[发明专利]基于多观察点形状上下文的飞机编队识别方法

权利要求书

1.一种基于多观察点形状上下文的飞机编队识别方法，其特征在于，包括如下步骤：步骤一：构建基于阿基米德螺旋线的多观察点；

步骤二：建立描述全局信息的形状上下文算子；

步骤三：建立描述局部信息的概率密度函数；

步骤四：建立相似度量函数，判别编队类型。

2.根据权利要求1所述的一种基于形状上下文描述子的飞机编队识别，其特征在于，在步骤一构建基于阿基米德螺旋线的多观察点中，以编队的加权中心为阿基米德螺旋线中心，并选择一个固定的方向为极轴方向建立阿基米德坐标系。

3.根据权利要求1所述的一种基于形状上下文描述子的飞机编队识别，其特征在于，在步骤二建立描述全局信息的形状上下文算子中，以步骤一建立的观察点Y_i为中心，将周围区域用环形和线段划分为若干个格状区域，观察点Y_i上下文信息S(Y_i)计算公式如下：

表示格子半径，表示格子角度，π_ρ,θ＝π_ρπ_θ表示角度格子θ半径格子ρ之间的关系函数，N_θ表示环形小格子的数量，N_ρ表示半径小格子的数量，I表示权重，所以，对于Y_i有如下的式子描述：

其中N为飞机编队中飞机的数量，是θ的隶属函数，为：

floor()是取整函数，∠(X_jY_iX_o)是目标点X_j在以观察点Y_i为原点，向量Y_iX_o为极轴的自然极坐标中的极角值，S_θ(Y_i)可简化为

因此，所有观察点的描述S_θ可表示为：

Q即是飞机编队形状上下文描述子，M是步骤一建立的观察点的数目。

4.根据权利要求1所述的一种基于形状上下文描述子的飞机编队识别，其特征在于，在步骤三建立描述局部信息的概率密度函数中，采用拉普拉斯变换定义待检测飞机编队X和观察点Y_i的概率密度函数：

σ_J(σ_K)表示X_j到Y_i的距离，由中心点X_o、观察点Y_i和目标点X_j构成的，拉普拉斯变换包含了当前观察点与所有目标点之间的差异信息，反映的是航母战斗群在观察点Y_i处的局部信息。

5.根据权利要求1所述的一种基于形状上下文描述子的飞机编队识别方法，其特征在于，在步骤四建立相似度量函数，判别编队类型中，假设待识别的飞机编队为X＝{X₁,X₂,…,X_N}，某个标准的编队为Z＝{Z₁,Z₂,…,Z_N}，通过计算两者的全局上下文描述算子Q^x和Q^z的相似度来判断X是否属于类别Z；使用损失函数定义相似度：

μ_i(X,Z)＝1-C_i(Q^x-Q^z),i＝1,2,…,N (8)

其中C_i(Q^x-Q^z)表示两个编队的对应序号的观察点Y_i^X和Y_i^Z损失函数，且C_i(Q^x-Q^z)是由开放损失函数和余弦损失函数构成，编队X和编队Z的所有对应观察点的相似性构成了这两个对性的相似性矩阵：

μ(X,Z)＝[μ₁(X,Z),μ_i(X,Z),…,μ_N(X,Z)] (9)

使用布尔函数将式子(9)中的相似矩阵μ(X,Z)二值化，将矩阵内的每个元素与阈值T对比，大于阈值则输出1，小于阈值则输出0，得到二值化后的相似矩阵然后结合二值矩阵和标准编队Z的概率密度函数计算待测编队和标准编队的相似性：

δ(X,Z)即是相似性度量，在有多个标准编队情况下，选取最大的相似性度量值，待测编队的阵型就是最大值对应的标准编队阵型。