一种基于多传感器和制造技术

本发明专利技术提供了一种基于多传感器和

【技术实现步骤摘要】
一种基于多传感器和LSTM的无人机威胁综合评估方法


[0001]该专利技术涉及反无人机防范
，特别是指一种基于多传感器和
LSTM(
长短时记忆网络
)
的无人机威胁综合评估方法
。

技术介绍

[0002]针对无人机目标威胁度难以评估的问题
。
传统的无人机威胁评估方法通常采用单一的传感器
(
如雷达或光电设备
)
进行数据采集和处理，然后根据特定的规则或算法来判断无人机的威胁程度
。
这种方法存在以下几个缺点：
[0003]1)
数据单一：传统方法通常采用单一传感器采集数据，无法获取多源
、
多角度的全面性数据信息，难以进行准确的威胁评估
。
[0004]2)
处理方式简单：传统方法采用简单规则或算法对数据处理，难以应对无人机目标特征多样性和复杂性，导致评估结果偏差较大
。

技术实现思路

[0005]有鉴于此，本专利技术提供一种基于多传感器和
LSTM
的无人机威胁综合评估方法，该方法通过多传感器获取多源
、
多角度的全面性数据信息，并通过
LSTM
深度学习模型对数据进行处理和分析，提高了准确性和实时性
。
[0006]本专利技术采用的技术方案为：
[0007]一种基于多传感器和
LSTM
的无人机威胁综合评估方法，包含以下步骤：
[0008]步骤1：构建一个单层
LSTM
模型和一个三层
LSTM
模型；三层
LSTM
模型的每层
LSTM
单元均由记忆单元
、
输入门
、
遗忘门和输出门组成，每层
LSTM
单元的隐藏层层数分别为
64
层
、32
层和
16
层；三层
LSTM
模型的输入序列长度为5个时间步数，激活函数采用
softmax
，多分类损失函数为交叉熵损失函数；
[0009]步骤2：使用雷达设备
、
光电设备和电子侦察设备对同一时空的无人机目标进行探测，获取无人机目标的距离
、
经
‑
纬
‑
高位置
、
航向
、
大小
、
类型
、
图像
、
重频
、
载频
、
脉宽以及信号强度的信息；将采集的数据进行预处理，完成数据清洗
、
无效数据过滤以及数据格式转换，然后，将数据分为两部分，一部分为只包含雷达设备探测数据的目标数据集，另一部分为包含雷达设备
、
光电设备
、
电子侦察设备探测数据的目标数据集，将每个数据集均按照
8:1:1
的比例划分为训练集
、
验证集和测试集，其中，训练集用于训练模型，验证集用于调整模型超参数，测试集用于评估模型的性能；
[0010]步骤3：将每个无人机目标的属性信息序列化，形成一个序列数据集，对序列数据集每5秒设置一个固定的时间窗口，每个时间窗口的序列中包含一组目标属性信息；根据目标属性信息，使用雷达数据集和多传感器数据集分别对每个无人机目标进行标注，标注目标的威胁标签；
[0011]步骤4：使用雷达探测的无人机目标属性，基于均方误差指标，完成对单层
LSTM
模型的训练和评估；此外，使用多传感器探测的无人机目标属性，基于准确率
、
精确度
、
召回率
指标，完成对三层
LSTM
模型的训练和评估；
[0012]步骤5：采集雷达传感器探测的目标数据，包括目标的距离
、
经
‑
纬
‑
高位置
、
航向
、
大小
、
类型的信息，对数据进行序列化处理，将序列化处理后的雷达探测的目标数据输入训练好的单层
LSTM
模型，得到无人机威胁的粗排序列表；
[0013]然后，根据无人机威胁的粗排序列表，按照威胁程度由高到低的顺序，以雷达探测的目标位置为依据，依次引导光电设备和电子侦察设备探测并确认目标；具体方式为：
[0014]采集雷达设备
、
光电设备
、
电子侦察设备探测的目标数据，对数据进行序列化处理，将序列化处理后的多传感器探测的目标数据输入训练好的三层
LSTM
模型，得到无人机威胁的精排序列表，完成无人机威胁综合评估
。
[0015]本专利技术的有益效果在于：
[0016]1、
综合利用多传感器数据：该方法通过融合多传感器数据，提供了更全面
、
准确的目标属性信息，从而可以更准确地评估无人机威胁度
。
[0017]2、
基于
LSTM
模型实现实时评估：该方法利用
LSTM
模型对无人机目标进行实时评估，满足了威胁评估的实时性要求
。
[0018]3、
二次评估提高准确性：该方法通过引导光电和电子侦察设备对目标进行探测，并根据探测信息使用多层
LSTM
模型对无人机目标进行评估，可进一步提高威胁评估的准确性
。
[0019]4、
可扩展性：由于该方法利用了多传感器数据和基于
LSTM
的模型，可以适应不同类型的传感器和不同属性
、
不同类型的目标探测
。
[0020]总之，本专利技术可提高威胁评估的准确性和全面性，为无人机威胁防范提供了更有效的手段
。
附图说明
[0021]图1是一种基于多传感器和
LSTM
的无人机威胁综合评估方法的原理示意图
。
[0022]图2是多层
LSTM
模型结构图
。
[0023]图3是无人机威胁综合评估方法的
LSTM
网络结构
。
具体实施方式
[0024]下面结合附图和具体实施方式对本专利技术进行详细说明
。
[0025]一种基于多传感器和
LSTM
的无人机威胁综合评估方法，该方法首先利用雷达探测的距离
、
速度
、
航向
、
大小
、
射频等属性信息，结合
LSTM
算法对无人机目标进行威胁度评估，并按照威胁度从高到低排序得到无人机威胁度列表；然后，根据排序结果，引导光电和电子侦察设备对无人机目标进行跟踪探测；最后，汇总多传感器目标属性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多传感器和
LSTM
的无人机威胁综合评估方法，其特征在于，包含以下步骤：步骤1：构建一个单层
LSTM
模型和一个三层
LSTM
模型；三层
LSTM
模型的每层
LSTM
单元均由记忆单元
、
输入门
、
遗忘门和输出门组成，每层
LSTM
单元的隐藏层层数分别为
64
层
、32
层和
16
层；三层
LSTM
模型的输入序列长度为5个时间步数，激活函数采用
softmax
，多分类损失函数为交叉熵损失函数；步骤2：使用雷达设备
、
光电设备和电子侦察设备对同一时空的无人机目标进行探测，获取无人机目标的距离
、
经
‑
纬
‑
高位置
、
航向
、
大小
、
类型
、
图像
、
重频
、
载频
、
脉宽以及信号强度的信息；将采集的数据进行预处理，完成数据清洗
、
无效数据过滤以及数据格式转换，然后，将数据分为两部分，一部分为只包含雷达设备探测数据的目标数据集，另一部分为包含雷达设备
、
光电设备
、
电子侦察设备探测数据的目标数据集，将每个数据集均按照
8:1:1...

【专利技术属性】
技术研发人员：刘栋财，虞华，杨宏文，赵向阳，田野，唐圣期，王璐琳，李润，郭巍，
申请(专利权)人：中华通信系统有限责任公司长沙分公司，
类型：发明
国别省市：