基于深度学习的无人机群飞行行为识别方法技术

本发明专利技术公开了一种基于深度学习的无人机群飞行行为识别方法，首先对获得的十类无人机群飞行行为数据进行了预处理，在无人机群行为离线识别场景下，将每类无人机集群飞行行为的原始轨迹序列数据进行归一化，并转化为灰度图像，然后将图像信息输入到构建的卷积神经网络里进行训练；在无人机群行为在线识别场景下，首先将每类无人机集群飞行行为的原始轨迹序列数据进行标准化，然后将标准化后的数据随机截取一个长度固定的时间序列，输入到构建的循环神经网络中进行训练。该方法充分发挥深度学习神经网络的优势，具有设计简单，鲁棒性较佳，训练完成的神经网络模型具有识别准确率高的优点。优点。优点。

【技术实现步骤摘要】
基于深度学习的无人机群飞行行为识别方法


[0001]本专利技术涉及一种基于深度学习的无人机群飞行行为识别方法，属于软件数据识别


技术介绍

[0002]无人机群协同作战是指利用无人机的优势，在协调一致的情况下协同完成军事任务的作战方式。无人机集群行为识别是指识别一组无人机所展示出来的行为模式，而对无人机群飞行行为进行识别，有助于提高无人机集群的效率和安全性。无人机集群的行为识别可以用来检测无人机之间的相互作用，从而提高无人机的协同作战能力。例如，通过对无人机集群的行为进行分类，可以实现对无人机的跟踪和轨迹预测，从而帮助无人机之间更好地协调工作。此外，无人机集群的行为识别也可以用来检测可能存在的安全隐患。例如，通过对无人机集群的行为进行分析，可以发现无人机之间存在的碰撞风险，从而避免可能发生的事故。
[0003]但是现有的无人机飞行行为识别技术主要聚焦于对单个无人机的飞行行为或者故障进行识别，较少有技术利用深度学习模型来对整个无人机群的飞行行为进行识别，对无人机群飞行行为识别的准确率也有待提升。
专利技术内容
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的无人机群飞行行为识别方法，其特征在于，将多类无人机群飞行行为数据集划分为训练集和测试集，对于无人机群行为离线识别而言，将每类无人机集群飞行行为的原始轨迹序列数据进行归一化，然后转化为灰度图像，然后将图像信息输入到构建的卷积神经网络里进行训练；对于无人机群行为在线识别而言，首先将每类无人机集群飞行行为的原始轨迹序列数据进行标准化，将标准化后的数据随机截取一个固定长度的时间序列，然后将时间序列输入到构建的循环神经网络中进行训练。两个神经网络模型训练完成后，利用测试集进行测试。2.根据权利要求1所述的基于深度学习的无人机群飞行行为识别方法，其特征在于，所述识别方法具体包括如下步骤：步骤1：从无人机群飞行行为数据库W中读取无人机群行为数据集，假设从数据库W中获取到了K类行为的无人机群数据，所有无人机群行为数据的全体用集合Z表示，Z＝{z1,z2,
…
z
i
,
…
,z
K
},i＝1,
…
,K，其中K为无人机群数据集的类别数量，z
i
表示第i类飞行行为对应的数据。将数据集按照6：4的比例划分为训练集和测试集，z
ijM
表示第i类飞行行为的一条训练数据，z
ijT
表示第i类飞行行为的一条测试数据，z
ij＝{
P
1,
P
2,
…
P
k,
…
P
S}
，k＝1,
…
,S，其中S为无人机群某一次飞行行为的轨迹点数量，P为某一个轨迹点的位置数据；步骤2：在无人机群行为离线识别场景下，对所有无人机群行为数据进行预处理，将步骤1中的原始数据集Z进归一化操作得到数据集Z
n
，然后转化为8位比特的灰度图像C，其中训练数据表示为C
M
，测试数据表示为C
T
；在无人机群行为在线识别场景下，将Z进行标准化操作得到标准化数据Z
s
，其中训练数据表示为Z
sM
，测试数据表示为Z
sT
；步骤3：在无人机群行为离线识别场景下，构建一个由两个卷积层，两个池化层，以及三个全连接层组成的卷积神经网络N
c
；在无人机群行为在线识别场景下，构建一个LSTM网络层，以及两个全连接层组成的循环神经网络N
r
；步骤4：将步骤2中得到的灰度图像C的训练数据C
M
输入到步骤3构建的卷积神经网络N
c
中进行训练，将步骤2中得到的标准化数据Z
s
的训练数据Z
sM
随机截取一个长度为L的时间序列，输入到步骤3构建的循环神经网络N
r
中进行训练，网络模型训练采用批训练的方式，训练完成后的卷积神经网络模型为N
cT
，循环神经网络模型为N
rT
；步骤5：将步骤2中的测试数据C
T
和Z
sT
分别输入到步骤4训练完成的卷积神经网络N
cT
模型和循环神经网络N
rT
模型中分别进行测试，得到在测试集上进行无人机群飞行行为离线识别结果和在线识别的识别结果。3.根据权利要求2所述的基于深度学习的无人机群飞行行为识别方法，其特征在于，所述步骤1中，从无人机群飞行行为数据库W中读取无人机群行为数据集，所述无人机群行为数据集由十类无人机群飞行行为构成，包括局部地图侦察、全局地图侦察、长机僚机并列飞行、巡逻我方要地、穿越丛林、群体汇聚、敌我无人机群对抗、一字长蛇阵攻势、大雁阵攻势和丛林防守隐蔽；每类飞行行为的数据都按照6：4的比例划分为训练集和测试集；无人机的飞行行为信息包括时间戳、编号、X轴位置、Y轴位置。4.根据权利要求2所述的基于深度学习的无人机群飞行行为识别...

【专利技术属性】
技术研发人员：汪亮，胡浪，陶先平，胡昊，
申请(专利权)人：南京大学，
类型：发明
国别省市：