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】
本专利技术涉及航迹匹配,尤其涉及一种基于多元数据特征融合计算的航迹匹配方法及系统。
技术介绍
1、现有技术中主要通过轨迹相似度量算法、目标航迹预测算法和目标航迹分类算法等进行目标活动轨迹匹配,然而,轨迹相似度量算法对轨迹的差异性非常敏感,容易受到轨迹点位置的影响,对轨迹相似度的计算准确性较差;目标航迹预测算法通过建立运动模型或通过历史数据建立挖掘模型,实现对目标航迹的预测,但没有对航迹匹配关联问题进行研究;目标航迹分类算法需要按类别划分航迹类型再识别,结果依赖分类划分细度,对于航迹轨迹相似的目标难以区分。
2、现代战争中,战场态势瞬息万变,指挥员需要根据上报的目标航迹、飞行轨迹和数据等信息在短时间内感知战场态势变化趋势并迅速做出决策,从而,需要对目标航迹进行快速以及准确地匹配。
技术实现思路
1、本专利技术意在提供一种基于多元数据特征融合计算的航迹匹配方法及系统,以解决现有技术中存在的不足,本专利技术要解决的技术问题通过以下技术方案来实现。
2、本专利技术提供的基于多元数据特征融合计算的航迹匹配方法,包括:
3、分别获取历史航迹轨迹图片和实时航迹轨迹图片,并获取实时航迹轨迹图片对应的航迹轨迹特征向量和各个历史航迹轨迹图片对应的航迹轨迹特征向量;
4、获取实时航迹和各个历史航迹分别对应的物理特征矩阵;
5、将物理特征矩阵与航迹轨迹特征向量进行融合,分别获取实时航迹融合特征和历史航迹融合特征;
6、设置权重,通过权
7、对实时航迹与各历史航迹的相似度进行从小到大排序,将排序在第一位时对应的历史航迹作为目标航迹。
8、在上述的方案中,所述物理特征矩阵包括速度特征矩阵、高度特征矩阵和位置特征矩阵。
9、在上述的方案中,按照选取间隔对实时航迹对应的航迹点以及各个历史航迹分别对应的航迹点进行选取。
10、在上述的方案中,在对航迹点进行选取过程中,选取的航迹点个数固定,先选取航迹中的首航迹点和末航迹点,再根据选取间隔选取剩余的航迹点。
11、在上述的方案中,通过选取的实时航迹对应的各个航迹点对应的物理特征向量组成实时航迹对应的物理特征矩阵。
12、在上述的方案中,通过选取的各个历史航迹分别对应的各个航迹点分别对应的物理特征向量组成各个历史航迹分别对应的物理特征矩阵。
13、在上述的方案中,在将物理特征矩阵与航迹轨迹特征向量进行融合前,对物理特征矩阵与航迹轨迹特征向量进行串联,得到串联特征。
14、在上述的方案中,在串联过程中,将物理特征矩阵串联在与其对应的航迹轨迹特征向量后面。
15、在上述的方案中,通过加权余弦相似度计算公式得到实时航迹与各历史航迹的相似度,其中,加权余弦相似度计算公式为:
16、;
17、其中,simi为实时航迹与第i个历史航迹之间的加权余弦相似度,i≤n,n为历史航迹的总数,wj为航迹融合特征对应的第j个属性值的权重,1≤j≤s,s为航迹融合特征对应的属性值个数的总和,fsj为实时航迹融合特征对应的第j个属性值,fhij为第i个历史航迹融合特征向量对应的第j个属性值。
18、本专利技术提供的基于多元数据特征融合计算的航迹匹配系统,采用如上所述的基于多元数据特征融合计算的航迹匹配方法进行航迹匹配,所述系统包括:
19、航迹轨迹图片获取模块,用于分别获取历史航迹轨迹图片和实时航迹轨迹图片;
20、航迹特征获取模块,用于获取实时航迹轨迹图片对应的航迹轨迹特征向量和各个历史航迹轨迹图片对应的航迹轨迹特征向量;
21、特征融合模块,用于获取实时航迹和各个历史航迹分别对应的物理特征矩阵,将物理特征矩阵与航迹轨迹特征向量进行融合,分别获取实时航迹融合特征和历史航迹融合特征;
22、相似度计算模块,用于设置权重,通过权重分别对实时航迹融合特征对应的各属性值和历史航迹融合特征对应的各属性值进行加权处理,基于加权处理结果得到实时航迹与各历史航迹的相似度;
23、目标航迹获取模块,用于对实时航迹与各历史航迹的相似度进行从小到大排序,将排序在第一位时对应的历史航迹作为目标航迹。
24、本专利技术实施例包括以下优点:
25、本专利技术实施例提供的基于多元数据特征融合计算的航迹匹配方法及系统,利用卷积神经网络模型生成航迹轨迹特征向量,并融合航迹的速度特征向量、高度特征向量和位置特征生成多元数据融合特征,利用加权余弦相似度方法,计算实时航迹与各条历史航迹的匹配度,从而对目标航迹进行判断,以智能化的手段进行空战场情报分析,综合考虑目标航迹各方面因素匹配航迹,能够进行快速以及准确地进行目标航迹匹配。
本文档来自技高网...【技术保护点】
1.一种基于多元数据特征融合计算的航迹匹配方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,所述物理特征矩阵包括速度特征矩阵、高度特征矩阵和位置特征矩阵。
3.根据权利要求1所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,按照选取间隔对实时航迹对应的航迹点以及各个历史航迹分别对应的航迹点进行选取。
4.根据权利要求3所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,在对航迹点进行选取过程中,选取的航迹点个数固定,先选取航迹中的首航迹点和末航迹点,再根据选取间隔选取剩余的航迹点。
5.根据权利要求3所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,通过选取的实时航迹对应的各个航迹点对应的物理特征向量组成实时航迹对应的物理特征矩阵。
6.根据权利要求3所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,通过选取的各个历史航迹分别对应的各个航迹点分别对应的物理特征向量组成各个历史航迹分别对应的物理特征矩阵。
7.根据权利要求
8.根据权利要求7所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,在串联过程中,将物理特征矩阵串联在与其对应的航迹轨迹特征向量后面。
9.根据权利要求1所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,通过加权余弦相似度计算公式得到实时航迹与各历史航迹的相似度,其中,加权余弦相似度计算公式为:
10.一种基于多元数据特征融合计算的航迹匹配系统,采用如权利要求1-9任一项所述的基于多元数据特征融合计算的航迹匹配方法进行航迹匹配,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种基于多元数据特征融合计算的航迹匹配方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,所述物理特征矩阵包括速度特征矩阵、高度特征矩阵和位置特征矩阵。
3.根据权利要求1所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,按照选取间隔对实时航迹对应的航迹点以及各个历史航迹分别对应的航迹点进行选取。
4.根据权利要求3所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,在对航迹点进行选取过程中,选取的航迹点个数固定,先选取航迹中的首航迹点和末航迹点,再根据选取间隔选取剩余的航迹点。
5.根据权利要求3所述的基于多元数据特征融合计算的航迹匹配方法,其特征在于,通过选取的实时航迹对应的各个航迹点对应的物理特征向量组成实时航迹对应的物理特征矩阵。
6.根据权利要求3所述的基于多元数据特征融合计算的...
【专利技术属性】
技术研发人员:王君,汤国防,高瑞明,吴志杰,常兴月,于洋,
申请(专利权)人:中国电子科技集团公司第十五研究所,
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。