[发明专利]基于SSA-BP的空中目标潜在威胁度预测方法及系统

权利要求书

1.一种基于SSA-BP的空中目标潜在威胁度预测方法，其特征在于：包括以下步骤，

步骤1，对目标进行信息收集，获取空中目标的实时特征数据；

步骤2，预测得到空中目标的未来状态数据；

步骤3，识别我方领航员当前时刻的情绪信息；

步骤4，构建融合领航员情绪和空中目标特征的双方层面的空中目标的威胁度数据集，进行量化及归一化处理后，得到标准的目标特征-情绪数据集；

步骤5，麻雀搜索算法优化BP神经网络结构，包括以下步骤，

步骤5.1，将步骤4所得标准的目标特征-情绪数据集输入到BP神经网络中，BP神经网络的输入为目标类型、目标速度、目标航向角、目标干扰能力、目标高度、目标距离和我方领航员情绪一共7个特征，BP神经网络的输出为双方层面的目标的威胁度；

步骤5.2，采用麻雀搜索算法优化BP神经网络，得到SSA-BP网络；

步骤5.3，将目标状态信息和领航员情绪信息输入到SSA-BP网络中，搭建潜在威胁度预测模型，输出目标威胁度；

步骤6，将步骤2所得空中目标的未来状态数据和步骤3得到的领航员情绪信息输入到步骤5.3所得的潜在威胁度预测模型中，得到潜在的双方层面的空中目标的威胁度。

2.根据权利要求1所述一种基于SSA-BP的空中目标潜在威胁度预测方法，其特征在于：所述空中目标的实时特征数据，包括目标类型、目标速度、目标航向角、目标干扰能力、目标高度和目标距离。

3.根据权利要求2所述一种基于SSA-BP的空中目标潜在威胁度预测方法，其特征在于：步骤2中，预测得到空中目标的未来状态数据的实现方式如下，

步骤2.1，将收集到的时间数据前14s数据作为历史参考数据，以第15s数据作为测试数据，时间窗为4s，输入到ConvLSTM神经网络中；

步骤2.2，得到目标的时空特征以及预测模型；

步骤2.3，把第12s、13s、14s、15s时刻目标特征数据输入到步骤2.2所得预测模型，得到第16s目标未来状态数据。

4.根据权利要求3所述一种基于SSA-BP的空中目标潜在威胁度预测方法，其特征在于：步骤3的实现方式如下，

步骤3.1，数据集选取，包括将图片情绪分为愤怒、悲伤、平静、开心、兴奋五大类，每大类设有相应训练集和测试集；

步骤3.2，对模型进行训练并用训练好的模型识别当前情绪，包括把步骤3.1获取的训练集输入到卷积神经网络中，采用VGG-19模型进行训练，将领航员的情绪看作对应的标签作为卷积神经网络的输出；根据训练好的卷积神经网络输出的编码判断出当前领航员处于什么情绪。

5.根据权利要求1或2或3或4所述一种基于SSA-BP的空中目标潜在威胁度预测方法，其特征在于：步骤4的实现方式如下，

步骤4.1，获取目标特征层面威胁度数据集；

步骤4.2，根据领航员的情绪状态对目标特征威胁度数据集的威胁度进行修改，得到双方层面融合后的目标特征-情绪威胁度数据集；

步骤4.3，对步骤4.2所得目标特征-情绪威胁度数据集的特征，进行量化及归一化处理，得到标准的目标特征-情绪数据集。

6.一种基于SSA-BP的空中目标潜在威胁度系统，其特征在于：用于实现如权利要求1-5任一项所述的一种基于SSA-BP的空中目标潜在威胁度方法。