[发明专利]基于飞机航迹特征的智能机型识别方法

权利要求书

1.一种基于飞机航迹特征的智能机型识别方法，具有如下技术特征：采集不同机型类别飞机的历史飞行过程中的经度、纬度、高度、速度、航向的时空特征和运动特征，建立航迹序列样本库，将每条航迹的航迹信息作为机型识别的识别样本，并将人工标注的飞机机型类别作为标签；通过数据预处理模块对航迹历史数据进行提取及数据预处理，对数据样本进行整理，剔除一些野值并插值、数据标准化、航迹序列等长化，构建基于深度卷积神经网络的深度学习模型，经过样本训练和测试后形成目标识别分类器，进而应用训练深度学习分类器进行精细分类，最后通过用测试样本对训练出的模型进行测试，结合目标特征的航迹关联对模型的正确率进行评估；利用深度学习分类算法进行机型识别，通过智能算法模型获取分类结果，得出飞机目标的机型类别；

数据预处理模块根据航迹点数、直方图航迹条数，数轴构建横坐标为每条航迹所包含的航迹点数，纵坐标为航迹条数并且服从正态分布的直角坐标系；

数据预处理模块先取直方图中最高的数轴，依次遍历前后各一个数轴，比较后取大者；再以为中心依次遍历去除的前后各一个数轴，比较后取大者，直至遍历到：

；

满足公式的对应的被确认为标准序列长度，所有点迹数目的航迹，将航迹序列末尾截至；所有点迹数目的航迹，用最后一个航迹点的内容填充至。

2.如权利要求1所述的基于飞机航迹特征的智能机型识别方法，其特征在于：预处理结束后，70%的航迹数据被设置为训练数据，30%的航迹数据被设置为测试数据。

3.如权利要求1所述的基于飞机航迹特征的智能机型识别方法，其特征在于：数据预处理模块首先给出前n个测量值的算术平均值与方差：

测量值均值，方差，若第n+1个点的残差大于K倍标准差，则的残差所对应的数据被认为是野值，应予以剔除，当K=3时，门限野值判断公式为。

4.如权利要求1所述的基于飞机航迹特征的智能机型识别方法，其特征在于：野值被剔除后，数据预处理模块利用牛顿插值法进行野值补偿，用一个高次的多项式将试验数据进行拟合，采用前推插值法处理已剔除野值的数据。

5.如权利要求4所述的基于飞机航迹特征的智能机型识别方法，其特征在于：经过处理后数据符合标准正态分布，即均值为0，标准差为1，转化函数为：数据序列，其中，X为数据序列，为数据序列的均值、为方差。

6.如权利要求1所述的基于飞机航迹特征的智能机型识别方法，其特征在于：智能算法模型选用卷积神经网络CNN，CNN的深度学习模型通过堆叠卷积层和池化层，使深度学习模型拥有更强的提取分层特征和高层特征的能力。

7.如权利要求6所述的基于飞机航迹特征的智能机型识别方法，其特征在于：卷积神经网络CNN的深度学习模型中的全连接层把特征信息转化成类别信息，并将神经网络中的全连接变为局部连接，最后再进行全连接，整体上形成一个从局部到整体的特征提取过程。