[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

说明书

本发明提供一种基于SSA‑BP的空中目标潜在威胁度预测方法及系统，包括对目标进行信息收集，获取空中目标的实时特征数据；预测得到空中目标的未来状态数据；识别我方领航员当前时刻的情绪信息；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；通过麻雀搜索算法优化BP神经网络结构，对目标的未来状态数据和指挥员的情绪信息进行融合分析，从双方的态势层面获得目标的未来时刻威胁度。本发明从双方层面构建高效的威胁度预测方法，方法简单、跟踪速度快、交互性强、易实现，能够有效应对空中目标的干扰。

技术领域

本发明涉及目标探测与识别领域，尤其涉及一种基于麻雀搜索算法(SparrowSearch Algorithm,SSA)优化BP(Back Propagation)神经网络的空中目标潜在威胁度预测方案。

背景技术

目标潜在威胁度预测是实现态势评估的最基本环节，是空中目标相对我方飞行器的潜在伤害能力。飞鸟、无人机等空中目标都可能产生威胁，要跟据速度位置高度等等综合考虑对我方的威胁。针对这个问题，当前采用的主要方法有模糊分析、证据推理、支持向量机、成分分析、多属性决策、神经网络等方法，而且已经取得了较为可观的研究成果。尽管目标威胁度评估的方法很多，但大多都局限于目标层面，较少将我方考虑入内。同双方力量悬殊不大的情况相比，在可能出现的敌强我弱的情况下，即使目标的状态都保持不变，其对我方威胁会明显增大，即出现“相对失衡”，导致评估的目标威胁度值不能有效地为态势评估提供参考。

针对此问题，本发明提供一种基于SSA-BP神经网络融合我方领航员情绪和空中目标状态的潜在威胁度预测方法，利用雷达探测器等设备收集一段时间内的目标信息，获取目标及目标的时间状态信息，将这一段时间内的状态信息输入到ConvLSTM(ConvolutionalLong Short-Term Memory，ConvLSTM)神经网络，获取目标的时空特征并构建相关预测模型，预测其未来的状态信息。在船舱内部，利用摄像头拍摄记录我方领航员的脸部表情，预设愤怒、悲伤、平静、开心、兴奋五大类别，利用卷积神经网络(Convolutional NeuralNetworks,CNN)提取特征并构建分类模型。用摄像头对领航员的脸部表情进行实时跟踪分析并输入到卷积神经网络模型中，获取领航员的情绪信息。不同的情绪信息代表不同的工作效率，兴奋的时候工作效率最高，愤怒的时候最不理智。将不同的情绪信息按照理目标当时的状态紧急程度分别赋予不同的威胁度权值，随后将目标的状态信息和领航员的情绪信息一起构建相关数据集。在先验知识仅考虑目标特征状态得其威胁度的基础上，根据领航员情绪标签的不同，进一步将目标的威胁度进行增减。得到融合后的双方层面的目标威胁度数据集。再利用麻雀搜索算法优化的BP神经网络对该数据集进行训练，得到威胁度评估模型。由于人的情绪有一定时间段的稳定性，因此将领航员此时的情绪信息和目标的未来状态信息输入到该评估模型，获取目标潜在的威胁度值。

发明内容

本发明提供一种基于SSA-BP神经网络融合我方领航员情绪和空中目标状态的潜在威胁度预测的方案，获取目标潜在的威胁度值。

本发明技术方案提供一种基于SSA-BP的空中目标潜在威胁度预测方法，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，