System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能感知与处理,特别是涉及一种无人机侦测反制系统的异构数据融合方法。
技术介绍
1、无人机的侦测与反制对于城市化、大型化网络综合管控的较少,现有的无人机侦测反制系统大部分以工作站的方式存在,而工作站方式包括指挥车、固定站、机动站、便携式反无枪,虽然在一定程度上能够对无人机进行监控和反制,但仍存在如下不足之处:
2、1、实时性不高:在实际应用中,无人机侦测反制系统需要实时获取和分析大量的信息。然而,由于数据传输延迟、计算能力限制等原因,系统的实时性可能受到影响,导致对无人机的应对不够及时。
3、2、适应性不强:无人机侦测反制系统需要具备较强的适应性,能够应对各种地形、气象、光照等条件的变化。然而,目前的无人机侦测反制系统在适应性方面仍有很大提升空间,尤其是在应对复杂地形、恶劣气象条件下的无人机时。
4、3、识别准确性不高:无人机侦测反制系统需要具备较高的识别准确性,以便将误报率降到最低。然而,目前的无人机侦测反制系统在识别准确性方面仍有很大提升空间,尤其是在应对低可视度、复杂气象条件下的无人机时。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种无人机侦测反制系统的异构数据融合方法,采用异构数据融合技术可以在不同的传感器之间共享数据,从而减少了数据传输的时间,提高了系统的实时性和响应速度。
2、本专利技术提供了一种无人机侦测反制系统的异构数据融合方法,所述方法包括:
3、获取无人机数据,所述无人机数据
4、对所述无人机数据进行预处理以得到高质量无人机数据;
5、根据实际需求和融合任务目标选择合适的特征提取方法,对所述高质量无人机数据进行特征提取;
6、根据应用场景和实际需求选择合适的数据融合方法,对特征提取后得到的所述高质量无人机数据进行有效整合。
7、在其中一个实施例中,所述获取无人机数据,包括:
8、通过多种传感器对无人机数据进行实时采集,所述无人机数据来自于不同的无人机型号、传感器类型和通信协议。
9、在其中一个实施例中,所述对所述无人机数据进行预处理以得到高质量无人机数据,包括:
10、对来自不同传感器和和数据源的数据进行预处理以得到高质量无人机数据,所述预处理包括数据清洗、去重、格式转换、校对。
11、在其中一个实施例中,所述根据实际需求和融合任务目标选择合适的特征提取方法,对所述高质量无人机数据进行特征提取,包括:
12、根据实际需求和融合任务目标选择合适的特征提取方法,所述特征提取方法包括基于统计的特征提取和基于机器学习的特征提取;
13、对所述高质量无人机数据进行特征提取,所述高质量无人机数据包括预处理后的飞手信息、无人机状态、位置、高度、速度和运动轨迹。
14、在其中一个实施例中,所述根据应用场景和实际需求选择合适的数据融合方法,对特征提取后得到的所述高质量无人机数据进行有效整合,包括:
15、根据应用场景和实际需求选择合适的数据融合方法,所述数据融合方法包括基于统计的数据融合、基于机器学习的数据融合和基于图论的数据融合;
16、对特征提取后来自不同传感器和数据源的高质量无人机数据进行有效整合。
17、在其中一个实施例中,所述方法还包括:
18、通过图形化界面、实时数据流等方式展示融合后的数据并对该数据做出决策。
19、在其中一个实施例中,所述方法还包括:
20、对系统的实际运行情况进行评估,了解异构数据融合方法在无人机侦测反制中的应用效果,并根据评估结果对方法进行改进和优化。
21、在其中一个实施例中,所述数据融合步骤为级联通过将所有的异构数据沿着一特定空间维度进行拼接,得到所有数据在该空间的全局特征。
22、在其中一个实施例中,所述数据融合步骤为采用外积方式,沿着张量空间捕捉了异构数据之间的相互关系,从而得到一个以异构数据作为新的维度特征的融合张量。
23、在其中一个实施例中,所述决策采用全连接层在全局特征的基础上进行决策,包括回归模型的预测和分类模型的概率预测。
24、上述无人机侦测反制系统的异构数据融合方法,相较于传统系统中的传感器需要时间来收集和处理数据可能会导致系统的延迟,其采用异构数据融合技术可以在不同的传感器之间共享数据,从而减少了数据传输的时间,提高了系统的实时性和响应速度。并且异构数据融合技术可以提高系统的智能化水平,通过将不同类型的数据进行整合和分析,系统可以更好地理解目标的行为模式和环境特征,并做出更准确的判断和决策。使得无人机侦测反制系统能够更加智能化地应对各种复杂的情况。
本文档来自技高网...【技术保护点】
1.一种无人机侦测反制系统的异构数据融合方法,其特征在于,所述方法包括:
2.根据权利要求1所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述获取无人机数据,包括:
3.根据权利要求2所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述对所述无人机数据进行预处理以得到高质量无人机数据,包括:
4.根据权利要求3所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述根据实际需求和融合任务目标选择合适的特征提取方法,对所述高质量无人机数据进行特征提取,包括:
5.根据权利要求4所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述根据应用场景和实际需求选择合适的数据融合方法,对特征提取后得到的所述高质量无人机数据进行有效整合,包括:
6.根据权利要求5所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述方法还包括:
8.根据权利要求1所述的无人机侦测反制系统的异构数据融合方
9.根据权利要求1所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述数据融合步骤为采用外积方式,沿着张量空间捕捉了异构数据之间的相互关系,从而得到一个以异构数据作为新的维度特征的融合张量。
10.根据权利要求6所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述决策采用全连接层在全局特征的基础上进行决策,包括回归模型的预测和分类模型的概率预测。
...【技术特征摘要】
1.一种无人机侦测反制系统的异构数据融合方法,其特征在于,所述方法包括:
2.根据权利要求1所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述获取无人机数据,包括:
3.根据权利要求2所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述对所述无人机数据进行预处理以得到高质量无人机数据,包括:
4.根据权利要求3所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述根据实际需求和融合任务目标选择合适的特征提取方法,对所述高质量无人机数据进行特征提取,包括:
5.根据权利要求4所述的无人机侦测反制系统的异构数据融合方法,其特征在于,所述根据应用场景和实际需求选择合适的数据融合方法,对特征提取后得到的所述高质量无人机数据进行有效整合,包括:
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员:阮杰,胡锦文,骆博雅,熊飞龙,邓小利,
申请(专利权)人:江西省军民融合研究院,
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。