 北京中电华大电子设计有限责任公司 | 硬件描述语言解释器模块的实现方法 |
| CN103337153A (zh) * | 2013-07-11 | 2013-10-02 | 中国海洋大学 | 一种虚拟帆船运动仿真系统 |
-
2019
- 2019-01-22 CN CN201910056529.8A patent/CN109711096A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464808A (zh) * | 2007-12-21 | 2009-06-24 | 北京中电华大电子设计有限责任公司 | 硬件描述语言解释器模块的实现方法 |
| CN103337153A (zh) * | 2013-07-11 | 2013-10-02 | 中国海洋大学 | 一种虚拟帆船运动仿真系统 |
Non-Patent Citations (3)
| Title |
|---|
| MUSTAFA FANASWALA 等: "Detection of Anomalous Trajectory Patterns in Target Tracking via Stochastic Context-Free Grammars and Reciprocal Process Models", 《IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING》 * |
| PENGJU ZHANG 等: "An Evolutionary Vulnerability Detection Method for HFSWR Ship Tracking Algorithm", 《SIMULATED EVOLUTION AND LEARNING》 * |
| PHILIPPE FLAJOLET: "Analytic models and ambiguity of context-free languages", 《THEORETICAL COMPUTER SCIENCE》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541245A (zh) * | 2019-09-20 | 2021-03-23 | 中国船舶工业系统工程研究院 | 一种用于即时态势推演的动态想定生成方法 |
| CN113033754A (zh) * | 2020-12-08 | 2021-06-25 | 中国海洋大学 | 基于协同情景进化的高频地波雷达目标跟踪算法测评方法 |
| CN113033754B (zh) * | 2020-12-08 | 2022-09-13 | 中国海洋大学 | 基于协同情景进化的高频地波雷达目标跟踪算法测评方法 |
| CN114970140A (zh) * | 2022-05-24 | 2022-08-30 | 中国人民解放军海军潜艇学院 | 应用于态势推演的舰船机动建模及仿真方法 |
| CN114970140B (zh) * | 2022-05-24 | 2023-07-14 | 中国人民解放军海军潜艇学院 | 应用于态势推演的舰船机动建模及仿真方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766878B (zh) | 一种车道线检测的方法和设备 | |
| CN110221546B (zh) | 虚实融合的船舶智能控制系统测试平台 | |
| CN109711096A (zh) | 基于文法的舰船目标运动建模与仿真方法 | |
| CN109272530A (zh) | 面向空基监视场景的目标跟踪方法与装置 | |
| CN110084304A (zh) | 一种基于合成数据集的目标检测方法 | |
| CN105447235A (zh) | 一种土地未来利用情景动态模拟方法 | |
| CN109711295A (zh) | 一种光学遥感图像近岸舰船检测方法 | |
| CN110163108A (zh) | 基于双路径特征融合网络的鲁棒声呐目标检测方法 | |
| CN103292784B (zh) | 一种基于声线轨迹的水下地表地形可视性分析方法 | |
| CN110209152A (zh) | 智能水下机器人垂直面路径跟随的深度强化学习控制方法 | |
| CN108109202A (zh) | 一种基于gpu的动力定位船舶三维视景仿真系统及方法 | |
| Liu et al. | Modulation recognition method of complex modulation signal based on convolution neural network | |
| CN114152257A (zh) | 基于注意力机制和环境感知lstm的船舶预测导航方法 | |
| CN112033640B (zh) | 船舶水动力性能的模拟体验系统 | |
| JP2007188502A (ja) | パーティクルのレンダリング方法およびシステム | |
| CN114942480B (zh) | 基于信息感知注意力动态协同网络的海洋站风速预报方法 | |
| CN116306790B (zh) | 一种基于cnn-gru和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质 | |
| CN115859755A (zh) | 一种定常流场矢量数据的可视化方法、装置、设备及介质 | |
| Varela et al. | Ring discretization of the wave spectrum for sea surface simulation | |
| CN113625720A (zh) | 一种无人艇自主航行控制算法仿真评估系统 | |
| Akkermann et al. | Scenario-based V&V in a maritime co-simulation framework | |
| CN114118158A (zh) | 反黑盒探测攻击的稳健电磁信号调制类型识别方法 | |
| CN114596488A (zh) | 基于密集特征融合网络的轻量级遥感目标检测方法 | |
| Lioret et al. | GAN applied to Wave Function Collapse for procedural map generation | |
| CN110853455A (zh) | 一种用于c4isr系统的情报模拟器系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190503 |
|
| WW01 | Invention patent application withdrawn after publication |