CN111783231B - 基于单元分布热力网格的目标任务意图识别方法和装置 - Google Patents
基于单元分布热力网格的目标任务意图识别方法和装置 Download PDFInfo
- Publication number
- CN111783231B CN111783231B CN202010697759.5A CN202010697759A CN111783231B CN 111783231 B CN111783231 B CN 111783231B CN 202010697759 A CN202010697759 A CN 202010697759A CN 111783231 B CN111783231 B CN 111783231B
- Authority
- CN
- China
- Prior art keywords
- task
- target
- formation
- grid
- suspected
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 309
- 238000005755 formation reaction Methods 0.000 claims description 303
- 230000000875 corresponding effect Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000012549 training Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000007405 data analysis Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000003283 Pachira macrocarpa Nutrition 0.000 description 1
- 241001083492 Trapa Species 0.000 description 1
- 235000014364 Trapa natans Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 235000009165 saligot Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于单元分布热力网格的目标任务意图识别方法和装置。所述方法包括:根据任务空间经纬度将其转化为经纬度网格,根据飞行目标的位置和任务半径在任务空间中构建空中单元分布热力网格,根据网格的热力值及其关联的飞行目标确定任务空间中的任务疑似编队,根据时空一致性原则判断各个任务疑似编队是否为目标编队,根据得到的目标编队中飞行目标的平台类型和任务区域中任务目标的任务目标类型确定目标编队的任务意图。采用本方法能根据依据飞行目标的平台类型、飞行轨迹、任务目标位置、任务目标类型等可实时获得的信息直接识别飞行目标的编队、任务区域和任务意图,避免了传统方式需要先验知识支持和算法训练的问题。
Description
技术领域
本申请涉及目标识别技术领域,特别是涉及一种基于单元分布热力网格的目标任务意图识别方法和装置。
背景技术
多架侦察机、战斗机、无人机等飞行平台在执行任务时,通常会根据任务类型选择不同的飞行编队方式,意在确保平台间的协同指控能力,以在更大区域内完成更为复杂的任务。常见的编队方式按照编队形态划分包括横队队形、箭队队形、菱队队形等,按照平台的间隔、距离、高差等的疏密程度划分包括基本队形、密集队形、疏开队形、疏散队形等。
目前,识别飞行目标编队及其意图识别的方式主要是基于态势认知的概念和技术框架实现的,利用态势模板、专家系统、贝叶斯网络以及深度学习等方法来识别战场态势,从多个飞行目标中识别出飞行目标编队及其任务意图。但这些方法均需要大量的先验知识作为数据支撑,并且在前期的态势模板库建立,专家系统、贝叶斯网络、深度学习算法训练等方面需要投入大量时间与精力,不能依据飞行目标的平台类型、飞行轨迹、任务目标位置和任务目标类型等可实时获得的信息直接识别飞行目标的目标编队、任务区域和任务意图。
发明内容
基于此,有必要针对上述技术问题,提供一种能够依据飞行目标的平台类型、飞行轨迹、任务目标位置和任务目标类型等可实时获得的信息直接识别飞行目标的目标编队、任务区域和任务意图的基于单元分布热力网格的目标任务意图识别方法和装置。
一种基于单元分布热力网格的目标任务意图识别方法,所述方法包括:
获取任务空间的经纬度数据。
根据经纬度数据,将任务空间转化为经纬度网格。
根据飞行目标的当前位置和预先设置的任务半径,将经纬度网格关联为该飞行目标的热力关联网格。
根据任务空间中的飞行目标关联的热力关联网格,构建空中单元分布热力网格。
根据空中单元分布热力网格的热力值和该空中单元分布热力网格关联的飞行目标,确定任务空间中的任务疑似编队数据。
获取任务疑似编队数据对应的疑似任务区域和飞行目标轨迹,根据时空一致性原则,确定任务疑似编队数据的目标编队以及目标编队的任务区域。
根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,确定目标编队的任务意图。
其中一个实施例中,根据任务空间中的所述飞行目标关联的热力关联网格,构建空中单元分布热力网格的步骤包括:
根据任务空间中的飞行目标关联的热力关联网格,获取经纬度网格被关联为飞行目标的热力关联网格的次数值;
根据该次数值生成经纬度网格的热力值,构建空中单元分布热力网格。
其中一个实施例中,根据空中单元分布热力网格的热力值和该空中单元分布热力网格关联的飞行目标,确定任务空间中的任务疑似编队数据的步骤包括:
当任务空间中空中单元分布热力网格的热力值大于预设值时,获取热力值最大的空中单元分布热力网格,根据与空中单元分布热力网格关联的飞行目标生成一个任务疑似编队,删除该任务疑似编队对应的飞行目标和热力关联网格;
根据任务疑似编队确定任务空间中的任务疑似编队数据。
其中一个实施例中,获取任务疑似编队数据的疑似任务区域,根据时空一致性原则,确定任务疑似编队数据的目标编队以及目标编队的任务区域的步骤包括:
设任务空间中的任务疑似编队数据包括m个任务疑似编队f1、f2、……fm,其中任务疑似编队fi包括n个飞行目标pi-1、pi-2、……pi-n,设飞行目标在时刻T的经度值和纬度值分别为lonp(T)和latp(T),设当前时刻为T0,前j个时刻由近到远分别为T-1、T-2、T-3、T-4、…T-k…T-j,获取所述任务疑似编队fi的n个所述飞行目标在T0、T-1、T-2、T-3、…T-k…T-j时刻的经纬度值,其中0<k<j;
根据经纬度值计算任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点值为:
根据该经纬度端点值计算任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点平均值为:
根据该经纬度端点平均值获得任务疑似编队的疑似任务区域;
根据任务疑似编队fi的飞行目标在T0、T-1、……T-(k-1)时刻的经纬度值获得飞行目标在疑似任务区域内的出现次数,以及目标编队在T0、T-1、……T-(k-1)时刻的疑似任务区域的中心点位置;
获取出现次数大于预设值的飞行目标的数量,当该数量大于预设值,且当该中心点位置间的距离小于预设值时,将该任务疑似编队fi确定为目标编队,将对应的疑似任务区域确定为该目标编队的任务区域。
其中一个实施例中,根据经纬度数据将任务空间转化为经纬度网格的步骤包括:
设任务空间的经纬度端点值为Lats、Late、Lons、Lone,按照预设的长度D将任务空间划分为纬度值间隔为LDlat、经度值间隔为LDlon的经纬度网格;
设经纬度网格的纬度序号为Nlat、经度序号为Nlon,生成纬度序号、经度序号和经纬度网格的映射关系为:
其中一个实施例中,根据飞行目标的当前位置和预先设置的任务半径,将经纬度网格关联为飞行目标的热力关联网格的步骤包括:
根据飞行目标的任务半径,确定飞行目标的任务面积。
根据飞行目标的当前位置,将任务面积覆盖的经纬度网格关联为飞行目标的热力关联网格。
其中一个实施例中,在根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,确定目标编队的任务意图步骤包括:
当目标编队中飞行目标的平台类型为对空平台或未知平台,且任务区域中任务目标的任务目标类型包括空中目标时,确定该目标编队的任务意图为近距离空中对抗。
当目标编队中飞行目标的平台类型为对空平台或未知平台,且任务区域中任务目标的任务目标类型仅为地面目标时,确定该目标编队的任务意图为临空对地对抗。
当目标编队中飞行目标的平台类型为对地平台,且任务区域中任务目标的任务目标类型包括空中目标时,确定该目标编队的任务意图为近距离空中对抗。
当目标编队中飞行目标的平台类型为对地平台,且任务区域中任务目标的任务目标类型仅为地面目标时,确定该目标编队的任务意图为临空对地对抗。
当任务区域中未检测到任务目标时,确定目标编队的任务意图为集结待命。
一种基于单元分布热力网格的目标任务意图识别装置,所述装置包括:
经纬度数据获取模块,用于获取任务空间的经纬度数据。
经纬度网格生成模块,用于根据经纬度数据,将任务空间转化为经纬度网格。
热力关联网格关联模块,用于根据飞行目标的当前位置和预先设置的任务半径,将经纬度网格关联为该飞行目标的热力关联网格。
空中单元分布热力网格构建模块,用于根据任务空间中的飞行目标关联的热力关联网格,构建空中单元分布热力网格。
任务疑似编队识别模块,用于根据空中单元分布热力网格的热力值和该空中单元分布热力网格关联的飞行目标,确定任务空间中的任务疑似编队数据。
目标编队识别模块,用于获取任务疑似编队数据对应的疑似任务区域和飞行目标轨迹,根据时空一致性原则,确定任务疑似编队数据的目标编队以及目标编队的任务区域。
任务意图识别模块,用于根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,确定目标编队的任务意图。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,其特征在于,处理器执行计算机程序时实现上述任意一个实施例中方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现上述任意一个实施例中方法的步骤。
上述基于单元分布热力网格的目标任务意图识别方法、装置、计算机设备和存储介质根据飞行目标的任务半径、当前位置、轨迹和任务空间的经纬度数据,建立任务空间的空中单元分布热力网格及其热力值,根据该热力值和该空中单元分布热力网格关联的飞行目标确定任务空间中的任务疑似编队,根据时空一致性原则从任务疑似编队中识别出目标编队及其任务区域,根据目标编队中飞行目标的平台类型和任务区域中任务目标的任务目标类型确定目标编队的任务意图。上述基于单元分布热力网格的目标任务意图识别方法、装置、计算机设备和存储介质能够依据飞行目标的平台类型、飞行轨迹、任务目标位置和任务目标类型等可实时获得的信息直接识别飞行目标的目标编队、任务区域和任务意图,避免了利用态势模板、专家系统、贝叶斯网络以及深度学习等方法来识别战场态势时,需要大量的先验知识作为数据支撑、需投入大量时间与精力建立数据库和训练算法的问题。
附图说明
图1为一个实施例中基于单元分布热力网格的目标任务意图识别方法的应用场景图;
图2为一个实施例中基于单元分布热力网格的目标任务意图识别方法的流程示意图;
图3为一个实施例中单元分布热力网格的热力值示意图;
图4为另一个实施例中单元分布热力网格的热力值示意图;
图5为一个实施例中根据单元分布热力网格识别任务疑似编队数据的方法示意图;
图6为一个实施例中根据单元分布热力网格识别任务疑似编队数据的方法示意图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于单元分布热力网格的目标任务意图识别方法,可以应用于如图1所示场景的目标数据分析服务器中。其中,目标数据分析服务器接收任务空间的经纬度数据和任务空间的中N个飞行目标的任务半径、当前位置、轨迹数据。目标数据分析服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在其中一个实施例中,如图2所示,提供了一种基于单元分布热力网格的目标任务意图识别方法。以该方法应用于图1所示场景的目标数据分析服务器中为例进行说明,包括以下步骤:
步骤202:获取任务空间的经纬度数据。
步骤204:根据经纬度数据,将任务空间转化为经纬度网格。
将任务空间按照预设的经度间隔和纬度间隔划分成经纬度网格,经度间隔和纬度间隔的选择可以根据任务空间的大小、飞行目标的数量等因素确定。将任务空间转化为经纬度网格,可以简化位置数据的表示方式。
步骤206:根据飞行目标的当前位置和预先设置的任务半径,将经纬度网格关联为该飞行目标的热力关联网格。
飞行目标的任务半径可以根据飞行目标的平台类型、机动能力等因素分别设定,也可以根据经验值为所有的飞行目标设置同样的任务半径。根据任务半径的值和飞行目标的当前位置,确定该飞行目标的执行任务的范围与其经纬度网格的重合情况,将与该飞行目标的任务范围重合的经纬度网格关联为该飞行目标的热力关联网格。
步骤208:根据任务空间中的飞行目标关联的热力关联网格,构建空中单元分布热力网格。
具体地,首先将任务空间中各经纬度网格的热力值设为0,然后获取任务空间中的一个飞行目标的热力关联网格,相应增加被关联为该飞行目标的热力关联网格的经纬度网格的热力值,当获取完所有飞行目标的热力关联网格时,就构建成了空中单元分布热力网格。其中,飞行目标所增加的热力值的大小可以根据其平台类型等分别设置,也可以统一设置成相同的值。
步骤210:根据空中单元分布热力网格的热力值和该空中单元分布热力网格关联的飞行目标,确定任务空间中的任务疑似编队数据。
空中单元分布热力网格的热力值反映的是任务空间中的各个经纬度网格与各个飞行目标的执行任务范围的关联情况,与同一个经纬度网格关联的飞行目标具有重合的执行任务范围,因此可能是目标编队,因而将其确定为一个任务疑似编队;任务空间中所有任务疑似编队的集合就是该任务空间中的任务疑似编队数据。
步骤212:获取任务疑似编队数据对应的疑似任务区域和飞行目标轨迹,根据时空一致性原则,确定任务疑似编队数据的目标编队以及目标编队的任务区域。
在到达任务区域后,飞行编队中的各飞行目标的位置在时间和空间上均具有稳定性,即在一段时间内飞行编队中的飞行目标均在一个固定范围内活动,这即是时空一致性原则在飞行编队中的具体表现。因此可以根据时空一致性原则,根据任务疑似编队中的各个飞行目标的轨迹,判断其是否是飞行编队。具体地,首先根据任务疑似编队中各个飞行目标的轨迹确定在过去一个或多个时刻这些飞行目标的分布区域,根据该分布区域确定该任务疑似编队的疑似任务区域;然后获取包括当前时刻在内的另外几个时刻这些飞行目标的位置,如果该任务疑似编队中一定数量的飞行目标在多于预设数量的时刻出现在该疑似任务区域中,则认为该任务疑似编队表现出了飞行编队的时空一致性,将其识别为目标编队,并且将其对应的疑似任务区域作为该目标编队的任务区域。
应该注意的是,一个任务空间中可能存在多个目标编队,因此当确定一个目标编队后,需要将该目标编队中的所有飞行目标关联的热力关联网格的赋值从空中单元分布热力网格中删除,再根据上述过程判断下一个任务疑似编队是否是目标编队。
步骤214:根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,确定目标编队的任务意图。
目标编队中飞行目标的平台类型可以根据飞行目标的平台类型来确定,如对空平台的平台类型包括对空任务,对地平台的平台类型包括对地任务,复合型平台的平台类型包括对空任务、对地任务和复合型任务等。任务目标类型是指在该目标编队的任务区域中可能成为执行任务的对象的类型,主要包括空中目标、地面目标等。根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,可以按照预设的任务意图判断规则确定目标编队的任务意图。
上述基于单元分布热力网格的目标任务意图识别方法根据飞行目标的任务半径、当前位置、轨迹和任务空间的经纬度数据,建立任务空间的空中单元分布热力网格及其热力值,根据该热力值确定任务空间中的任务疑似编队,根据时空一致性原则从任务疑似编队中识别出目标编队及其任务区域,根据目标编队中飞行目标的平台类型和任务区域中任务目标的任务目标类型确定目标编队的任务意图。上述基于单元分布热力网格的目标任务意图识别方法、装置、计算机设备和存储介质能够依据飞行目标的平台类型、飞行轨迹、任务目标位置和任务目标类型等可实时获得的信息直接识别飞行目标的目标编队、任务区域和任务意图,避免了利用态势模板、专家系统、贝叶斯网络以及深度学习等方法来识别战场态势时,需要大量的先验知识作为数据支撑、需投入大量时间与精力建立数据库和训练算法的问题。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
其中一个实施例中,根据任务空间中的所述飞行目标关联的热力关联网格,构建空中单元分布热力网格的步骤包括:根据任务空间中的飞行目标关联的热力关联网格,获取经纬度网格被关联为飞行目标的热力关联网格的次数值;根据该次数值生成经纬度网格的热力值,构建空中单元分布热力网格。
具体地,如图3所示,任务空间根据预设的经度间隔和纬度间隔被划分为9×9的经纬度网格,黑色的网格代表飞行目标当前位置所在的经纬度网格,白色的网格代表没有飞行目标的经纬度网格,网格中的数字代表该经纬度网格的热力值。飞行目标的任务半径设置为2个网格的长度,因此以飞行目标当前位置所在的经纬度网格为中心的5×5的经纬度网格是该飞行目标关联的热力关联网格,其热力值均为1。由于任务空间中仅有一个飞行目标,因此其空中单元分布热力网格仅与该飞行目标相关。图4为任务空间中有4个飞行目标时的空中单元分布热力网格,当一个经纬度网格被关联为多个飞行目标的热力关联网格时,其热力值该经纬度网格关联的飞行目标的数量。
本实施例中根据经纬度网格被关联为飞行目标的热力关联网格的次数值来确定空中单元分布热力网格的热力值,实现了以简单直观的方式统一设置各飞行目标的热力值大小,并且使空中单元分布热力网格的热力值直接反映其关联的飞行目标的数量,适用于各飞行目标在飞行编队中的角色对等时的目标编队识别。
其中一个实施例中,根据空中单元分布热力网格的热力值和该空中单元分布热力网格关联的飞行目标,确定任务空间中的任务疑似编队数据的任务疑似编队步骤包括:当任务空间中空中单元分布热力网格的热力值大于预设值时,获取热力值最大的空中单元分布热力网格,根据与空中单元分布热力网格关联的飞行目标生成一个任务疑似编队,删除该任务疑似编队对应的飞行目标和热力关联网格;根据任务疑似编队确定任务空间中的任务疑似编队数据。
具体地,在空中单元分布热力网格中,设取网格热力值最大点为O(若最大值有多个点则任取其中一个点记为O),对应网格序号为(NOlat,NOlon),则可将以下网格序号范围内的所有空中单元列入O点对应的任务疑似编队:
保存O点对应的任务疑似编队并在热力图上将其删去该任务疑似编队中的飞行目标,重新生成热力图网格。在新的热力网格上再任取其中最大值点记为O2,重复上述过程生成O2点对应的任务疑似编队。如此循环,直到更新后的热力网格上最大值小于热力值均小于预设值fthr,最终得到包括多组任务疑似编队的任务疑似编队数据,根据该编队数据生成编队列表Flist。
在如图5所示的任务空间中,设预设热力值为3,首先获取热力值为4的空中单元分布热力网格,当存在多个热力值都为4的空中单元热力网格时,可按预设的规则首先选取其中一个生成任务疑似编队。以首先选取坐标为(6,6)的空中单元分布热力网格为O点生成任务疑似编队为例,其关联的飞行目标所在经纬度网格的坐标为(4,8)、(4,4)、(7,6)和(7,4),将这些飞行目标生成一个任务疑似编队,并从空中单元分布热力网格中删除这些飞行目标及其对应的热力关联网格,删除后的空中单元分布热力网格如图6所示。
图6中仍然存在热力值不小于预设热力值3的网格,以选取坐标为(13,5)的空中单元分布热力网格为O2点生成任务疑似编队为例,其关联的飞行目标所在经纬度网格的坐标为(11,4)、(14,6)和(14,4),将这些分析目标生成一个任务疑似编队,并从空中单元分布热力网格中删除这些飞行目标及其对应的热力关联网格,删除后的空中单元分布热力网格的热力值全部为0。
将生成的两个任务疑似编队确定为该任务空间的任务疑似编队数据。
本实施例通过设定预设热力值门限,可以控制生成的任务疑似编队中的飞行目标数量,可以灵活地根据经验或目标编队识别的不同需求,筛选所需规模的目标编队。
其中一个实施例中,获取任务疑似编队数据的疑似任务区域,根据时空一致性原则,确定任务疑似编队数据的目标编队以及目标编队的任务区域的步骤包括:
设任务空间中的任务疑似编队数据包括m个任务疑似编队f1、f2、……fm,其中任务疑似编队fi包括n个飞行目标pi-1、pi-2、……pi-n,设飞行目标在时刻T的经度值和纬度值分别为lonp(T)和latp(T),设当前时刻为T0,前j个时刻由近到远分别为T-1、T-2、T-3、T-4、…T-k…T-j,获取所述任务疑似编队fi的n个所述飞行目标在T0、T-1、T-2、T-3、…T-k…T-j时刻的经纬度值,其中0<k<j;任务疑似编队根据经纬度值计算任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点值为:
根据该经纬度端点值计算任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点平均值为:
根据该经纬度端点平均值获得任务疑似编队的疑似任务区域,可以标识为Zi:{(latavgmin,lonavgmin),(latavgmin,lonavgmax),(latavgmax,lonavgmin),(latavgmax,lonavgmax)}。
根据任务疑似编队fi的飞行目标在T0、T-1、……T-(k-1)时刻的经纬度值获得飞行目标在疑似任务区域内的出现次数,以及目标编队在T0、T-1、……T-(k-1)时刻的疑似任务区域的中心点位置;获取出现次数大于预设值的飞行目标的数量,当该数量大于预设值,且当该中心点位置间的距离小于预设值时,将该任务疑似编队fi确定为目标编队,将对应的疑似任务区域确定为该目标编队的任务区域。其中,飞行目标在疑似任务区域内出现的次数和飞行目标数量的预设值可以根据经验值设定,也可以根据任务区域的大小等因素设定。
具体地,设k=3,当在T0、T-1、T-2时刻飞行目标在疑似任务区域内的出现率高于65%(即至少有两个时刻以上出现在疑似任务区域内),且满足上述出现概率的飞行目标数量大于80%时,认为该任务疑似编队服从飞行编队的时空一致性特性,具体实施方法如下:
for编队fi in编队列表Flist:
nf=0#编队服从一致性成员计数器清零
for编队成员pi in编队fi:
np=0#编队成员服从一致性时刻计数器清零
if latavgmin<latpi(T0)<latavgmax AND lonavgmin<lonpi(T0)<lonavgmax:
np++
if latavgmin<latpi(T-1)<latavgmax AND lonavgmin<lonpi(T-1)<lonavgmax:
np++
if latavgmin<latpi(T-2)<latavgmax AND lonavgmin<lonpi(T-2)<lonavgmax:
np++
if np/3>0.65:
nf++
if nf/ni>0.80:#ni为编队fi的成员总数,
编队成员出现率满足要求,标记编队fi成员服从编队时空一致性
设任务疑似编队fi在T0时刻的最大、最小经纬度值latfi-max(T0)、latfi-min(T0)、lonfi-max(T0)、lonfi-min(T0),以及疑似任务区域的中心点位置坐标:
分别求解得到T0、T-1以及T-2时刻的疑似任务区域的三个中心点(latfi-cntr(T0),lonfi-cntr(T0))、(latfi-cntr(T-1),lonfi-cntr(T-1))、(latfi-cntr(T-2),lonfi-cntr(T-2)),即可进一步求解三个区域中心点的两两偏差d。首先对经纬度进行一定的处理:
设地球半径为RE,求解三个区域中心点的两两距离d:
可求解得出T0与T-1时刻疑似任务区域的中心点位置距离d0,T-1与T-2时刻疑似任务区域的中心点位置距离d1,以及T0与T-2时刻疑似任务区域的中心点位置距离d2,判断三个疑似任务区域的中心点位置偏差d是否超过偏差门限Dthrd,若均在偏差门限之内则可其疑似任务区域服从时空一致性,具体实施方法如下所示:
if编队fi成员服从时空一致性:
计算编队fi在T0、T-1以及T-2时刻的最大、最小经纬度值,计算三个时刻疑似任务区域的中心点位置坐标
计算T0、T-1以及T-2时刻疑似任务区域的中心点位置距离d0、d1、d2#比较中心点距离是否超过偏差门限<Dthrd
if d0<Dthrd AND d1<Dthrd AND d2<Dthrd:
标记确定疑似任务区域服从时空一致性
else:
疑似任务区域无效,无法判别任务疑似编队的疑似任务区域
本实施例通过任务疑似编队中飞行目标的航迹数据,确定这些飞行目标在过去时刻分布区域,并将多个时刻的分布区域进行算数平均,获得该任务疑似编队的疑似任务区域。根据飞行编队在时空一致性方面的特性,判断该任务疑似编队是否是目标编队:当其对应的所有的飞行目标在过去多个时刻的位置与该疑似任务区域相关度高于预设值、并且疑似任务区域的中心点偏差小于预设值时,认为其表现出了飞行编队的时空一致性,判断其为目标编队,并将对应的疑似任务区域设置为该目标编队的任务区域。本实施例利用了飞行编队中的飞行目标在时空一致性方面的特性,使得目标编队识别结果更为准确。
其中一个实施例中,根据经纬度数据将任务空间转化为经纬度网格的步骤包括:设任务空间的经纬度端点值为Lats、Late、Lons、Lone,按照预设的长度D将任务空间划分为纬度值间隔为LDlat、经度值间隔为LDlon的经纬度网格;设经纬度网格的纬度序号为Nlat、经度序号为Nlon,生成纬度序号、经度序号和经纬度网格的映射关系为:
本实施例将任务空间转化为经纬度网格,并将经纬度序号和经纬度网格的映射关系生成了映射关系表。根据该映射关系表,可以通过更加简单的二维坐标表示任务空间中的任意位置,简化了位置数据的表示方式。
其中一个实施例中,根据飞行目标的当前位置和预先设置的任务半径,将经纬度网格关联为飞行目标的热力关联网格的步骤包括:根据飞行目标的任务半径,确定飞行目标的任务面积;根据飞行目标的当前位置,将任务面积覆盖的经纬度网格关联为飞行目标的热力关联网格。其中,飞行目标的任务半径可以根据其平台类型、机动能力、武器射程、侦测载荷探测范围等分别设定,也可以根据经验值统一设定。
本实施例根据飞行目标的任务半径及其相应的任务面积,将经纬度网格关联为该飞行目标的热力关联网格,可以直观地反映该飞行目标在任务空间中的作用和影响范围,为形成直观的空中单元分布热力网格提供数据基础。
其中一个实施例中,在根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,确定目标编队的任务意图步骤包括:
当目标编队中飞行目标的平台类型为对空平台或未知平台,且任务区域中任务目标的任务目标类型包括空中目标时,确定该目标编队的任务意图为近距离空中对抗。当目标编队中飞行目标的平台类型为对空平台或未知平台,且任务区域中任务目标的任务目标类型仅为地面目标时,确定该目标编队的任务意图为临空对地对抗。当目标编队中飞行目标的平台类型为对地平台,且任务区域中任务目标的任务目标类型包括空中目标时,确定该目标编队的任务意图为近距离空中对抗。当目标编队中飞行目标的平台类型为对地平台,且任务区域中任务目标的任务目标类型仅为地面目标时,确定该目标编队的任务意图为临空对地对抗。当任务区域中未检测到任务目标时,确定目标编队的任务意图为集结待命。具体地,目标编队的任务意图识别方法如下:
if编队fi的飞行目标及任务区域均服从时空一致性:
if编队fi主要由对空攻击机型构成或机型未知:
if任务区域区内有空中任务目标:
判定目标编队意图为近距空中对抗,输出目标编队、任务区域以及任务目标数据
elif任务区域内有地面任务目标
判定目标编队意图为临空对地对抗,输出目标编队、任务区域以及任务目标数据
else:
判定目标编队意图为集结待命,输出目标编队和任务区域数据
elif编队fi主要由对地攻击机型构成:
if任务区域内有地面任务目标:
判定目标编队意图为临空对地对抗,输出目标编队、任务区域以及任务目标数据
elif任务区域内有空中任务目标
判定目标编队意图为近距空中对抗,输出目标编队、任务区域以及任务目标数据
else
判定目标编队意图为集结待命,输出目标编队信息以及任务区域
目标编队的任务意图和该目标编队中的飞行目标的平台类型和该目标编队的任务区域中任务目标的任务目标类型的紧密相关的,因此可以根据上述两方面的因素判断该目标编队的任务意图。通过本实施例设置的判断规则,可以快速判断出目标编队三种主要的任务意图,不需要大量先验数据的支持,也不需要建立态势模板、训练机器学习算法等过程,还可以通过调整判断规则更加快速、灵活地运用于多种目标编队任务意图识别任务。
在其中一个实施例中,设任务空间起止纬度为0°~1°、起止经度为0°~2°,经纬度均按照0.09°进行划分,则每个经纬度网格的横纵宽度约为10公里,且沿东西方向可划分23格,沿南北方向可划分出12格。当前任务空间中有7个飞行目标,其编号与各时刻坐标如表1所示:
表1飞行目标编号与各时刻坐标
取D=10km、网格热力半径为20km、热力网格数为2,则生成的T0时刻空中单元分布热力网格如图5所示。其中,黑色网格代表飞行目标所在的网格,网格中的每个数值指的是以当前网格为中心、以3格为半径读取到的敌方目标个数,空白处热力值均为0。设预设热力值为3,根据上述一个实施例中的方法可以获得包括2个疑似编队的任务疑似编队数据。
首先对疑似编队1进行时空一致性判定,可计算得出编队1的疑似任务区域区经纬度范围0.27°N~0.72°N、0.27°E~0.73°E,经比对飞行目标01、02、03、04均在2个时刻以上在位于该疑似任务区域内,服从时空一致性要求。取地球半径RE=6371km、Dthrd=8km,计算任务疑似编队1在T0、T-1、T-2时刻疑似任务区域的中心点位置两两偏差分别为2.46km、6.98km、4.91km,均在判决门限内,因此该任务疑似编队的疑似任务区域满足时空一致性。综合以上判断,疑似编队1满足时空一致性,将其识别为目标编队1。而目标编队1的任务区域内内无任何任务目标,因此可判定目标编队1的意图是集结待命,目标编队成员为01、02、03、04,任务区域经纬度范围0.27°N~0.72°N、0.27°E~0.73°E。
而后对任务疑似编队2进行判定,计算得出任务疑似编队2的疑似任务区域经纬度范围0.72°N~0.93°N、0.63°E~0.86°E,任务疑似编队2中的飞行目标在T0、T-1、T-2时刻坐标不满足疑似任务区域的要求,因此不满足飞行编队的时空一致性,因此判断任务疑似编队2不是目标编队。
一种基于单元分布热力网格的目标任务意图识别装置,所述装置包括:
经纬度数据获取模块,用于获取任务空间的经纬度数据;
经纬度网格生成模块,用于根据经纬度数据,将任务空间转化为经纬度网格;
热力关联网格关联模块,用于根据飞行目标的当前位置和预先设置的任务半径,将经纬度网格关联为该飞行目标的热力关联网格;
空中单元分布热力网格构建模块,用于根据任务空间中的飞行目标关联的热力关联网格,构建空中单元分布热力网格;
任务疑似编队识别模块,用于根据空中单元分布热力网格的热力值和该空中单元分布热力网格关联的飞行目标,确定任务空间中的任务疑似编队数据。
目标编队识别模块,用于获取任务疑似编队数据对应的疑似任务区域和飞行目标轨迹,根据时空一致性原则,确定任务疑似编队数据的目标编队以及目标编队的任务区域;
任务意图识别模块,用于根据目标编队中飞行目标的平台类型,以及任务区域中任务目标的任务目标类型,确定目标编队的任务意图。
其中一个实施例中,空中单元分布热力网格构建模块用于:根据任务空间中的飞行目标关联的热力关联网格,获取经纬度网格被关联为飞行目标的热力关联网格的次数值;根据该次数值生成经纬度网格的热力值,构建空中单元分布热力网格。
其中一个实施例中,任务疑似编队识别模块用于:当任务空间中空中单元分布热力网格的热力值大于预设值时,获取热力值最大的空中单元分布热力网格,根据与空中单元分布热力网格关联的飞行目标生成一个任务疑似编队,删除该任务疑似编队对应的飞行目标和热力关联网格;根据任务疑似编队确定任务空间中的任务疑似编队数据。
其中一个实施例中,目标编队识别模块用于:设任务空间中的任务疑似编队数据包括m个任务疑似编队f1、f2、……fm,其中任务疑似编队fi包括n个飞行目标pi-1、pi-2、……pi-n,设飞行目标在时刻T的经度值和纬度值分别为lonp(T)和latp(T),设当前时刻为T0,
前j个时刻由近到远分别为T-1、T-2、T-3、T-4、…T-k…T-j,获取所述任务疑似编队fi的n个所述飞行目标在T0、T-1、T-2、T-3、…T-k…T-j时刻的经纬度值,其中0<k<j;
根据经纬度值计算任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点值为:
根据该经纬度端点值计算任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点平均值为:
根据该经纬度端点平均值获得任务疑似编队的疑似任务区域;根据任务疑似编队fi的飞行目标在T0、T-1、……T-(k-1)时刻的经纬度值获得飞行目标在疑似任务区域内的出现次数,以及目标编队在T0、T-1、……T-(k-1)时刻的疑似任务区域的中心点位置;获取出现次数大于预设值的飞行目标的数量,当该数量大于预设值,且当该中心点位置间的距离小于预设值时,将该任务疑似编队fi确定为目标编队,将对应的疑似任务区域确定为该目标编队的任务区域。
在其中一个实施例中,经纬度网格生成模块用于:设任务空间的经纬度端点值为Lats、Late、Lons、Lone,按照预设的长度D将任务空间划分为纬度值间隔为LDlat、经度值间隔为LDlon的经纬度网格;设经纬度网格的纬度序号为Nlat、经度序号为Nlon,生成纬度序号、经度序号和经纬度网格的映射关系为:
在其中一个实施例中,热力关联网格关联模块用于:根据飞行目标的任务半径,确定飞行目标的任务面积;根据飞行目标的当前位置,将任务面积覆盖的经纬度网格关联为飞行目标的热力关联网格。
其中一个实施例中,任务意图识别模块用于:当目标编队中飞行目标的平台类型为对空平台或未知平台,且任务区域中任务目标的任务目标类型包括空中目标时,确定该目标编队的任务意图为近距离空中对抗。当目标编队中飞行目标的平台类型为对空平台或未知平台,且任务区域中任务目标的任务目标类型仅为地面目标时,确定该目标编队的任务意图为临空对地对抗。当目标编队中飞行目标的平台类型为对地平台,且任务区域中任务目标的任务目标类型包括空中目标时,确定该目标编队的任务意图为近距离空中对抗。当目标编队中飞行目标的平台类型为对地平台,且任务区域中任务目标的任务目标类型仅为地面目标时,确定该目标编队的任务意图为临空对地对抗。当任务区域中未检测到任务目标时,确定目标编队的任务意图为集结待命。
关于基于单元分布热力网格的目标任务意图识别装置的具体限定可以参见上文中对于基于单元分布热力网格的目标任务意图识别方法的限定,在此不再赘述。上述基于单元分布热力网格的目标任务意图识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储飞行目标的航迹,任务疑似编队数据及其对应的疑似任务范围,目标编队及其对应的任务范围、任务意图,任务空间的经纬度等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于单元分布热力网格的目标任务意图识别方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述任意一个实施例中方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述任意一个实施例中方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于单元分布热力网格的目标任务意图识别方法,所述方法包括:
获取任务空间的经纬度数据;
根据所述经纬度数据,将所述任务空间转化为经纬度网格;
根据飞行目标的当前位置和预先设置的任务半径,将所述经纬度网格关联为所述飞行目标的热力关联网格;
根据所述任务空间中的所述飞行目标关联的所述热力关联网格,构建空中单元分布热力网格;
根据所述空中单元分布热力网格的热力值和所述空中单元分布热力网格关联的所述飞行目标,确定所述任务空间中的任务疑似编队数据;
获取所述任务疑似编队数据对应的疑似任务区域和飞行目标轨迹,根据时空一致性原则,确定所述任务疑似编队数据的目标编队以及所述目标编队的任务区域;
根据所述目标编队中所述飞行目标的平台类型,以及所述任务区域中任务目标的任务目标类型,确定所述目标编队的任务意图。
2.根据权利要求1所述的方法,其特征在于,根据所述任务空间中的所述飞行目标关联的所述热力关联网格,构建所述空中单元分布热力网格的步骤包括:
根据所述任务空间中的所述飞行目标关联的所述热力关联网格,获取所述经纬度网格被关联为所述飞行目标的热力关联网格的次数值;
根据所述次数值生成所述经纬度网格的所述热力值,构建空中单元分布热力网格。
3.根据权利要求2所述的方法,其特征在于,根据所述空中单元分布热力网格的热力值和所述空中单元分布热力网格关联的所述飞行目标,确定所述任务空间中的任务疑似编队数据的步骤包括:
当所述任务空间中所述空中单元分布热力网格的所述热力值大于预设值时,获取所述热力值最大的所述空中单元分布热力网格,根据与所述空中单元分布热力网格关联的所述飞行目标生成一个任务疑似编队,删除所述任务疑似编队对应的所述飞行目标和所述热力关联网格;
根据所述任务疑似编队确定所述任务空间中的所述任务疑似编队数据。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,获取所述任务疑似编队数据的疑似任务区域,根据时空一致性原则,确定所述任务疑似编队数据的目标编队以及所述目标编队的任务区域的步骤包括:
设所述任务空间中的所述任务疑似编队数据包括m个所述任务疑似编队f1、f2、……fm,其中所述任务疑似编队fi包括n个所述飞行目标pi-1、pi-2、……pi-n,设所述飞行目标在时刻T的经度值和纬度值分别为lonp(T)和latp(T),设当前时刻为T0,前j个时刻由近到远分别为T-1、T-2、T-3、T-4、…T-k…T-j,获取所述任务疑似编队fi的n个所述飞行目标在T0、T-1、T-2、T-3、…T-k…T-j时刻的经纬度值,其中0<k<j;
根据所述经纬度值计算所述任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的所述经纬度端点值为:
根据所述经纬度端点值计算所述任务疑似编队fi在T-k、T-(k+1)、……T-j时刻的经纬度端点平均值为:
根据所述经纬度端点平均值获得所述任务疑似编队的所述疑似任务区域;
根据所述任务疑似编队fi的所述飞行目标在T0、T-1、……T-(k-1)时刻的所述经纬度值获得所述飞行目标在所述疑似任务区域内的出现次数,以及所述目标编队在T0、T-1、……T-(k-1)时刻的所述疑似任务区域的中心点位置;
获取所述出现次数大于预设值的所述飞行目标的数量,当所述数量大于预设值,且当所述中心点位置间的距离小于预设值时,将所述任务疑似编队fi确定为目标编队,将所述疑似任务区域确定为所述目标编队的任务区域。
6.根据权利要求1所述的方法,其特征在于,根据飞行目标的当前位置和预先设置的任务半径,将所述经纬度网格关联为所述飞行目标的热力关联网格的步骤包括:
根据所述飞行目标的所述任务半径,确定所述飞行目标的任务面积;
根据所述飞行目标的所述当前位置,将所述任务面积覆盖的所述经纬度网格关联为所述飞行目标的所述热力关联网格。
7.根据权利要求1所述的方法,其特征在于,根据所述目标编队中所述飞行目标的所述平台类型,以及所述任务区域中所述任务目标的所述任务目标类型,确定所述目标编队的所述任务意图的步骤包括:
当所述目标编队中所述飞行目标的所述平台类型为对空平台或未知平台,且所述任务区域中所述任务目标的所述任务目标类型包括空中目标时,确定所述目标编队的所述任务意图为近距离空中对抗;
当所述目标编队中所述飞行目标的所述平台类型为对空平台或未知平台,且所述任务区域中所述任务目标的所述任务目标类型仅为地面目标时,确定所述目标编队的所述任务意图为临空对地对抗;
当所述目标编队中所述飞行目标的所述平台类型为对地平台,且所述任务区域中所述任务目标的所述任务目标类型包括空中目标时,确定所述目标编队的所述任务意图为近距离空中对抗;
当所述目标编队中所述飞行目标的所述平台类型为对地平台,且所述任务区域中所述任务目标的所述任务目标类型仅为地面目标时,确定所述目标编队的所述任务意图为临空对地对抗;
当所述任务区域中未检测到所述任务目标时,确定所述目标编队的所述任务意图为集结待命。
8.一种基于单元分布热力网格的目标任务意图识别装置,所述装置包括:
经纬度数据获取模块,用于获取任务空间的经纬度数据;
经纬度网格生成模块,用于根据所述经纬度数据,将所述任务空间转化为经纬度网格;
热力关联网格关联模块,用于根据飞行目标的当前位置和预先设置的任务半径,将所述经纬度网格关联为所述飞行目标的热力关联网格;
空中单元分布热力网格构建模块,用于根据所述任务空间中的所述飞行目标关联的所述热力关联网格,构建空中单元分布热力网格;
任务疑似编队识别模块,用于根据所述空中单元分布热力网格的热力值和所述空中单元分布热力网格关联的所述飞行目标,确定所述任务空间中的任务疑似编队数据;
目标编队识别模块,用于获取所述任务疑似编队数据对应的疑似任务区域和飞行目标轨迹,根据时空一致性原则,确定所述任务疑似编队数据的目标编队以及所述目标编队的任务区域;
任务意图识别模块,用于根据所述目标编队中所述飞行目标的平台类型,以及所述任务区域中任务目标的任务目标类型,确定所述目标编队的任务意图。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010697759.5A CN111783231B (zh) | 2020-07-20 | 2020-07-20 | 基于单元分布热力网格的目标任务意图识别方法和装置 |
US17/379,182 US20220027636A1 (en) | 2020-07-20 | 2021-07-19 | Target Task Intention Identifying Method and Device Based on Unit Distribution Thermal Grid |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010697759.5A CN111783231B (zh) | 2020-07-20 | 2020-07-20 | 基于单元分布热力网格的目标任务意图识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783231A CN111783231A (zh) | 2020-10-16 |
CN111783231B true CN111783231B (zh) | 2021-04-27 |
Family
ID=72763531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010697759.5A Active CN111783231B (zh) | 2020-07-20 | 2020-07-20 | 基于单元分布热力网格的目标任务意图识别方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220027636A1 (zh) |
CN (1) | CN111783231B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115235468A (zh) * | 2022-06-21 | 2022-10-25 | 中国科学院自动化研究所 | 基于热力图的决策方法、装置、电子设备及存储介质 |
CN115061501B (zh) * | 2022-07-28 | 2022-11-22 | 中国人民解放军空军预警学院 | 一种空中编队队形的编码数据识别方法及系统 |
CN117252129B (zh) * | 2023-11-17 | 2024-02-20 | 中国空气动力研究与发展中心高速空气动力研究所 | 参数化的编队飞行气动干扰快速预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104406589A (zh) * | 2014-11-13 | 2015-03-11 | 中国测绘科学研究院 | 一种飞行器穿越雷达区的飞行方法 |
CN105469645A (zh) * | 2014-09-30 | 2016-04-06 | 波音公司 | 飞行目标通信系统 |
CN108921219A (zh) * | 2018-07-03 | 2018-11-30 | 中国人民解放军国防科技大学 | 基于目标航迹的机型识别方法 |
CN109947130A (zh) * | 2019-04-03 | 2019-06-28 | 广东电网有限责任公司 | 一种基于网格化管理的输电多机编队巡视管理方法和系统 |
CN109996241A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团贵州有限公司 | 无人机基站升空信息的确定方法、确定装置、设备及介质 |
CN110108284A (zh) * | 2019-05-24 | 2019-08-09 | 西南交通大学 | 一种顾及复杂环境约束的无人机三维航迹快速规划方法 |
CN111028548A (zh) * | 2019-12-11 | 2020-04-17 | 中国人民解放军93209部队 | 一种基于飞行热力图的无人机适飞空域划设方法及应用 |
CN111373339A (zh) * | 2019-05-17 | 2020-07-03 | 深圳市大疆创新科技有限公司 | 飞行任务生成方法、控制终端、无人飞行器及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336863B (zh) * | 2013-06-24 | 2016-06-01 | 北京航空航天大学 | 基于雷达飞行航迹观测数据的飞行意图识别方法 |
EP2916308B1 (en) * | 2014-03-07 | 2016-05-25 | The Boeing Company | An aircraft intent processor |
US10529221B2 (en) * | 2016-04-19 | 2020-01-07 | Navio International, Inc. | Modular approach for smart and customizable security solutions and other applications for a smart city |
CN111782755B (zh) * | 2020-07-20 | 2021-05-25 | 中国人民解放军国防科技大学 | 基于虚拟网格字典的目标行进类意图识别方法和装置 |
-
2020
- 2020-07-20 CN CN202010697759.5A patent/CN111783231B/zh active Active
-
2021
- 2021-07-19 US US17/379,182 patent/US20220027636A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469645A (zh) * | 2014-09-30 | 2016-04-06 | 波音公司 | 飞行目标通信系统 |
CN104406589A (zh) * | 2014-11-13 | 2015-03-11 | 中国测绘科学研究院 | 一种飞行器穿越雷达区的飞行方法 |
CN109996241A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团贵州有限公司 | 无人机基站升空信息的确定方法、确定装置、设备及介质 |
CN108921219A (zh) * | 2018-07-03 | 2018-11-30 | 中国人民解放军国防科技大学 | 基于目标航迹的机型识别方法 |
CN109947130A (zh) * | 2019-04-03 | 2019-06-28 | 广东电网有限责任公司 | 一种基于网格化管理的输电多机编队巡视管理方法和系统 |
CN111373339A (zh) * | 2019-05-17 | 2020-07-03 | 深圳市大疆创新科技有限公司 | 飞行任务生成方法、控制终端、无人飞行器及存储介质 |
CN110108284A (zh) * | 2019-05-24 | 2019-08-09 | 西南交通大学 | 一种顾及复杂环境约束的无人机三维航迹快速规划方法 |
CN111028548A (zh) * | 2019-12-11 | 2020-04-17 | 中国人民解放军93209部队 | 一种基于飞行热力图的无人机适飞空域划设方法及应用 |
Non-Patent Citations (3)
Title |
---|
"CSAN: A neural network benchmark model for crime forecasting in spatio-temporal scale";Qi Wang .ect;《Knowledge-Based Systems》;20200215;第189卷;第1-16页 * |
"UAV Autonomous Target Search Based on Deep Reinforcement Learning in Complex Disaster Scene";CHUNXUE WU .etc;《IEEE Access》;20190904;第7卷;第117227-117245页 * |
"基于作战模式驱动的巡航导弹协同作战任务规划研究";张明星 等;《指挥与控制学报》;20180315;第4卷(第1期);第69-72页 * |
Also Published As
Publication number | Publication date |
---|---|
US20220027636A1 (en) | 2022-01-27 |
CN111783231A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783231B (zh) | 基于单元分布热力网格的目标任务意图识别方法和装置 | |
US11669110B2 (en) | Control system based on multi-unmanned aerial vehicle cooperative strategic confrontation | |
Li et al. | Trajectory planning for UAV based on improved ACO algorithm | |
Ru et al. | Distributed cooperative search control method of multiple UAVs for moving target | |
CN111782755B (zh) | 基于虚拟网格字典的目标行进类意图识别方法和装置 | |
CN113778127B (zh) | 基于遗传算法的无人机侦察路径规划方法及装置 | |
CN112731961B (zh) | 路径规划方法、装置、设备及存储介质 | |
CN108337685B (zh) | 基于分簇dgm的无线传感器网络数据融合方法 | |
CN114812569B (zh) | 一种追逃博弈机动航天器相对状态估计方法、装置和设备 | |
CN113627749A (zh) | 基于卷积神经网络的毁伤效能评估和火力规划方法 | |
CN105144207A (zh) | 用于优化资源分配计划的方法及设备 | |
CN117270561B (zh) | 基于无人机目标跟踪的赋予诸元方法和系统 | |
An et al. | Know where you are: A practical privacy-preserving semi-supervised indoor positioning via edge-crowdsensing | |
Medeiros et al. | Computational modeling for automatic path planning based on evaluations of the effects of impacts of UAVs on the ground | |
Zu et al. | Research on UAV path planning method based on improved HPO algorithm in multi-task environment | |
CN116820121B (zh) | 一种无人机群体联合侦查策略生成方法及终端 | |
Ye et al. | Multi-UAV task assignment based on satisficing decision algorithm | |
Fu et al. | Air combat assignment problem based on bayesian optimization algorithm | |
Chen et al. | Integrated air-ground vehicles for uav emergency landing based on graph convolution network | |
CN116258960A (zh) | 基于结构化电磁散射特征的sar目标识别方法及装置 | |
Duan et al. | Route planning method design for UAV under radar ECM scenario | |
CN108882271A (zh) | 一种基于标签多伯努利分布的非共视多传感器融合方法 | |
Liang et al. | Optimization of spatiotemporal clustering for target tracking from multisensor data | |
CN117690040B (zh) | 一种目标场景确定方法、装置及设备 | |
CN113805587B (zh) | 多无人车分布式编队控制方法、装置和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |