CN111783739A - 一种通信辐射源相似运动轨迹比较方法 - Google Patents
一种通信辐射源相似运动轨迹比较方法 Download PDFInfo
- Publication number
- CN111783739A CN111783739A CN202010741790.4A CN202010741790A CN111783739A CN 111783739 A CN111783739 A CN 111783739A CN 202010741790 A CN202010741790 A CN 202010741790A CN 111783739 A CN111783739 A CN 111783739A
- Authority
- CN
- China
- Prior art keywords
- track
- traj
- similarity
- trajectory
- semantic
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于通信和移动感知技术领域,特别是涉及一种通信辐射源相似运动轨迹比较方法。该方法包括步骤:获取目标通信辐射源的查询轨迹和待比较轨迹;所述查询轨迹为已知的历史轨迹数据;提取查询轨迹和待比较轨迹的时空信息,计算两者的时空相似度;提取查询轨迹和待比较轨迹的语义标签,并计算查询轨迹和待比较轨迹的语义相似度;设置两个加权值,分别乘以时空相似度和语义相似度,并求和得到综合相似度;将综合相似度与预先设定的阈值相比较,若大于阈值,则判定所述待比较轨迹判断为查询轨迹的相似轨迹。本发明结合辐射源时空和语义信息,充分利用轨迹携带的信息,找出相似的轨迹,提高相似比较的准确度,对数据的完整性要求降低,鲁棒性强。
Description
技术领域
本发明属于通信和移动感知技术领域,特别是涉及一种通信辐射源相似运动轨迹比较方法。
背景技术
在GPS、北斗卫星定位等技术的辅助下,所有携带有感知设备或定位设备的运动载体带来了海量的轨迹数据。通过对通信辐射源运动轨迹的分析,可以挖掘运动主体或其载体平台的活动规律和移动特征等相关信息。轨迹数据的处理呈现递进式的关系:首先要对获得的运动轨迹数据进行预处理,包括数据清理、轨迹压缩、路网匹配等;其次根据应用和实际需求,借助数据库、数据挖掘领域等技术方法进行轨迹索引、查询;最后,在得到处理好的轨迹数据后,通过异常检测、模式分类、走向和喜好预测等操作,就能够获得有价值的轨迹和运动行为信息,服务于实际应用。
对于静态轨迹数据,若不考虑轨迹数据的时变性,由于轨迹数据是已知的,那么基于历史轨迹数据的全局特征所构建的模型,具有较高的检测精度。因此,基于历史轨迹相似性的轨迹分析技术在航海、路网交通等领域应用广泛。
一般来说,轨迹数据最大的特征在于其时空序列性,现有的运动轨迹研究主要分为两类:一类是基于传统的地理信息系统,直接对时空数据如距离、方向、速度等进行处理、分析;另一类是对轨迹数据进行延伸,从不同的粒度、层面和视角分析丰富的轨迹数据,以此对轨迹数据所蕴含的信息展开更全面的分析、理解。
移动对象轨迹的产生多具有主观性,使得轨迹同时携带时空信息和语义信息。时空信息主要是指轨迹序列点在时间和空间上的位置,如现下的卫星定位系统获取到的经纬度数据。语义信息相比之下就更为丰富,如轨迹的方向、加减速等行为,轨迹所经过的地区,移动对象的移动偏好,定位接收器参数等,都可以作为轨迹的语义信息来分。显而易见,借鉴多粒度、多角度的运动轨迹分析方法,在先验信息充足或信息获取技术手段成熟的条件下,同时关注时空轨迹和语义轨迹,挖掘相似的运动轨迹,能够为我们对轨迹群运动模式分类识别以及挖掘、发现海量运动轨迹背后所蕴含的信息提供更好的帮助。
发明内容
为了解决上述技术问题,本发明主要提供了一种结合时空和语义信息的通信辐射源相似运动轨迹分析方法,将时空轨迹和语义轨迹相结合,分析比较相似的辐射源运动轨迹。辐射源相似运动轨迹的比较和分析,一方面能够为轨迹分类,轨迹群运动模式识别提供知识基础,另一方面也可以作为后续异常检测、行为认知决策的辅助。具体技术方案如下:
一种通信辐射源相似运动轨迹比较方法,包括以下步骤:
获取目标通信辐射源的查询轨迹和待比较轨迹;所述查询轨迹为已知的历史轨迹数据;
提取查询轨迹和待比较轨迹的时空信息,计算查询轨迹和待比较轨迹的时空相似度;所述轨迹的时空信息包括经纬度和采样时间;
提取查询轨迹和待比较轨迹的语义标签,对查询轨迹和待比较轨迹的语义标签进行匹配,并计算查询轨迹和待比较轨迹的语义相似度;所述轨迹的语义标签包括信号特征参数和地理热点地区;
设置两个加权值,分别乘以时空相似度和语义相似度,并求和得到综合相似度;
将综合相似度与预先设定的阈值相比较,若大于阈值,则判定所述待比较轨迹判断为查询轨迹的相似轨迹,输出待比较轨迹。
进一步地,所述时空相似度的计算过程为:
将轨迹A映射到三维空间中,那么该轨迹表示为Traj={X1,X2,...,XN},其中Xi=(xi,yi,ti),i=1,2,...,N为轨迹序列上每一个点的向量表示,xi,yi,ti分别表示经度值、纬度值和采样时间,假设X1=(x1,y1,t1)和X2=(x2,y2,t2)是Traj中任意两个不同向量,那么X1和X2之间的马氏距离为:
DMah(X1,X2)=(X1-X2)WC-1WΤ(X1-X2)T,
将TrajA和TrajB按时间顺序分割为k个子轨迹对,表示为(TrajA1,TrajB1),...,(TrajAk,TrajBk),分别计算这k个待分析子轨迹对的距离得到对每一个子轨迹对构造相似子轨迹标记向量index=[index(1),index(2),...,index(k)],其中
其中thdis为判定子轨迹对(TrajAi,TrajBi)相似的门限值;
计算得到TrajA和TrajB的时空相似度Sims-t为
其中,l=[l1,l2,...,lk],其中li为每一个TrajBi的长度,即TrajBi中的数据点数量乘以采样间隔,i=1,2,...,k,N为TrajB的数据点数量。
进一步地,所述语义相似度的计算过程为:
已知轨迹数据集T,建立各轨迹的语义标签{SI1,SI2,...,SIP},其中SIp,p=1,2,...,P为各轨迹语义标签,P为数据集中轨迹数量,设SIp=<SIp1,SIp2,...,SIpQ>为第p条轨迹的语义标签,Q为语义标签中的语义信息数量,对任意两条轨迹的语义标签SIp和SIp′,则有语义相似度为:
sim(pq,p′q)表示语义标签相似判断值,Sim(p,p′)表示语义相似度。
进一步地,所述综合相似度求解过程为:
设两条轨迹的时空相似度为Sims-t、语义相似度为Simsem,将其进行加权求和得到两轨迹间的综合相似度Simlarity(trajr,H):
Simlarity(trajr,H)=ω1Sims-t+ω2Simsem,
其中ω1、ω2表示加权值,且ω1、ω2∈(0,1),trajr为查询轨迹,H为待检测轨迹。
所述查询轨迹需事先确定,作为判定相似的对照和标准,本发明不讨论何种轨迹可以作为查询轨迹。
所述待比较轨迹的含义是相对于查询轨迹,实践者需要了解比较的轨迹。
所述时空信息的具体格式为<经度,纬度,采样时间>或者<定位点,采样时间>。
所述语义标签中的信号特征参数包括工作频率(或基带频率),发射功率,工作带宽,信号调制样式;地理热点地区包括辐射源平台或载体的是否经过敏感地区,是否经过热点地区。具体格式为<信号特征参数,地理热点地区>;
采样本发明获得的有益效果是:本发明基于现有轨迹相似性分析方法的优点和不足,不再局限于对轨迹时空数据的分析处理,引入了辐射源语义信息,结合通信辐射源自身特点,实现对相似的通信辐射源轨迹更为准确的分析和判断。充分利用各种信息的价值,提高相似比较的准确度和精度,为后续的决策应用提供很好的辅助,并且可以作为一种思路,根据实际应用及需要,适用于多种类型运动主体和轨迹。
附图说明
图1是结合时空和语义信息的通信辐射源相似运动轨迹比较流程示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的有点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的解释。
请参阅图1,本发明提供了一个具体实施例,具体步骤如下:
(1)从已知的通信辐射源运动轨迹数据群中确定一条查询轨迹和提取待比较轨迹共370个样本,为待比较的辐射源轨迹建立标号;h表示某条待检测轨迹,取值分别为1、2、…、370。
(2)对于查询轨迹和第h条待比较轨迹,先根据<经度,纬度,采样时间>计算轨迹间的马氏距离,再基于距离结果计算时空相似度Sims-t;
(3)在计算时空相似度的同时,提取并建立查询轨迹和第h个待比较轨迹的语义标签<工作频率,调制样式,发射功率,经过敏感地区情况,经过热点地区情况>,其中如若经过敏感/热点地区,则经过敏感地区情况/经过热点地区情况设为1,否则设为0,工作频率、调制样式、发射功率均为数值型数据;
(4)分别设定时空和语义信息的权值ω1=1、ω2=1和ω1=1.05、ω2=0.85,加权求得查询轨迹和第k个待比较轨迹的综合相似度Similarity1,Similarity2;
(5)设定最小相似阈值thsim为0.6,大于该阈值判定第k个待比较轨迹与查询轨迹相似,输出比较结果,进入第h+1个待比较轨迹的相似比较流程。
实验中会出现相似轨迹判定为相似轨迹、相似轨迹误判为不相似轨迹、不相似轨迹误判为相似轨迹、不相似轨迹判定为不相似轨迹四种情况,仿真实验表明,实施例中的两组权值得到的综合相似度的相似比较结果准确率达到91.3%和99.4%,说明该发明能够很好地完成相似比较任务,准确率高。具体实验结果详见表一和表二。
表一设定ω1=1、ω2=1时对370条待比较轨迹的相似比较结果
表二设定ω1=1.05、ω2=0.85时对370条待比较轨迹的相似比较结果
基于马氏距离计算轨迹间的时空相似度,是考虑到马氏距离能够应用于多维数据的距离计算,可以同时考虑空间数据和时间数据,提高相似分析的准确度和灵活性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡事利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用于其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种通信辐射源相似运动轨迹比较方法,其特征在于,包括以下步骤:
获取目标通信辐射源的查询轨迹和待比较轨迹;所述查询轨迹为已知的历史轨迹数据;
提取查询轨迹和待比较轨迹的时空信息,计算查询轨迹和待比较轨迹的时空相似度;所述轨迹的时空信息包括经纬度和采样时间;
提取查询轨迹和待比较轨迹的语义标签,对查询轨迹和待比较轨迹的语义标签进行匹配,并计算查询轨迹和待比较轨迹的语义相似度;所述轨迹的语义标签包括信号特征参数和地理热点地区;
设置两个加权值,分别乘以时空相似度和语义相似度,并求和得到综合相似度;
将综合相似度与预先设定的阈值相比较,若大于阈值,则判定所述待比较轨迹判断为查询轨迹的相似轨迹,输出待比较轨迹。
2.如权利要求1所述的一种通信辐射源相似运动轨迹比较方法,其特征在于,所述时空相似度的计算过程为:
将轨迹A映射到三维空间中,那么该轨迹表示为Traj={X1,X2,...,XN},其中Xi=(xi,yi,ti),i=1,2,...,N为轨迹序列上每一个点的向量表示,xi,yi,ti分别表示经度值、纬度值和采样时间,假设X1=(x1,y1,t1)和X2=(x2,y2,t2)是Traj中任意两个不同向量,那么X1和X2之间的马氏距离为:
DMah(X1,X2)=(X1-X2)WC-1WΤ(X1-X2)T,
将TrajA和TrajB按时间顺序分割为k个子轨迹对,表示为(TrajA1,TrajB1),...,(TrajAk,TrajBk),分别计算这k个待分析子轨迹对的距离得到对每一个子轨迹对构造相似子轨迹标记向量index=[index(1),index(2),...,index(k)],其中
其中thdis为判定子轨迹对(TrajAi,TrajBi)相似的门限值;
计算得到TrajA和TrajB的时空相似度Sims-t为
其中,l=[l1,l2,...,lk],其中li为每一个TrajBi的长度,即TrajBi中的数据点数量乘以采样间隔,i=1,2,...,k,N为TrajB的数据点数量。
4.如权利要求1所述的一种通信辐射源相似运动轨迹比较方法,其特征在于,所述综合相似度求解过程为:
设两条轨迹的时空相似度为Sims-t、语义相似度为Simsem,将其进行加权求和得到两轨迹间的综合相似度Simlarity(trajr,H):
Simlarity(trajr,H)=ω1Sims-t+ω2Simsem,
其中ω1、ω2表示加权值,且ω1、ω2∈(0,1),trajr为查询轨迹,H为待检测轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010741790.4A CN111783739A (zh) | 2020-07-29 | 2020-07-29 | 一种通信辐射源相似运动轨迹比较方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010741790.4A CN111783739A (zh) | 2020-07-29 | 2020-07-29 | 一种通信辐射源相似运动轨迹比较方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111783739A true CN111783739A (zh) | 2020-10-16 |
Family
ID=72765341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010741790.4A Pending CN111783739A (zh) | 2020-07-29 | 2020-07-29 | 一种通信辐射源相似运动轨迹比较方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783739A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732929A (zh) * | 2021-01-06 | 2021-04-30 | 东莞理工学院 | 一种基于本体的移动轨迹建模和语义查询系统及构建方法 |
CN115795115A (zh) * | 2023-02-11 | 2023-03-14 | 云南师范大学 | 一种基于图存储的多轨迹集合相似性搜索方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537241A (zh) * | 2017-03-02 | 2018-09-14 | 镇江雅迅软件有限责任公司 | 一种楼宇运动物体轨迹相似性度量方法 |
CN108765459A (zh) * | 2018-04-18 | 2018-11-06 | 中国人民解放军国防科技大学 | 基于小轨迹图关联模型的半在线视觉多目标跟踪方法 |
CN110888912A (zh) * | 2019-10-15 | 2020-03-17 | 中国人民解放军国防科技大学 | 基于时空大数据的目标行为语义轨迹预测方法 |
-
2020
- 2020-07-29 CN CN202010741790.4A patent/CN111783739A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537241A (zh) * | 2017-03-02 | 2018-09-14 | 镇江雅迅软件有限责任公司 | 一种楼宇运动物体轨迹相似性度量方法 |
CN108765459A (zh) * | 2018-04-18 | 2018-11-06 | 中国人民解放军国防科技大学 | 基于小轨迹图关联模型的半在线视觉多目标跟踪方法 |
CN110888912A (zh) * | 2019-10-15 | 2020-03-17 | 中国人民解放军国防科技大学 | 基于时空大数据的目标行为语义轨迹预测方法 |
Non-Patent Citations (2)
Title |
---|
YUFAN JI 等: "A Method for LSTM-Based Trajectory Modeling and Abnormal Trajectory Detection", 《IEEE ACCESS》 * |
季玙璠 等: "通信辐射源运动轨迹相似性分析", 《系统工程与电子技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732929A (zh) * | 2021-01-06 | 2021-04-30 | 东莞理工学院 | 一种基于本体的移动轨迹建模和语义查询系统及构建方法 |
CN115795115A (zh) * | 2023-02-11 | 2023-03-14 | 云南师范大学 | 一种基于图存储的多轨迹集合相似性搜索方法 |
CN115795115B (zh) * | 2023-02-11 | 2023-05-02 | 云南师范大学 | 一种基于图存储的多轨迹集合相似性搜索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110012428B (zh) | 一种基于WiFi的室内定位方法 | |
CN109640269B (zh) | 基于csi与时域融合算法的指纹定位方法 | |
CN104064051B (zh) | 一种乘客便携移动终端与所乘公交车辆定位信息动态匹配方法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN111783739A (zh) | 一种通信辐射源相似运动轨迹比较方法 | |
CN111949896B (zh) | 基于轨迹大数据的轨迹异常检测方法 | |
CN111175719B (zh) | 基于bp神经网络的智能航迹起始方法 | |
CN110049549A (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
CN111405461B (zh) | 一种优化等间隔指纹采样个数的无线室内定位方法 | |
CN103096465B (zh) | 一种环境自适应的多目标直接定位方法 | |
CN109979194B (zh) | 基于马尔可夫链的重型车辆坡道爬行行为识别方法 | |
CN115795332A (zh) | 一种用户出行模式识别的方法 | |
Zhang et al. | Floor recognition based on SVM for WiFi indoor positioning | |
Feng et al. | Magnetic sensor-based multi-vehicle data association | |
CN112580479A (zh) | 一种基于空洞卷积神经网络的地磁式室内定位系统 | |
CN111783738A (zh) | 一种通信辐射源异常运动轨迹检测方法 | |
Shen et al. | Retrieving similar trajectories from cellular data at city scale | |
CN111583649A (zh) | 一种rfid时空数据交通流特征参数预测方法 | |
Liu et al. | Novel robust indoor device-free moving-object localization and tracking using machine learning with Kalman filter and smoother | |
Elleuch et al. | Collection and exploration of GPS based vehicle traces database | |
CN112013842A (zh) | 一种基于图像地磁场和惯性传感器的多模态室内定位方法 | |
Kajioka et al. | Comparative sequential pattern mining of human trajectory data collected from a campus-wide BLE beacon system | |
CN113596757A (zh) | 一种基于集成宽度学习的快速高精度室内指纹定位方法 | |
Chen et al. | Sparse recovery with attention: A hybrid data/model driven solution for high accuracy position and channel tracking at mmWave | |
Mo et al. | Extraction of V2V Encountering Scenarios from Naturalistic Driving Database |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201016 |
|
RJ01 | Rejection of invention patent application after publication |