一种基于机器学习的无人机防御仿真方法及其系统技术方案

本发明专利技术提出了一种基于机器学习的无人机防御仿真方法及其系统，该方法包括如下步骤：基于GIS三维虚拟仿真构建所需的真实三维地形地貌；响应于将物理空间中的实体数字化，并在数据端构建该实体的数据模型以构建物模型；基于构建的所述物模型；利用机器学习及模型训练，实现对无人机防控决策方法进行强化学习和纠偏，实现无人机对抗模拟仿真。本发明专利技术对于区域性无人机防御任务的自主决策与协同规划控制的研究和发展具有十分重要的意义，为无人机防御系统分布部署的任务决策、安防复杂任务的规划、分布式协同控制、协同任务推演与任务效能评估等提供了一个实时仿真环境，对无人机防御设计方案的实时性、有效性、可行性进行测试和验证。和验证。和验证。

【技术实现步骤摘要】
一种基于机器学习的无人机防御仿真方法及其系统


[0001]本专利技术属于无人机
，具体涉及一种基于机器学习的无人机防御仿真方法及其系统。

技术介绍

[0002]无人驾驶飞行器，简称无人机，是一种使用无线遥控设备和自主程序控制的不载人飞机。与载人飞行器相比，无人机由于自身的灵活性、便携性、经济性以及易操作性已经在农业、城管、科研、环保、公安等各个领域都有了广泛的应用。
[0003]传统无人机防御解决方案的设计，通常的流程是：了解需求，分析需求，实地考察，结合经验进行无人机防御方案的设计。在这样的模式下，人力、时间的成本极高，设计的方案基于设计者主观的想法以及经验之谈，可能会存在不足之处，并且不易验证，在实际作战过程中可能会存在防御盲区。
[0004]有鉴于此，提出一种基于机器学习的无人机防御仿真方法及其系统是非常具有意义的。

技术实现思路

[0005]本专利技术提供一种基于机器学习的无人机防御仿真方法及其系统，以解决上述存在的技术缺陷问题。
[0006]第一方面，本专利技术提出了一种基于机器学习的无人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的无人机防御仿真方法，其特征在于，该方法包括如下步骤：基于GIS三维虚拟仿真构建所需的真实三维地形地貌；响应于将物理空间中的实体数字化，并在数据端构建该实体的数据模型以构建物模型；基于构建的所述物模型，将无人机防御设备、无人机设备以及无人机防御区域、无人机入侵区域、点位分布直观的在GIS三维地图中进行可视化展示；利用机器学习及模型训练，实现对无人机防控决策方法进行强化学习和纠偏，实现无人机对抗模拟仿真；其中，机器学习具体包括：数据收集，收集无人机设备的攻击范围以及无人机防御设备的防御范围两种物模型的相关数据；数据处理，将数据的顺序进行随机化，并检查收集的数据集是否偏向某个模型，通过检查和审查的方式对数据进行预清理，进一步将数据按模型训练和模型评估比例为8:2进行分割；选择模型，选择强化学习的模型作为无人机与无人机防御设备电子对抗的模型，强化学习的过程符合马尔可夫决策过程MDP，并选择Value Based分类方式和采用SARSA State
‑
Action
‑
Reward
‑
State
‑
Action算法；模型评估，根据指标准确率Ac、灵敏度Sn、特异性Sp和马太相关系数MCC进行自动试错学习，并不断优化；模型超参数调优，根据模型评估的结果对模型进行调参，以进一步提高模型的性能；模型保存，当模型训练完成后，需要将训练好的模型保存下来，并将其部署到实际应用中，以进行预测任务和分类任务；模型评估中指标的计算公式具体如下：准确率Ac计算公式；灵敏度Sn计算公式；特异性Sp计算公式；马太相关系数MCC计算公式；其中，Ac表示模型准确率；Sn表示模型的灵敏度；Sp表示模型的特异性指标，MCC表示马太相关系数；TP、TN、FP和FN分别表示真阳性、真阴性、假阳性和假阴性。2.根据权利要求1所述的基于机器学习的无人机防御仿真方法，其特征在于，所述超参数主要包括：训练神经网络的学习速率；支持向量机的C和sigma超参数；
k邻域中的k；网络结构，包括神经元之间的连接关系、层数、每层的神经元数量、激活函数的类型；优化参数，包括优化方法、学习率、小批量的样本数量；正则化系数；其中，采用贝叶斯优化方法以及基于梯度的优化方法作为超参数调优方法。3.根据权利要求1所述的基于机器学习的无人机防御仿真方法，其特征在于，基...

【专利技术属性】
技术研发人员：陈伟鸿，陈仲毅，
申请(专利权)人：厦门安智达信息科技有限公司，
类型：发明
国别省市：