基于组合赋权和LSTM的目标威胁估计方法及装置制造方法及图纸

本公开实施例涉及目标威胁估计技术领域，提供一种基于组合赋权和LSTM的目标威胁估计方法及装置，目标威胁估计方法包括：采用组合赋权法，确定空中作战目标原始态势数据的威胁度标签；将带有威胁度标签的原始态势数据划分为训练集、验证集、测试集，利用训练集和验证集对预设的威胁估计模型进行训练，得到训练好的威胁估计模型；预设的威胁估计模型基于包括注意力机制的双向LSTM网络构建形成；将测试集输入训练好的威胁度估计模型，得到空中作战目标的威胁估计度。本公开实施例可处理大量战场信息，同时考虑战场信息时序关系及不同信息之间的关系，提升了目标威胁认知的全面性和客观性，满足了目标威胁估计有效且快速反应的需求。求。求。

【技术实现步骤摘要】
基于组合赋权和LSTM的目标威胁估计方法及装置


[0001]本公开涉及目标威胁估计
，特别涉及一种基于组合赋权和LSTM的目标威胁估计方法及装置。

技术介绍

[0002]在不确定的战场环境下，合理的目标威胁评估可以为火力分配提供决策辅助依据，有利于减短我方的态势感知和战略制定时间，有助于提高我方作战的效率和质量，为我方取得战争优势。仿真战场模拟在进行目标威胁估计时，不仅需要考虑大量复杂的战场信息、战场信息本身的时序关系以及不同信息之间的关系，还需要满足有效且快速反应的要求。现有的基于有监督神经网络的目标威胁估计方法，虽然能够满足有效且快速反应的需求，但其有监督神经网络的训练通常需要一定数量的带有威胁度标签的数据，而实际情况往往无法获得大量带有威胁度标签的数据，进而无法满足有监督神经网络的训练需求。
[0003]传统的威胁估计方法主要分为主观方法和客观方法，两者都有其优点和缺点。客观的威胁指标加权的方法能够反映数据本身的差异以及分散程度的客观特征，具有一定的数学理论基础，但这种方法没有办法体现决策者的主观偏好，且比较容易受到优化模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于组合赋权和LSTM的目标威胁估计方法，其特征在于，所述目标威胁估计方法包括：采用组合赋权法，确定空中作战目标原始态势数据的威胁度标签；将带有所述威胁度标签的所述原始态势数据划分为训练集、验证集、测试集，利用所述训练集和所述验证集对预设的威胁估计模型进行训练，得到训练好的威胁估计模型；其中，所述预设的威胁估计模型基于包括注意力机制的双向LSTM网络构建形成；将所述测试集输入所述训练好的威胁度估计模型，得到所述空中作战目标的威胁估计度。2.根据权利要求1所述的目标威胁估计方法，其特征在于，所述采用组合赋权法，确定空中作战目标原始态势数据的威胁度标签，包括：采用专家经验赋值法，为所述原始态势数据的各个属性赋予相应的属性权值；利用熵权法，基于数据之间的差异以及分散程度的客观特征，为所述原始态势数据的各个属性赋予相应的威胁度权值；基于最小偏差法和序列最小二乘法，分别确定所述属性权值和所述威胁度权值的系数，得到所述原始态势数据对应的权值向量，并基于所述权值向量，确定所述原始态势数据的威胁度标签。3.根据权利要求2所述的目标威胁估计方法，其特征在于，所述采用专家经验赋值法，为所述原始态势数据的各个属性赋予相应的属性权值，包括：基于所述原始态势数据，确定威胁估计指标；其中，所述威胁度估计指标包括定性指标、定量指标，所述定性指标包括机动方式、雷达状态、飞机类型、目标状态，所述定量指标包括速度、距离、高度、脉冲重复频率、脉宽；基于预设的定性指标量化标准，确定所述定性指标的属性值；基于预设的威胁隶属度函数，确定所述定量指标的属性值；将携带有属性值的所述原始态势数据作为标准化态势数据，对所述标准化态势数据进行归一化处理，得到归一化态势数据；基于专家经验，确定所述归一化态势数据中各个所述威胁估计指标的权值，并将各个所述威胁估计指标的权值分别作为所述原始态势数据中对应属性的属性权值。4.根据权利要求3所述的目标威胁估计方法，其特征在于，所述基于预设的威胁隶属度函数，确定所述定量指标的属性值，包括：根据下式(1)，确定所述定量指标中速度、脉冲重复频率的属性值：其中，μ(p)表示定量指标p的属性值，p表示速度或者脉冲重复频率；a1、b1、c1均为p对应的函数参数；根据下式(2)，确定所述定量指标中距离、高度、脉宽的属性值：
其中，μ(q)表示定量指标q的属性值，q表示距离、高度、脉宽中的任意一者，a2、b2均为q对应的函数参数。5.根据权利要求3所述的目标威胁估计方法，其特征在于，所述利用熵权法，基于数据之间的差异以及分散程度的客观特征，为所述原始态势数据的各个属性赋予相应的威胁度权值，包括：基于所述归一化态势数据，利用下式(3)，计算每个属性的熵值：其中，c
ij
表示归一化态势数据组成的数据矩阵中的第i行第j列元素，e
j
表示所述数据矩阵中第j列元素对应的属性的熵值，j＝1,2,
…
,n，n表示所述原始态势数据所包含的属性维度总数，i＝1,2,
…
,m，m表示所述原始态势数据所包含的数据总条数；基于每个属性的熵值，根据下式(4)，计算每个属性的威胁度权值：其中，ω
j
表示所述数据矩阵中第j列元素对应的属性的威胁度权值，e
k
表示所述数据矩阵中第k列元素对应的属性的熵值，k＝1,2,
…
,n。6.根据权利要求5所述的目标威胁估计方法，其特征在于，所述基于最小偏差法和序列最小二乘法，分别确定所述属性权值和所述威胁度权值的系数，得到所述原始态势数据对应的权值向量，并基于所述权值向量，确定所述原始态势数据的威胁度标签，包括：根据下式(5)，分别确定所述属性权值和所述威胁度权值的系数：其中，minF(x)表示最小偏差模型；x表示权值系数矩阵；g＝1,2为中间变量；b
ij
...

【专利技术属性】
技术研发人员：葛建军，关永胜，张可，何树芳，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：