CN117574693B - 一种反无人机模拟训练目标数据生成方法及装置 - Google Patents

Abstract

本发明公开了一种反无人机模拟训练目标数据生成方法及装置，该方法包括：获取无人机的规格参数，对无人机的规格参数进行分类分别确定无人机的运动数据和特征数据；将运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定泛型模型；将无人机的运动数据和特征数据分别代入至泛型模型当中，分别确定泛型模型当中的未定系数以确定无人机的运动模型和反无人机特征模型；根据运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对模拟训练数据生成模型实例化确定模拟训练数据。本发明解决了现有技术中在进行训练数据时效率低且效果不佳的问题。

Description

一种反无人机模拟训练目标数据生成方法及装置

技术领域

本发明涉及反无人机训练技术领域，特别涉及一种反无人机模拟训练目标数据生成方法及装置。

背景技术

随着无人机的广泛应用，针对无人机的反制手段也逐渐兴起。由于目标及环境的多样性，要熟练运用无人机反制装备，需进行大量演练。为降低演练成本，反无人机模拟训练系统使用频繁，而在模拟训练系统中如何生成适用的模拟目标数据，是重难点之一。

传统方式主要有以下两种解决方案。方式一：采用常规的目标生成方式，不考虑无人机材质、通信频段、导航制式等具体参数，直接使用通用的无人机运动模型，生成目标数据。由于反无人机系统较为特殊，需针对目标进行各种无人机反制手段（链路干扰、导航干扰、导航诱骗、激光打击等），使用常规的无人机运动模型无法对无人机反制手段进行响应，大多采取程式化的统一应答。此种方式实现简单，但缺点明显。现实中无人机规格型号复杂，不同规格型号的无人机在面对相同的反制手段时，表现效果差异极大。其生成方式过于粗糙，无法反映真实世界的反无人机作战情况。仅可适用于熟悉基本操作的初级训练，训练过程体验一般。方式二：是针对性的选取无人机进行建模，期间需专业人士依据无人机具体情况，建立无人机运动过程、抗干扰情况的数学模型，计算出对应的数学系数，再依据数学模型采用计算机语言建立仿真实体。该方法仿真程度高，但市面上无人机种类繁多，逐一进行数学建模工作量巨大，且反无人机模拟训练系统的实际用户不具备相关专业知识，无法依据应用情况进行目标种类扩展，形式上较为呆板。

因此，现有技术当中，无人机的模拟目标数据生成方式无法兼顾高效与效果好的问题。

发明内容

有鉴于此，本发明的目的在于提供一种反无人机模拟训练目标数据生成方法及装置，旨在解决现有技术中在无人机的模拟目标数据生成方式无法兼顾高效与效果佳的问题。

本发明实施例是这样实现的：

一种反无人机模拟训练目标数据生成方法，所述方法包括：

获取无人机的规格参数，将获取到的所述无人机的规格参数输入预设的目标模板当中进行提交以对所述无人机的规格参数进行分类分别确定所述无人机的运动数据和特征数据；

将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；

将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型；

根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据。

进一步的，上述反无人机模拟训练目标数据生成方法，其中，所述将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型的步骤包括：

采用特征加权匹配法，分别对所述运动数据和特征数据当中包含的特征进行加权，通过加权后的数据特征与泛型模型的模型特征匹配，并将匹配度最高的所述泛型模型作为目标。

进一步的，上述反无人机模拟训练目标数据生成方法，其中，所述将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型的步骤包括：

确定所述目标运动泛型模型以及目标反无人机特征泛型模型后，将所属的模板数据进行逐项代入，以确定所述目标运动泛型模型以及目标反无人机特征泛型模型的未定系数。

进一步的，上述反无人机模拟训练目标数据生成方法，其中，所述确定所述目标运动泛型模型以及目标反无人机特征泛型模型的未定系数的步骤之后还包括：

配合所述目标运动泛型模型以及目标反无人机特征泛型模型自身的目标规则校验及现实世界物理规则，修正异常系数，确定最终未定系数取值。

进一步的，上述反无人机模拟训练目标数据生成方法，其中，所述根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据的步骤之后还包括：

当接收到新的航路规划将通过所述模拟训练数据生成模型改变运动状态；

当接收到新的时序将通过所述模拟训练数据生成模型跳转至目的时刻的目标状态；

当接收到无人机反制信息，将依据反制信息的具体条件计算行为触发参数，从而匹配行为特征，确认是否转变模型状态。

进一步的，上述反无人机模拟训练目标数据生成方法，其中，所述目标模板包括名称栏、元素分类栏以及对应的填写内容栏；

所述名称栏至少包括无人机类型、主要材质、尺寸、最大垂直速度、最大水平速度、最小飞行速度；

所述元素分类栏包括运动模型和特征模型。

进一步的，上述反无人机模拟训练目标数据生成方法，其中，所述方法还包括：

获取无人机训练内容规划目标航路，通过所述规划目标航路根据所述训练内容对所述无人机进行训练；

在训练过程中获取无人机接收到的反制手段数据，并将所述反制手段数据以数据流形式输入实例化后的所述模拟训练数据生成模型中以生成对应的目标模拟训练数据。

本发明的另一个目的在于提供一种反无人机模拟训练目标数据生成装置，所述装置包括：

获取模块，用于获取无人机的规格参数，将获取到的所述无人机的规格参数输入预设的目标模板当中进行提交以对所述无人机的规格参数进行分类分别确定所述无人机的运动数据和特征数据；

匹配模块，用于将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；

确定模块，用于将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型；

生成模块，用于根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据。

本发明的另一个目的在于提供一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的方法的步骤。

本发明的另一个目的是提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法的步骤。

本发明通过获取无人机的规格参数，将获取到的无人机的规格参数输入预设的目标模板当中进行提交以对无人机的规格参数进行分类分别确定无人机的运动数据和特征数据；将运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；将无人机的运动数据和特征数据分别代入至目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定无人机的运动模型和反无人机特征模型；根据运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对模拟训练数据生成模型实例化以用于生成模拟训练数据，目标模板采用自然语言定义，能够可视化展示，仅需获取需生成无人机目标规格参数，依据填写说明即可自主完成新类型的反无人机目标数据生成，操作门槛低，仿真度高，且效率高，解决了现有技术当中的无人机模拟训练数据生成准确性低和效率低的问题。

附图说明

图1为本发明第一实施例中反无人机模拟训练目标数据生成方法的流程图；

图2为本发明一实施例中反无人机模拟训练目标数据生成方法中的模拟训练数据生成模型的获取过程示意图；

图3为本发明第三实施例中反无人机模拟训练目标数据生成装置的结构框图。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

以下将结合具体实施例和附图来详细说明如何提高反无人机模拟训练数据生成时的效率和准确性。

实施例一

请参阅图1，所示为本发明第一实施例中的反无人机模拟训练目标数据生成方法，所述方法包括步骤S10~S13。

步骤S10，获取无人机的规格参数，将获取到的所述无人机的规格参数输入预设的目标模板当中进行提交以对所述无人机的规格参数进行分类分别确定所述无人机的运动数据和特征数据。

其中，获取真实的无人机规格参数特征，具体的，可通过无人机产品规格书、实测资料、产品介绍等途经获取到无人机的真实规格参数，规格参数特征包括但不限于无人机类型、主要材质、尺寸、最大垂直速度以及最大水平速度等，接着将获取到的规格参数的具体的参数填入至目标模板当中进行提交，此时程序将自动对获取到的数据进行分类，分别得到与运动、特征相关的运动数据和特征数据。

具体的，目标模板为可视化的模板，包含有元素分类以及对应的填写内容，其中，用户可以通过操作界面对可视化模板当中的指定的参数进行填入，示例性的，目标模板当中的主要元素以及对应的填写内容可以如下表1所示。

表1

步骤S11，将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型。

其中，反无人机模拟系统的目标数据可分为两类，一类为目标实时运动信息，它与实时时间及航路规划强相关；另一类为反无人机目标特征数据，该类数据决定了在遭受到不同的无人机反制手段时所产生的特征行为。为提升模型本身的健壮性，针对这两类数据分别采用两套数学模型进行处理。

具体的，本发明实施例针对目标运动、反无人机特征两类模型预置了多种泛型模型。所谓泛型模型即具备该种模型主要特性但关键模型系数未准确推导的中间模型。依据模板元素分类原则，将模板数据元素进行分类，用分类后的数据去匹配预置的目标运动模型、反无人机特征模型所对应的泛型模型。

更具体的，将运动特征数据与特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型。

进一步的，在本发明一些可选的实施例当中，在进行泛型模型匹配时，采用特征加权匹配法，分别对运动数据和特征数据当中包含的特征进行加权，通过加权后的数据特征与泛型模型的模型特征匹配，并将匹配度最高的泛型模型作为目标。

步骤S12，将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型。

具体的，确定泛型模型后，将所属的模板数据进行逐项代入对应的泛型模型之后，可以对此前泛型模型当中的还未确定的参数/系数进行确定，从而可以确定无人机最终的运动模型和反无人机特征模型。

其中，作为本发明实施例当中的未定系数确定的其中一种实施方式，未定系数确定的步骤包括：

确定目标运动泛型模型以及目标反无人机特征泛型模型后，将所属的模板数据进行逐项代入，以确定目标运动泛型模型以及目标反无人机特征泛型模型的未定系数。

进一步的，将所属的模板数据进行逐项代入，逐步缩小泛型模型中未定系数的取值范围，配合所述目标运动泛型模型以及目标反无人机特征泛型模型自身的目标规则校验及现实世界物理规则，修正异常系数，最终确定未定系数取值。

例如通过无人机类型、主要材质、动力系统、载荷和尺寸，自动推算无人机重量范围，依据重量、最大悬停时间、最大运动速度、最大飞行时间以及常见的能量转换效率，推算动力系统能量密度，后续生成的无人机目标数据中的能量密度随着飞行时间的增加逐渐下降，下降速率系数可依据速度进行推算，随着能量密度下降受到激光打击时的毁伤效果也随之发生变化；

再如通过选择的导航制式，自动匹配对应导航制式的工作频段，当受到该频段的干扰等无人机反制手段时，依据导航信号中断行为匹配悬停/折返/迫降等运动行为模型，匹配的运动行为模型参数依据水平/垂直/飞行速度、无人机类型、动力系统等模板数据进行推导。

当推算出的模型系数明显不符合自然规律则进行舍弃（例如固定翼的无人机结合自身重量和最大速度，无法达到起飞速度；又如数传频段、图传频段与所选导航制式频段完全一致，易造成通讯干扰等），以固定范围阈值上/下限代替，并给予输出警告；

步骤S13，根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据。

其中，未定系数计算完成后，可匹配行为阈值确定特征行为，行为特征匹配完毕后，数据模型生成完成，运动模型和反无人机特征模型都是目标数据模型，接收到外部实例化指令后，即可用于生成模拟目标数据。待接收到实例化指令自动进行实例化。实例化后即可输出标准的Json或Protobuf形式的目标数据，并随着航路规划、时序、反制手段等信息输入，实时响应并更新目标数据。

需要说明的是，完成规则校验、修正异常系数后无人机目标数据模型已基本完成，作为无人机反制系统的模拟目标还差一个重要的部分，即受到激光打击、无线电干扰、导航欺骗、导航干扰等无人机反制手段后，目标会产生怎样的行为。此时由于无人机参数已经确定，可通过模板参数匹配行为阈值得出无人机受反制手段的影响阈值系数。实例化以后通过外部反制手段计算影响程度，与阈值进行匹配，确定是否改变无人机目标行为（例如依据参数模板生成的无人机X，通过尺寸、材质、动力系统等元素匹配内置的激光毁伤行为阈值系数为S，在实例化以后通过该系数参与计算，当该无人机受到20KW的激光源攻击，在距离2KM，正常大气条件无明显湍流情况下，激光在同一位置有效作用时间超过20s时可击穿无人机1.25mm厚的铝合金外表面，对无人机造成伤害，从而改变无人机飞行状态）。

为了进一步的更详细的描述本发明实施例的具体实施过程，如图2所示，在获取到元素后提交目标模板、分类、确定运动模型元素、特征模型元素、分别加权匹配得到运动泛型模型、特征泛型模型，后进行一系列的代入、修正以及匹配行为得到生成数据的模型。

综上，本发明上述实施例中的反无人机模拟训练目标数据生成方法，通过获取无人机的规格参数，将获取到的无人机的规格参数输入预设的目标模板当中进行提交以对无人机的规格参数进行分类分别确定无人机的运动数据和特征数据；将运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；将无人机的运动数据和特征数据分别代入至目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定无人机的运动模型和反无人机特征模型；根据运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对模拟训练数据生成模型实例化以用于生成模拟训练数据，目标模板采用自然语言定义，能够可视化展示，仅需获取需生成无人机目标规格参数，依据填写说明即可自主完成新类型的反无人机目标数据生成，操作门槛低，仿真度高，且效率高，解决了现有技术当中的无人机模拟训练数据生成准确性低和效率低的问题。

实施例二

本实施例也提出一种反无人机模拟训练目标数据生成方法，本实施例当中的反无人机模拟训练目标数据生成方法与实施例一当中的反无人机模拟训练目标数据生成方法的不同之处在于：

步骤S13之后还包括：

当接收到新的航路规划将通过所述模拟训练数据生成模型改变运动状态；

当接收到新的时序将通过所述模拟训练数据生成模型跳转至目的时刻的目标状态；

当接收到无人机反制信息，将依据反制信息的具体条件计算行为触发参数，从而匹配行为特征，确认是否转变模型状态。

其中，数据生成模型随着航路规划、时序、反制手段等信息输入，实时响应并更新目标数据，例如，期间接收到新的航路规划将立即改变运动状态，接收到新的时序将跳转至目的时刻的目标状态，若接收到导航干扰、通信链路干扰、导航诱骗、激光打击等无人机反制信息，将依据反制信息的具体条件计算行为触发参数，从而匹配行为特征，确认是否转变模型状态（例如受到激光打击，反制信息为激光功率P、大气传输衰减率a、激光源距离s、激光作用部位代号x、作用时间t，将反制信息代入模型，得出实例化后的模型在当前时刻的目标毁伤概率、失控概率、载荷失效概率，匹配行为阈值更新目标行为）。

所述方法还包括：

获取无人机训练内容规划目标航路，通过所述规划目标航路根据所述训练内容对所述无人机进行训练；

在训练过程中获取无人机接收到的反制手段数据，并将所述反制手段数据以数据流形式输入实例化后的所述模拟训练数据生成模型中以生成对应的目标模拟训练数据。

其中，可以通过编辑训练内容规划目标航路，完成准备工作后开始训练。在训练过程中受训者利用各种手段进行无人机反制训练，反制手段将实时以数据流形式输入实例化后的目标模型中，目标模型通过计算，完成行为特征匹配及数据更新，并反馈给受训者。

综上，本发明上述实施例中的反无人机模拟训练目标数据生成方法，通过获取无人机的规格参数，将获取到的无人机的规格参数输入预设的目标模板当中进行提交以对无人机的规格参数进行分类分别确定无人机的运动数据和特征数据；将运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；将无人机的运动数据和特征数据分别代入至目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定无人机的运动模型和反无人机特征模型；根据运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对模拟训练数据生成模型实例化以用于生成模拟训练数据，目标模板采用自然语言定义，能够可视化展示，仅需获取需生成无人机目标规格参数，依据填写说明即可自主完成新类型的反无人机目标数据生成，操作门槛低，仿真度高，且效率高，解决了现有技术当中的无人机模拟训练数据生成准确性低和效率低的问题。

实施例三

请参阅图3，所示为本发明第三实施例中提出的反无人机模拟训练目标数据生成装置，所述装置包括：

获取模块100，用于获取无人机的规格参数，将获取到的所述无人机的规格参数输入预设的目标模板当中进行提交以对所述无人机的规格参数进行分类分别确定所述无人机的运动数据和特征数据；

匹配模块200，用于将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；

确定模块300，用于将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型；

生成模块400，用于根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据。

进一步的，上述反无人机模拟训练目标数据生成装置，其特征在于，所述匹配模块包括：

匹配单元，用于采用特征加权匹配法，分别对所述运动数据和特征数据当中包含的特征进行加权，通过加权后的数据特征与泛型模型的模型特征匹配，并将匹配度最高的所述泛型模型作为目标。

进一步的，上述反无人机模拟训练目标数据生成装置，其中，所述确定模块包括：

确定单元，用于确定所述目标运动泛型模型以及目标反无人机特征泛型模型后，将所属的模板数据进行逐项代入，以确定所述目标运动泛型模型以及目标反无人机特征泛型模型的未定系数。

进一步的，上述反无人机模拟训练目标数据生成装置，其中，所述确定模块还包括：

配合模块，用于配合所述目标运动泛型模型以及目标反无人机特征泛型模型自身的目标规则校验及现实世界物理规则，修正异常系数，确定最终未定系数取值。

进一步的，上述反无人机模拟训练目标数据生成装置，其中，所述装置还包括：

第一接收模块，用于当接收到新的航路规划将通过所述模拟训练数据生成模型改变运动状态；

第二接收模块，用于当接收到新的时序将通过所述模拟训练数据生成模型跳转至目的时刻的目标状态；

第三接收模块，用于当接收到无人机反制信息，将依据反制信息的具体条件计算行为触发参数，从而匹配行为特征，确认是否转变模型状态。

进一步的，在本发明一些可选的实施例当中，所述目标模板包括名称栏、元素分类栏以及对应的填写内容栏；

所述名称栏至少包括无人机类型、主要材质、尺寸、最大垂直速度、最大水平速度、最小飞行速度；

所述元素分类栏包括运动模型和特征模型。

进一步的，上述反无人机模拟训练目标数据生成装置，其中，所述装置还包括：

训练模块，用于获取无人机训练内容规划目标航路，通过所述规划目标航路根据所述训练内容对所述无人机进行训练；

输入模块，用于在训练过程中获取无人机接收到的反制手段数据，并将所述反制手段数据以数据流形式输入实例化后的所述模拟训练数据生成模型中以生成对应的目标模拟训练数据。

上述各模块被执行时所实现的功能或操作步骤与上述方法实施例大体相同，在此不再赘述。

实施例四

本发明另一方面还提供一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述实施例一至二中任意一个所述的方法的步骤。

实施例五

本发明另一方面还提供一种电子设备，所述电子设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例一至二中任意一个所述的方法的步骤。

以上各个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。

本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读存储介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种反无人机模拟训练目标数据生成方法，其特征在于，所述方法包括：

获取无人机的规格参数，将获取到的所述无人机的规格参数输入预设的目标模板当中进行提交以对所述无人机的规格参数进行分类分别确定所述无人机的运动数据和特征数据；

将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；

将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型；

根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据；

所述将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型的步骤包括：

确定所述目标运动泛型模型以及目标反无人机特征泛型模型后，将所属的模板数据进行逐项代入，以确定所述目标运动泛型模型以及目标反无人机特征泛型模型的未定系数；

所述确定所述目标运动泛型模型以及目标反无人机特征泛型模型的未定系数的步骤之后还包括：

配合所述目标运动泛型模型以及目标反无人机特征泛型模型自身的目标规则校验及现实世界物理规则，修正异常系数，确定最终未定系数取值。

2.根据权利要求1所述的反无人机模拟训练目标数据生成方法，其特征在于，所述将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型的步骤包括：

采用特征加权匹配法，分别对所述运动数据和特征数据当中包含的特征进行加权，通过加权后的数据特征与泛型模型的模型特征匹配，并将匹配度最高的所述泛型模型作为目标。

3.根据权利要求1所述的反无人机模拟训练目标数据生成方法，其特征在于，所述根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据的步骤之后还包括：

当接收到新的航路规划将通过所述模拟训练数据生成模型改变运动状态；

当接收到新的时序将通过所述模拟训练数据生成模型跳转至目的时刻的目标状态；

当接收到无人机反制信息，将依据反制信息的具体条件计算行为触发参数，从而匹配行为特征，确认是否转变模型状态。

4.根据权利要求1所述的反无人机模拟训练目标数据生成方法，其特征在于，所述目标模板包括名称栏、元素分类栏以及对应的填写内容栏；

所述名称栏至少包括无人机类型、主要材质、尺寸、最大垂直速度、最大水平速度、最小飞行速度；

所述元素分类栏包括运动模型和特征模型。

5.根据权利要求1至4中任意一项所述的反无人机模拟训练目标数据生成方法，其特征在于，所述方法还包括：

获取无人机训练内容规划目标航路，通过所述规划目标航路根据所述训练内容对所述无人机进行训练；

在训练过程中获取无人机接收到的反制手段数据，并将所述反制手段数据以数据流形式输入实例化后的所述模拟训练数据生成模型中以生成对应的目标模拟训练数据。

6.一种反无人机模拟训练目标数据生成装置，其特征在于，用于实现权利要求1至5中任一项所述的反无人机模拟训练目标数据生成方法，所述装置包括：

获取模块，用于获取无人机的规格参数，将获取到的所述无人机的规格参数输入预设的目标模板当中进行提交以对所述无人机的规格参数进行分类分别确定所述无人机的运动数据和特征数据；

匹配模块，用于将所述运动数据和特征数据分别与预置的目标运动模型、反无人机特征模型的泛型模型进行匹配，以分别确定目标运动泛型模型以及目标反无人机特征泛型模型；

确定模块，用于将所述无人机的运动数据和特征数据分别代入至所述目标运动泛型模型以及目标反无人机特征泛型模型当中，分别确定所述目标运动泛型模型以及目标反无人机特征泛型模型当中的未定系数以确定所述无人机的运动模型和反无人机特征模型；

生成模块，用于根据所述运动模型和反无人机特征模型确定模拟训练数据生成模型，并在接收到实例化指令后通过对所述模拟训练数据生成模型实例化以用于生成模拟训练数据。

7.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至5中任意一项所述的方法的步骤。

8.一种电子设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至5任一所述的方法的步骤。