[发明专利]基于飞机航迹特征的智能机型识别方法

说明书

本发明提出一种基于飞机航迹特征的智能机型识别方法，旨在提供一种识别准确，具有较强的抗干扰能力的智能机型识别方法。本发明通过下述技术方案予以实现：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；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，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。

技术领域

本发明涉及航空飞机目标识别、空中交通管制领域，特别涉及一种基于飞机航迹特征的智能机型识别方法。

背景技术

随着空中飞行器种类和数量越来越多，速度越来越快，使得情报侦察系统的信息处理量大大增加，对信息处理的准确度要求越来越高，从而对目标识别的准确性及处理时间提出了更高要求。目标航迹数据通常是由多维数据点组成的多维序列，航迹数据是由目标数据点组成的序列，每条航迹包括若干个多维数据点。根据应用场景，航迹数据可分为预警监视航迹数据，航行管制航迹数据和视频监控航迹数据等，根据目标的类型，可将航迹数据分为飞机航迹数据、船舶航迹数据、车辆航迹数据、行人航迹数据、动物航迹数据和龙卷风航迹数据等。雷达目标识别是对雷达探测功能的重要延伸。随着城市环境的日益复杂，对低、小、慢目标的检测与识别已经成为一个迫切需要解决的问题。雷达的任务不仅是测量目标的距离、方位或仰角，而且还包括测量目标的速度，甚至是目标的类别，架次或者具体的型号。而这些，都涉及到雷达目标识别的问题。雷达目标识别是根据目标的后向电磁散射来鉴别目标，是电磁散射的逆问题。当雷达带宽足够宽时，目标后向电磁散射包含了目标的诸如形状、大小、结构等细节信息，这是雷达目标识别的依据，以此为基础形成了一些有效的目标识别方法。然而.基于宽带雷达目标识别的思想和方法很难用于现役雷达的目标分类和识别，这是由于现役雷达大部分都是低分辨率雷达，一般不具备径向上和横向上的高分辨，雷达所揭示的目标的信息非常有限，低分辨雷达通常不具备自动目标识别技术。低分辨雷达不能揭示目标细节信息，要实现低分辨条件下对目标进行精细识别是不切实际的，然而，由于目标内在的某些属性(如飞机的大小、速度、机动特性、调制等)对目标的回波会产生影响。通过对大量的目标回波波形进行分析，认为在低分辨条件下对雷达目标进行粗分类和识别是可行的，但仍然存在以下困难。

目标识别依赖于目标在空间和时间二维上的动态特征信息积累，是一个动态模式识别问题，识别系统的建立(包括数据采集、处理)应采用一种动态结构。标特征的表现形式及其规律难以描述，特征在时间与空间上不具备良好的稳定性，与多种因素有关，特征描述的物理意义不十分明确。在低分辨情况下，由于目标尺寸小于雷达的分辨率，所以目标的回波只是一个具有幅度和相位的点，故而低分辨率雷达的单次回波所含的信息太少，不能用来作为识别的依据。低分辨率雷达可以通过对目标的连续跟踪，提取目标的运动速度、加速度等信息，来判断目标的大致属性。例如，根据目标运动速度，飞行高度等信息在一定程度上可以判断喷气式飞机、螺旋桨飞机和直升机、导弹目标等。但是，实际上，对目标进行连续的跟踪，不仅计算量大，而且，在多目标状态下尤其是大片密集目标时，很容易出现误跟踪而导致目标丢失。

传统的低分辨雷达目标检测技术一般是基于回波能量的，如恒虚警检测(CFAR)就是利用虚警率来设置门限，对雷达接收的回波进行强度/幅度检测。但是这种方法对于目标检测来说，只要是过门限的值都保留下来了，这也就留下了很多其他不感兴趣的目标以及虚警，对后期的处理造成一定的影响。比如从高空向地面扫描的雷达，其接收到的回波既有感兴趣的空中目标如民航、无人机或直升机，也有不感兴趣的地面目标如汽车，行人等，在没有任何先验信息的情况下，如何去掉我们不感兴趣的地面目标，而保留空中目标呢？这就要涉及到一些目标识别的方法。