飞行器攻击行为预测方法及电子设备技术

本发明专利技术公开了一种飞行器攻击行为预测方法，包括：对从机载传感器获取到的飞行器原始状态信息进行筛选，获得选取数据，其中，选取数据带有标签；对选取数据进行预处理，得到待分析数据，其中，待分析数据包括第一分析数据和第二分析数据；对第一分析数据进行分类处理得到分类数据；生成分类数据的先验概率和条件概率；根据分类数据的先验概率和条件概率生成第二分析数据的条件概率；根据第二分析数据的条件概率生成第二分析数据的后验概率，确定后验概率为飞行器攻击行为预测结果。本发明专利技术还公开了一种电子设备。了一种电子设备。了一种电子设备。

【技术实现步骤摘要】
飞行器攻击行为预测方法及电子设备


[0001]本专利技术涉及领空环境、模糊集合、数据处理、机器学习等领域，尤其涉及一种飞行器攻击行为预测方法及电子设备。

技术介绍

[0002]飞行器攻击行为预测与意图识别相互联系，通常先确定飞行器的攻击意图，然后利用各种模型预测其攻击行为。对目标意图识别和行为预测的研究包括：一类是利用模糊逻辑和贝叶斯网络相结合的方法，对空中目标攻击意图进行识别，网络模型结构采用专家知识建立，其条件概率和边缘概率参数均通过训练案例库得到，针对不同的意图识别结果，对飞行器的攻击行为进行推测，从而制定合适的攻击策略，最后利用通俗易懂的示例验证方法的可行性；另一类研究了舰艇对目标种类的辨识问题，结合其自身特点，将目标的种类利用编码示意，计算机动动作和机动类型间的关联度，进而建立目标机动类型识别算法，最后仿真实例表明文中研究的方法能够对多种目标类型进行识别。在识别了飞行器类型后，依据已有的数据库，可以预测飞行器的攻击目标和攻击方式，提高舰艇的防御力。
[0003]在对飞行器进行攻击行为预测时，需要实时掌握其状态信息，利用算法搭建预测模型，输出一个预测结果。然而由于实际环境的复杂性和多变性，导致从飞行器自带的传感器所获取的信息带有很强的模糊性，因此需要在不确定感知条件下综合分析状态信息，实现对飞行器攻击行为的预测。状态信息的模糊性包括不确定性和干扰：不确定性指由于传感器本身的探测能力不足等原因，所获得的信息可能是部分丢失的，需要利用仅有的部分信息进行预测；干扰可能是由环境或传感器本身所产生的。

技术实现思路

[0004]为解决现有技术中的上述和其他方面的至少部分技术问题，根据本专利技术一个方面的实施例，提供一种飞行器攻击行为预测方法，包括：
[0005]对从机载传感器获取到的飞行器原始状态信息进行筛选，获得选取数据，其中，所述选取数据带有标签；
[0006]对所述选取数据进行预处理，得到待分析数据，其中，所述待分析数据包括第一分析数据和第二分析数据；
[0007]对所述第一分析数据进行分类处理得到分类数据；
[0008]生成所述分类数据的先验概率和条件概率；
[0009]根据所述分类数据的先验概率和条件概率生成所述第二分析数据的条件概率；
[0010]根据所述第二分析数据的条件概率生成所述第二分析数据的后验概率，确定所述后验概率为飞行器攻击行为预测结果。
[0011]在本专利技术的一些实施例中，对从机载传感器获取到的飞行器原始状态信息进行筛选，包括：
[0012]根据所述飞行器原始状态信息筛选出以下类型的数据，包括：
[0013]距离、方位角、速度、高度、径速、加速度、雷达信号、中制导信号。
[0014]在本专利技术的一些实施例中，对所述选取数据进行预处理包括：
[0015]将所述选取数据分成两组，一组设置为第一分析数据，另一组设置为第二分析数据；
[0016]对所述第一分析数据和第二分析数据进行滤波处理；
[0017]根据所述标签对所述第一分析数据和第二分析数据进行模糊处理，将所述第一分析数据和第二分析数据离散化，再根据取值范围将所述第一分析数据和第二分析数据都均分成预设份数。
[0018]在本专利技术的一些实施例中，对所述第一分析数据进行分类处理得到分类数据包括：将所述距离、方位角、速度、高度数据分为直接态势信息，将所述径速、加速度数据分为变化态势信息，将所述直接态势信息和变化态势信息分为运动态势信息，将所述雷达信号、中制导信号数据分为电磁态势信息。
[0019]在本专利技术的一些实施例中，根据所述第二分析数据的条件概率生成所述第二分析数据的后验概率包括：
[0020]根据所述先验概率计算得出所述第二分析数据的条件概率的权重系数；
[0021]根据所述权重系数和所述第二分析数据的条件概率计算得出所述第二分析数据的后验概率。
[0022]在本专利技术的一些实施例中，所述分类数据有N组，N为大于等于1的正整数，带有0和1两种取值的标签，生成所述分类数据的先验概率包括：
[0023]标签取值为0时的先验概率公式如下：
[0024][0025]其中，Num(标签＝0)表示N组所述分类数据在标签取值为0时的先验概率，P(标签＝0)表示单组所述分类数据在标签取值为0时的先验概率；
[0026]标签取值为1时的先验概率公式如下：
[0027][0028]其中，Num(标签＝1)表示N组所述分类数据在标签取值为1时的先验概率，P(标签＝1)表示单组所述分类数据在标签取值为1时的先验概率。
[0029]在本专利技术的一些实施例中，所述分类数据在取值为x，x为实数，生成所述分类数据的条件概率包括：
[0030]标签取值为0时的条件概率公式如下：
[0031][0032]其中，Num(分类数据＝x∩标签＝0)表示N组所述分类数据在取值为x标签取值为0时的条件概率，P(分类数据＝x|标签＝0)表示单组所述分类数据在取值为x标签取值为0时的条件概率；
[0033]标签取值为1时的条件概率公式如下：
[0034][0035]其中，Num(分类数据＝x∩标签＝1)表示N组所述分类数据在取值为x标签取值为1时的条件概率，P(分类数据＝x|标签＝1)表示单组所述分类数据在取值为x标签取值为1时的条件概率。
[0036]在本专利技术的一些实施例中，根据所述分类数据的先验概率和条件概率生成所述第二分析数据的条件概率，包括：
[0037]通过应用贝叶斯网络算法，根据所述分类数据的先验概率和条件概率生成所述第二分析数据的条件概率。
[0038]在本专利技术的一些实施例中，所述飞行器原始状态信息的类型包括：距离、距离变化率、方位角、俯仰角、方位角速度、俯仰角速度、速度、加速度、水平进入角、高度、径向速度、经度、纬度、高度、航向角、俯仰角、滚转角、真空速、马赫数、雷达信号、中制导信号。
[0039]根据本专利技术另一个方面的实施例，提供一种电子设备，包括：
[0040]一个或多个处理器；以及
[0041]存储器，用于存储一个或多个程序，
[0042]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
[0043]通过上述的飞行器攻击行为预测方法，将待分析数据分为第一分析数据和第二分析数据，根据分析第一分析数据得到的先验概率和条件概率来计算第二分析数据的条件概率和后验概率，能够提高飞行器攻击行为预测的准确率。
附图说明
[0044]图1示意性示出了根据本专利技术实施例的飞行器攻击行为预测方法的流程示意图；
[0045]图2示意性示出了根据本专利技术实施例的贝叶斯网络拓扑结构图；
[0046]图3示意性示出了根据本专利技术实施例的贝叶斯网络模型总体结构图；
[0047]图4示意性示出了根据本专利技术实施例的贝叶斯网络模型构建流程图；
[0048]图5示意性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞行器攻击行为预测方法，包括：对从机载传感器获取到的飞行器原始状态信息进行筛选，获得选取数据，其中，所述选取数据带有标签；对所述选取数据进行预处理，得到待分析数据，其中，所述待分析数据包括第一分析数据和第二分析数据；对所述第一分析数据进行分类处理得到分类数据；生成所述分类数据的先验概率和条件概率；根据所述分类数据的先验概率和条件概率生成所述第二分析数据的条件概率；根据所述第二分析数据的条件概率生成所述第二分析数据的后验概率，确定所述后验概率为飞行器攻击行为预测结果。2.根据权利要求1所述的飞行器攻击行为预测方法，其中，对从机载传感器获取到的飞行器原始状态信息进行筛选，包括：根据所述飞行器原始状态信息筛选出以下类型的数据，包括：距离、方位角、速度、高度、径速、加速度、雷达信号、中制导信号。3.根据权利要求2所述的飞行器攻击行为预测方法，对所述选取数据进行预处理包括：将所述选取数据分成两组，一组设置为第一分析数据，另一组设置为第二分析数据；对所述第一分析数据和第二分析数据进行滤波处理；根据所述标签对所述第一分析数据和第二分析数据进行模糊处理，将所述第一分析数据和第二分析数据离散化，再根据取值范围将所述第一分析数据和第二分析数据都均分成预设份数。4.根据权利要求2所述的飞行器攻击行为预测方法，其中，对所述第一分析数据进行分类处理得到分类数据包括：将所述距离、方位角、速度、高度数据分为直接态势信息，将所述径速、加速度数据分为变化态势信息，将所述直接态势信息和变化态势信息分为运动态势信息，将所述雷达信号、中制导信号数据分为电磁态势信息。5.根据权利要求2所述的飞行器攻击行为预测方法，其中，根据所述第二分析数据的条件概率生成所述第二分析数据的后验概率包括：根据所述先验概率计算得出所述第二分析数据的条件概率的权重系数；根据所述权重系数和所述第二分析数据的条件概率计算得出所述第二分析数据的后验概率。6.根据权利要求2所述的飞行器攻击行为预测方法，其中，所述分类...

【专利技术属性】
技术研发人员：窦立谦，唐艺璠，马秀俞，卢燕梅，张睿隆，
申请(专利权)人：天津大学，
类型：发明
国别省市：