基于最近邻层次聚类分析的空战目标意图博弈预测方法技术

本发明专利技术提供了基于最近邻层次聚类分析的空战目标意图博弈预测方法，本方法首先针对无人机空战信息具有不确定性问题，采用区间数表示传感器采集的空战不确定信息。其次，使用最近邻层次聚类算法来构建意图博弈预测模型，获得各种空战意图类别的基准特征向量。然后，将待识别意图目标的区间数特征值与已知意图的基准特征值作为二人零和博弈双方，构建意图博弈支付矩阵。最后，求解意图博弈支付矩阵的纳什均衡解，判断待识别意图目标的空战意图。本方法有效地解决了空战不确定信息下目标意图预测问题。预测问题。预测问题。

【技术实现步骤摘要】
基于最近邻层次聚类分析的空战目标意图博弈预测方法


[0001]本专利技术属于目标意图预测领域，尤其涉及基于最近邻层次聚类分析的空战目标意图博弈预测方法。

技术介绍

[0002]目标意图预测技术是现代空战中的重要对敌手段，也是无人机空战决策的关键。目标意图预测技术对空战态势要素间的互联关系进行分析，预测敌机目标的空战意图，从而辅助无人机决策，推动空战局面朝着对我方无人机有利的方向发展。
[0003]空战目标意图博弈预测是指在敌我双方无人机空战对抗的情况下，通过对已知目标的各特征值进行处理和分析，并结合博弈论知识，来判断敌机目标下一时刻可能的作战意图。因而，快速且准确地实现对敌机目标作战意图的预测将有助于我方的无人机空战攻防博弈决策系统决策出合理的作战策略，获得空战有利地位。但是，由于空战环境越来越复杂，空战目标种类多种多样，同时伴随有诱饵、战场环境干扰、信息传输延迟、信息传输丢包等现象，数据处理后的空战信息仍具有不确定性，现有的目标意图预测方法只是简单地进行模板比对，并且模板保持不变，总之不确定信息下的目标意图预测方法还比较少，所以不确定信息下无人机空战的目标意图博弈预测研究工作具有很强的实际意义。
[0004]在工程应用过程中，有时需对工程中的数据根据一定的标准(例如：生物形态、空气污染程度等)进行具体分类。然而，在无人机空战过程中，不同种类的意图之间没有清晰的界。因而，对于不确定信息下空战意图的分类，采用最近邻层次聚类分析方法，设计用于判断模板与目标双方相似程度的算法以及评判相似程度的规则主要包括空战数据的标准化、建立空战目标的最近邻边界和空战目标的聚类分析。
[0005]综上所述，为了无人机目标意图预测的准确性和快速性，应继续研究复杂空战环境中，无人机飞行特征数据不确定的情况下，无人机目标意图预测问题。

技术实现思路

[0006]专利技术目的：为解决复杂空战环境下，由于空战信息不确定性的影响以及各目标意图的具体量化等一系列问题而导致的目标意图预测结果容易陷入求解时间长，预测准确度低的无人机意图预测问题，本专利技术提供基于最近邻层次聚类分析的空战目标意图博弈预测方法，首先，针对无人机空战信息具有不确定性以及实现各目标意图的具体量化等问题，采用区间数表示传感器采集的空战不确定信息。其次，使用最近邻层次聚类算法来构建意图博弈预测模型，获得各种空战意图类别的基准特征向量。然后，将待识别意图目标的区间数特征值与已知意图的基准特征值作为二人零和博弈双方，构建意图博弈支付矩阵，求解矩阵的纳什均衡解，判断待识别意图目标的空战意图。最后，通过仿真验证其有效性，证明此方法具有较好的空战应用前景。
[0007]本专利技术包括以下步骤：
[0008]步骤1，对空战目标数据库特征信息与传感器探测信息进行预处理；
[0009]步骤2，基于目标数据建立目标意图预测最近邻层次聚类模型；
[0010]步骤3，设计待识别目标与已知意图目标进行模拟博弈，预测和判断空战目标的作战意图。
[0011]步骤1包括：
[0012]设定特征值已知但意图未知的空战目标集合为{k1,k2,
…
,k
n
}，其中k
i
＝[k
i,1
,k
i,2
,
…
,k
i,m
]表示第i个空战目标信息，i＝1,2,
…
,n，k
i,m
为第i个空战目标的第m个特征值，特征值为实数；
[0013]设定空战目标包括5个特征：方位角距离R、速度V、进入角θ、高度H，特征值标准化公式如式(1)所示：
[0014][0015]通过式(2)计算所有空战目标第h个特征值的平均值
[0016][0017]通过式(3)计算所有空战目标第h个特征值的标准差σ
h
：
[0018][0019]其中，k
i
'
,h
为标准化处理后的第i个空战目标的第h个特征值，h取值为1～m。
[0020]步骤2包括如下步骤：
[0021]步骤2
‑
1，构建空战目标的最邻边界；
[0022]步骤2
‑
2，空战目标层次聚类；
[0023]步骤2
‑
3，计算意图的基准特征向量。
[0024]步骤2
‑
1包括：在二维平面中，依据5个特征，定义第i个空战目标x
i
与第j个空战目标x
j
的相似距离d
ij
为：
[0025][0026]其中k
j
'
,h
表示标准化处理后的第j个空战目标的第h个特征值；
[0027]则第i个空战目标x
i
最邻边界NNB(x
i
)为：
[0028]NNB(x
i
)＝{(x,y)∣x
i
‑
d
ij
≤x≤x
i
+d
ij
,y
i
‑
d
ij
≤y≤y
i
+d
ij
}
ꢀꢀꢀ
(5)
[0029]其中，(x,y)为根据边界划分出的区域。
[0030]步骤2
‑
2包括：根据步骤2
‑
1划分出的区域，在每个区域的最邻边界中进行最近邻查找，在每个区域的最近邻边界中找到成对的相互最近邻，全局相互最近邻表示两个空战目标是整个空战目标数据集中是彼此最近的邻居。
[0031]步骤2
‑
3包括：设定空战目标经过步骤2
‑
1～步骤2
‑
2的处理被划分成p种意图群体，构成集合M＝{M1,
…
,M
i
,
…
,M
p
}，i＝1,2,
…
,p，其中M
p
表示第p种意图群体，每种意图群体包括n
i
个空战目标，并且每个目标都是由方位角距离R、速度V、进入角θ、高度H这5个特征进行具体表示，从而获得p种意图的基准特征矩阵S0＝(s
i,h
)
p
×5，其中s
i,h
第i种意图的
基准特征向量s
i
的h个特征，h表示特征数量，第i种意图的基准特征向量s
i
的表达式如式(6)所示：
[0032][0033]其中，Φ
i
、R_set
i
、Θ
i
、V_set
i
、H_set
i
分别表示第i种作战意图所对应的目标群体的方位角集合、距离集合、进入角集合、速度集合、高度集合。
[0034]步骤3包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于最近邻层次聚类分析的空战目标意图博弈预测方法，其特征在于，包括以下步骤：步骤1，对空战目标数据库特征信息与传感器探测信息进行预处理；步骤2，基于目标数据建立目标意图预测最近邻层次聚类模型；步骤3，设计待识别目标与已知意图目标进行模拟博弈，预测和判断空战目标的作战意图。2.根据权利要求1所述的方法，其特征在于，步骤1包括：设定特征值已知但意图未知的空战目标集合为{k1,k2,
…
,k
n
}，其中k
i
＝[k
i,1
,k
i,2
,
…
,k
i,m
]表示第i个空战目标信息，i＝1,2,
…
,n，k
i,m
为第i个空战目标的第m个特征值，特征值为实数；设定空战目标包括5个特征：方位角距离R、速度V、进入角θ、高度H，特征值标准化公式如式(1)所示：通过式(2)计算所有空战目标第h个特征值的平均值通过式(2)计算所有空战目标第h个特征值的平均值通过式(3)计算所有空战目标第h个特征值的标准差σ
h
：其中，k
i
'
,h
为标准化处理后的第i个空战目标的第h个特征值，h取值为1～m。3.根据权利要求2所述的方法，其特征在于，步骤2包括如下步骤：步骤2
‑
1，构建空战目标的最邻边界；步骤2
‑
2，空战目标层次聚类；步骤2
‑
3，计算意图的基准特征向量。4.根据权利3所述的方法，其特征在于，步骤2
‑
1包括：在二维平面中，依据5个特征，定义第i个空战目标x
i
与第j个空战目标x
j
的相似距离d
ij
为：其中k
j
'
,h
表示标准化处理后的第j个空战目标的第h个特征值；则第i个空战目标x
i
最邻边界NNB(x
i
)为：NNB(x
i
)＝{(x,y)∣x
i
‑
d
ij
≤x≤x
i
+d
ij
,y
i
‑
d
ij
≤y≤y
i
+d
ij
}
ꢀꢀꢀ
(5)其中，(x,y)为根据边界划分出的区域。5.根据权利4所述的方法，其特征在于，步骤2
‑
2包括：根据步骤2
‑
1划分出的区域，在每个区域的最邻边界中进行最近邻查找，在每个区域的最近邻边界中找到成对的相互最...

【专利技术属性】
技术研发人员：陈谋，孙雷，王玉惠，周同乐，刘佳敏，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：