军用机型复杂机动动作数据集自动辅助标注方法及装置制造方法及图纸

本发明专利技术涉及一种军用机型复杂机动动作数据集自动辅助标注方法及装置。该方法包括：采集历史飞行参数序列数据并选取标准机动动作样本序列；对历史飞行参数序列和目标机动动作模板序列数据预处理；利用Matrix Profile数据结构，使用目标机动动作模板序列在历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；对识别子序列进行预分类处理；采用多维动态时间规划方法将待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；飞行参数子序列三维可视化，并对自动标注的机动类别进行人工复核，得到带标签的机动动作数据集。本发明专利技术能显著提高复杂机动动作数据集的标注效率和准确率，适用多种军用机型。用机型。用机型。

【技术实现步骤摘要】
军用机型复杂机动动作数据集自动辅助标注方法及装置


[0001]本专利技术属于飞行数据智能处理
，具体涉及一种军用机型复杂机动动作数据集自动辅助标注方法及装置。

技术介绍

[0002]科学评估飞行训练质量对于分析飞行员操纵习惯和提高飞行员的飞行驾驶技术以及确保飞行安全具有至关重要的意义。机动动作识别则是飞行训练质量评估的关键步骤，大量评估内容都是建立在获取特定类别动作序列的基础之上。机载飞参系统以多维时间序列数据形式记录和保存的飞参数据为机动动作识别提供了客观和科学的依据。
[0003]目前，基于飞参数据的机动动作识别方法主要包含基于模式匹配的方法、基于专家系统的方法和基于深度学习的智能方法。传统基于模式匹配的方法需要手动调整阈值。基于专家系统的方法需要根据领域专家的先验知识建立人工规则知识库。这两类方法对于相似性较高的复杂机动动作识别精度有待进一步提升。近年来，人工智能得到了快速的发展和进步，基于深度学习的方法在机动动作识别领域表现出了显著的性能。然而，基于深度学习的方法需要大量带有标注的机动动作样本数据集用于模型训练。此外，陀螺仪或加速计等多模态机载传感器记录的飞参数据包含了数十至上百个参数，这远比如相机等其他模态传感器数据更难理解。传统的机动动作数据集标注方法是由人工对飞行数据进行观察和分析，识别出其中的机动动作片段，并进行标注。然而，这种手动标注的方法存在以下问题：（1）工作量大，对大量飞行数据进行手动标注需要耗费大量的时间和人力资源；（2）主观性强，不同的人员对于机动动作的识别和标注可能存在主观差异，导致结果不一致；（3）准确性低，机动动作序列片段的提取和类别标注需要专业人员，标注的准确性受到个体能力、经验和疲劳等因素的影响，可能存在标注错误的情况。因此，需要一种能够自动辅助标注飞行数据中机动动作的方法和装置，以提高标注效率和精度。

技术实现思路

[0004]本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供了一种军用机型复杂机动动作数据集自动辅助标注技术方案，用以解决海量飞行参数数据下目标机动动作类别标注精度和效率低的技术问题。
[0005]为了达到上述专利技术目的，本专利技术采用以下技术方案：S1、采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板；S2、对采集到的历史飞行参数序列数据和选取的目标机动动作模板序列进行数据预处理；S3、基于Matrix Profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；S4、通过明显特征将S3中提取的待识别子序列进行预分类处理，即进行机动动作
类别的预匹配；S5、采用MDTW算法，在预分类后动作序列中将待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；S6、将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行人工精确复核，得到最终标注的机动动作数据集。
[0006]优选地，S1中所述采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板；具体包括：S1
‑
1、采集飞行员飞行训练的历史飞行参数序列数据，将历史飞行参数据解码为计算机可直接读取的表格数据；S1
‑
2、依据飞行训练大纲和实际需求，确定拟标注的目标机动动作类型，并选取满足飞行训练手册中机动动作操作规范要求的飞行参数子序列作为标准目标机动动作模板序列。
[0007]优选地，S2中对采集到的历史飞行参数序列和选取的目标机动动作模板序列进行数据预处理；具体包括：S2
‑
1、取能够判断出不同动作类别的俯仰角、倾斜角、气压高度、X轴角速度、Y轴角速度、Z轴角速度、水平加速度和垂直加速度参数，对历史飞行参数序列和目标机动动作模板序列中的缺失值进行填补，然后对原始数据中每一维进行标准化预处理。
[0008]所述数据标准化处理公式为：其中，表示飞参数据中每一维数据的均值，表示飞参数据中每一维数据的标准差。经过预处理后每一维数据的平均值为0，标准差为1。
[0009]优选地，S3中基于Matrix Profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；具体包括：给定经过数据预处理的历史飞行参数时间序列，用于查询的目标机动动作模板序列。使用目标机动动作模板序列长度的滑动窗口从经过数据预处理的历史飞行参数时间序列的起始位置开始滑动，每次计算窗口内子序列与目标机动动作模板序列的距离，生成长度为的Matrix Profile，在Matrix Profile中查询小于阈值的值，该值所在的位置即为从中匹配并提取的待识别飞行参数子序列。
[0010]其中，表示参数的数量，表示历史飞行参数时间序列的长度，表示目标机动动作模板序列的长度，通常远远小于。
[0011]优选地，S4中通过明显特征将S3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配；具体包括：S4
‑
1、所述明显特征为高度和俯仰角，预分类的类别包括类斤斗，类俯冲跃升、类升降转弯，类急转弯、类横滚，类盘旋四大类；
[0012]S4
‑
2、所述机动动作类别的预匹配具体为：首先，设定阈值和阈值，取每个标准目标机动动作模板序列中最大高度和最小高度差值的平均值，取每个标准目标机动动作模板序列中最大俯仰角和最小俯仰角差值的平均值，然后，根据待识别子序列高度一阶差分绝对值的均值，将均值大于阈值的序列分为升降类动作，小于阈值的序列分为非升降类动作。在升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类斤斗、类俯冲跃升，小于阈值的序列分为类升降转弯；在非升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类盘旋，将均值小于阈值的序列分为类急转弯和类横滚；
[0013]优选地，S5中机动动作识别阶段，利用MDTW算法对待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；具体包括：S5
‑
1、所述机动动作识别阶段是对S4预分类后所得的待识别飞行参数子序列和现有目标机动动作模板序列进行相似性匹配，通过分别计算待识别飞行参数子序列与 C个目标机动动作模板序列的MDTW距离，得到相似度值序列，值小于阈值，则将待识别的动作判定为对应的标准动作类别。其中根据实际机动序列与所对应目标机动动作模板序列的MDTW距离值设定。
[0014]S5
‑
2、两个动作序列相似度值的计算采用MDTW距离的计算原理。假定动作序列1为,动作序列2为,MDTW路径矩阵为，表示动作序列的维数，和分别表示动作序列1和动作序列2的长度，表示相应维度的权重；
[0015]所述动作序列1和动作序列2定义为：所述动作序列1和动作序列2定义为：其中，为动作序列1的第维度特征在第个点的取值，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，该方法包括：S1、采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板；S2、对采集到的历史飞行参数序列数据和选取的目标机动动作模板序列进行数据预处理；S3、基于Matrix Profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；S4、通过明显特征将S3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配；S5、采用MDTW算法，在预分类后动作序列中将待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；S6、将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行复核，得到最终标注的机动动作数据集。2.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤S1中所述采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板，具体包括：S1
‑
1、采集飞行员飞行训练的历史飞行参数序列数据，将历史飞行参数据解码为计算机可直接读取的表格数据；S1
‑
2、依据飞行训练大纲和实际需求，确定拟标注的目标机动动作类型，并选取满足飞行训练手册中机动动作操作规范要求的飞行参数子序列作为标准目标机动动作模板序列。3.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤S2中所述对采集到的历史飞行参数序列和选取的目标机动动作模板序列进行数据预处理，具体包括：取能够判断出不同动作类别的俯仰角、倾斜角、气压高度、X轴角速度、Y轴角速度、Z轴角速度、水平加速度和垂直加速度参数，对历史飞行参数序列和目标机动动作模板序列中的缺失值进行填补，然后对原始数据中每一维进行标准化预处理。4.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤S3中所述基于Matrix Profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列，具体包括：给定经过数据预处理的历史飞行参数时间序列，用于查询的目标机动动作模板序列，使用目标机动动作模板序列 长度的滑动窗口从经过数据预处理的历史飞行参数时间序列的起始位置开始滑动，每次计算窗口内子序列与目标机动动作模板序列的距离，生成长度为的Matrix Profile，在Matrix Profile中查询小于阈值的值，该值所在的位置即为从
中匹配并提取的待识别飞行参数子序列;其中，表示参数的数量，表示历史飞行参数时间序列的长度，表示目标机动动作模板序列的长度，通常远远小于。5.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤S4中所述通过明显特征将S3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配，具体包括：S4
‑
1、所述明显特征为高度和俯仰角，预分类的类别包括类斤斗，类俯冲跃升、类升降转弯，类急转弯、类横滚，类盘旋四大类；S4
‑
2、所述机动动作类别的预匹配具体为：首先，设定阈值和阈值，取每个标准目标机动动作模板序列中最大高度和最小高度差值的平均值，取每个标准目标机动动作模板序列中最大俯仰角和最小俯仰角差值的平均值，然后，根据待识别子序列高度一阶差分绝对值的均值，将均值大于阈值的序列分为升降类动作，小于阈值的序列分为非升降类动作,在升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大...

【专利技术属性】
技术研发人员：任利强，王海鹏，王翔，李超，宋山松，万兵，张杨，柳昱，石治国，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：