【技术实现步骤摘要】
一种地图任务元和状态特征融合的无人机任务识别方法
[0001]本专利技术属于无人机
,具体涉及一种一种地图任务元和状态特征融合的无人机任务识别方法。
技术介绍
[0002]随着无人机产业的愈发成熟,民用无人机融入受控空域是不可阻挡的趋势。而无人机商业化的方兴未艾,带来的是民用无人机种类和数量的爆炸式增长。无人机的不同种类决定了其拥有诸多特定的任务属性,因而对空域内无人机当前执行的任务进行高效精准的识别,可以为无人机行为意图推理,潜在的冲突风险避免提供参考,能够进一步提升我国民用无人机监管能力,为无人机快速融入空域监管体系提供技术支撑。
[0003]目前,无人机飞行监测技术相对完善,主要利用雷达、ADS
‑
B等技术手段对合作和非合作无人机的位置坐标、速度、姿态、时间戳等飞行状态特征数据进行探测、接收和采集,为本方案无人机的任务识别提供了可靠的数据支撑。
[0004]除了无人机自身的飞行特征以外,无人机周围的环境空间也是很重要的参考。虽然无人机执行不同的任务,但可能在某一时刻具有相似的飞行特征,故只根据飞行数据特征,很难对无人机当前任务有客观准确的判断。
[0005]现有公开技术中,公开号为CN114169367A,《基于深度学习的低小慢无人机识别方法和系统》,通过对无线电信号进行探测和处理,基于无人机分类识别算法完成特征提取,利用飞行信号频带特征参数和深度学习卷积神经网络,实现对无人机类型的识别。公开号为CN110958200A,《一种基于无线电特征的无人机识别方法》,通 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种地图任务元和状态特征融合的无人机任务识别方法,其特征在于:首先要求监视区域具有雷达和ADS
‑
B设备,能够有效捕获空域内无人机的位置坐标、速度、时间戳飞行状态特征;将无人机的任务划分为末端物流、航拍测绘、应急救援、农林植保、工业巡检5类,针对5类任务和飞行状态特征构造特征函数;当5类任务识别概率的最大值<50%时,抛出任务未识别;识别方法具体步骤如下:步骤1:根据无人机飞行空域的土地利用性质,完成飞行地图的任务元映射,每个栅格可能同时拥有几个任务属性,映射结果为每个栅格5类任务的占比M
k
={m
k1
,m
k2
,m
k3
,m
k4
,m
k5
},M
k
表示第k个栅格的5类任务分布情况,{m
k1
,...,m
k5
}分别为末端物流、航拍测绘、应急救援、农林植保、工业巡检5类任务在任务栅格的占比;步骤2:采集无人机飞行状态历史数据,预处理后得到特征数据X
i
={x
i1
,x
i2
,x
i3
,x
i4
,x
i5
},X
i
表示根据无人机的历史数据构造的某条特征向量,{x
i1
,...,x
i5
}分别表示5个构造特征;步骤3:对于有对应任务的历史数据,直接将任务类型作为样本标签Y
i
;对于没有记录任务类型的历史数据,将特征样本X进行聚类,对聚类结果进行任务类别的映射,保证每条特征数据都有对应的标签值;步骤4:将特征数据和样本数据放到一个输入输出神经元均为5的深度学习神经网络进行训练,并优化网络结构和参数;步骤5:利用训练完成的网络参数,输入新的特征数据,对任务进行预测,预测结果为5类任务的概率O
j
={o
j1
,o
j2
,o
j3
,o
j4
,o
j5
},其中O
j
表示无人机j的神经网络预测结果向量,{o
j1
,...,o
j5
}分别表示5类任务的预测概率;步骤6:将飞行地图任务元的类别占比与输出类别概率进行融合,得到关联环境空间以及飞行状态特征的融合概率:FP
jk
={αo
j1
+βm
k1
,αo
j2
+βm
k2
,αo
j3
+βm
k3
,αo
j4
+βm
k4
,αo
j5
+βm
技术研发人员:张祖耀,殷汶鑫,董佳琦,
申请(专利权)人:成都福瑞空天科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。