【技术实现步骤摘要】
本专利技术涉及无源定位，尤其涉及一种基于gan的中断航迹接续关联系统及方法。
技术介绍
1、在声纳探测区域边缘，由于传感器的检测概率低、采样间隔长、杂波以及干扰等原因，会引发航迹中断。在目标信息处理领域，目标跟踪、态势感知、信息融合等多个任务都离不开多个航迹片段的关联，一旦航迹被打断为断续的状态，将会给这些任务带来极其不利的后果和带来极大的损失。现有技术提供一种基于联合概率数据关联(jointprobabilistic data association，简称为jpda)算法的航迹接续关联方法，该方法虽然能够实现对中断航迹的接续关联，但是存在接续关联效果不佳的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于gan的中断航迹接续关联系统，用于提高中断航迹接续关联效果。
2、第一方面，本专利技术提供一种基于gan的中断航迹接续关联系统，包括：
3、航迹生成器，所述航迹生成器配置有自动编码-解码器和第一注意力模块，所述航迹生成器用于接收中断航迹图像；利用所述自动编码-解码器抽取所述中断航迹图像的特征点，所述特征点包括运动特征点和中断特征点，利用所述第一注意力模块对所述特征点进行属性加权处理，以输出接续的连续航迹图像，即利用接续的中断航迹段将所述中断航迹图像处理成所述接续的连续航迹图像；
4、以及航迹判别器，所述航迹判别器用于接收所述中断航迹图像和真实的连续航迹图像，并基于所述中断航迹图像和真实的连续航迹图像提取真实的中断航迹段；所述航迹判别器配
5、作为一种可能的实现方式，所述航迹生成器还配置有与所述自动编码-解码器所具有的输入端口通信连接的下采样层，第一注意力模块与所述自动编码-解码器所具有的输出端口通信连接，所述第一注意力模块的输出端口通信连接上采样层；
6、其中，所述下采样层接收所述中断航迹图像，并抽取所述中断航迹图像的特征；所述自动编码-解码器准确抽取所述特征的特征点；所述第一注意力模块对所述特征点进行属性加权；所述上采样层用于对轨迹数据进行特征维度提升处理，以输出接续的连续航迹图像，属性加权后的所述特征点构成轨迹数据。
7、作为一种可能的实现方式，所述下采样层依次包括卷积层、归一化层和非线性激活层，所述下采样层采用两步的卷积方法替代池化方法；所述自动编码-解码器是具有相同的输出值的残差网路或深度卷积网络中的一种；所述第一注意力模块加入所述自动编码-解码的最末一层，然后由高到底对中断航迹段所具有的特征点进行属性加权处理；所述上采样层依次包括反卷积网络层、归一化层和非线性激活层。
8、作为一种可能的实现方式，所述航迹判别器还配置有与所述第二注意力模块的输出端口通信连接的卷积层，与所述卷积层的输出端口通信连接的归一化层，以及与所述归一化层的输出端口通信连接的非线性激活层；采用两步卷积层代替池化层以降低所述中断航迹图像、真实的连续航迹图像以及接续的连续航迹图像的特征损耗；利用所述非线性激活层确定真伪判定阈值范围，所述真伪判定阈值范围为0或1，0伪，1真。
9、作为一种可能的实现方式，在判定接续的连续航迹图像为伪图像的情况下，根据伪图像修正航迹生成器的参数，所述参数包括学习率、梯度衰减因子。
10、作为一种可能的实现方式，基于gan的中断航迹接续关联系统还配置有生成器损失函数和判别器损失函数，基于gan的中断航迹接续关联系统的总体训练损失函数可表示为：
11、
12、其中，ti和tc分别表示中断航迹图像和两虚航迹图像，e表示期望，g和d分别表航迹生成器和航迹判别器。
13、作为一种可能的实现方式，第一注意力模块包括第一通道注意力单元和第一空间注意力单元；第一通道注意力单元用于选择中断航迹图像的最佳尺度；第一空间注意力单元用于提高gan关注每个时刻中断航迹图像不同运动状态的程度；
14、第二注意力模块均包括第二通道注意力单元和第二空间注意力单元，第二通道注意力单元用于选择真实的中断航迹段以及接续的中断航迹段的最佳尺度；第二空间注意力单元用于提高gan关注每个时刻真实的中断航迹段以及接续的中断航迹段不同运动状态的程度。
15、作为一种可能的实现方式，基于gan的中断航迹接续关联系统还包括中断航迹接续数据集，即在二维笛卡尔坐标下建立了中断航迹接续数据集，并采用如下的运动规范曲线表示中断航迹接续数据的运动状态：
16、
17、
18、
19、
20、式中，(x,y),v,分别为目标的位置坐标、目标相对地面的速度、角速度；at和an分别为切向加速度和法向加速度。
21、第二方面，本专利技术还提供一种基于gan的中断航迹接续关联方法，包括如下步骤：
22、建立航迹生成模块，航迹生成器配置有自动编码-解码器和第一注意力模块，航迹生成器用于接收中断航迹图像；利用自动编码-解码器抽取中断航迹图像的特征点，特征点包括运动特征点和中断特征点，利用第一注意力模块对特征点进行属性加权处理，以输出接续的连续航迹图像，即利用接续的中断航迹段将中断航迹图像处理成接续的连续航迹图像；
23、建立航迹判别模块，航迹判别器用于接收中断航迹图像和真实的连续航迹图像，并基于中断航迹图像和真实的连续航迹图像提取真实的中断航迹段；航迹判别器配置有第二注意力模块，利用第二注意力模块对真实的中断航迹段所具有的特征点进行属性加权处理，以及对接续的中断航迹段所具有的特征点进行属性加权处理；对比属性加权处理后的真实的中断航迹段和接续的中断航迹段，实现对接续的连续航迹图像真伪的判定。
24、作为一种可能的实现方式，建立航迹判别模块后，中断航迹接续关联方法还包括：构建出中断航迹图像的运动状态和中断航迹关联数据集，并对中断航迹进行关联跟踪，以形成中断航迹接续数据集。
25、与现有技术相比，本专利技术提供的基于gan的中断航迹接续关联系统，在实际应用中，利用航迹生成器所包括的下采样层大致抽取中断航迹图像的特征。由于中断航迹图像具有很强的稀疏性，因此，大致抽取出的特征也具有很强的稀疏性，为了防止中断航迹图像所表征的轨迹数据的过度损失，在下采样层执行的降样本层次(可以将从中断航迹图像中抽取特征的行为定义为降样本层次)过程中采用两步的卷积方法替代现有技术中采用的池化方法，从而有效的降低轨迹数据的过度损失。采用自动编码-解码器提取特征点，提取出的特征点具有准确度高的优点。当自动编码-解码器采用具有相同的输出值的残差网络或深度卷积网络时，降每个网络层数均设为6层，从而能够增加或减少残差连接，从而进一步本文档来自技高网...
【技术保护点】
1.一种基于GAN的中断航迹接续关联系统，其特征在于，包括：
2.根据权利要求1所述的基于GAN的中断航迹接续关联系统，其特征在于，所述航迹生成器还配置有与所述自动编码-解码器所具有的输入端口通信连接的下采样层，第一注意力模块与所述自动编码-解码器所具有的输出端口通信连接，所述第一注意力模块的输出端口通信连接上采样层；
3.根据权利要求2所述的基于GAN的中断航迹接续关联系统，其特征在于，所述下采样层依次包括卷积层、归一化层和非线性激活层，所述下采样层采用两步的卷积方法替代池化方法；所述自动编码-解码器是具有相同的输出值的残差网路或深度卷积网络中的一种；所述第一注意力模块加入所述自动编码-解码的最末一层，然后由高到底对中断航迹段所具有的特征点进行属性加权处理；所述上采样层依次包括反卷积网络层、归一化层和非线性激活层。
4.根据权利要求1所述的基于GAN的中断航迹接续关联系统，其特征在于，所述航迹判别器还配置有与所述第二注意力模块的输出端口通信连接的卷积层，与所述卷积层的输出端口通信连接的归一化层，以及与所述归一化层的输出端口通信连接的非线性激活
5.根据权利要求1所述的基于GAN的中断航迹接续关联系统，其特征在于，在判定所述接续的连续航迹图像为伪图像的情况下，根据所述伪图像修正所述航迹生成器的参数；所述参数包括学习率、梯度衰减因子。
6.根据权利要求1所述的基于GAN的中断航迹接续关联系统，其特征在于，所述基于GAN的中断航迹接续关联系统还配置有生成器损失函数和判别器损失函数，所述基于GAN的中断航迹接续关联系统的总体训练损失函数可表示为：
7.根据权利要求1所述的基于GAN的中断航迹接续关联系统，其特征在于，所述第一注意力模块包括第一通道注意力单元和第一空间注意力单元；所述第一通道注意力单元用于选择所述中断航迹图像的最佳尺度；所述第一空间注意力单元用于提高GAN关注每个时刻所述中断航迹图像不同运动状态的程度；
8.根据权利要求1所述的基于GAN的中断航迹接续关联系统，其特征在于，所述基于GAN的中断航迹接续关联系统还包括中断航迹接续数据集，即在二维笛卡尔坐标下建立了所述中断航迹接续数据集，并采用如下的运动规范曲线表示所述中断航迹接续数据的运动状态：
9.一种基于GAN的中断航迹接续关联方法，其特征在于，包括如下步骤：
10.根据权利要求9所述的基于GAN的中断航迹接续关联方法，其特征在于，建立航迹判别模块后，所述中断航迹接续关联方法还包括：构建出中断航迹图像的运动状态和中断航迹关联数据集，并对中断航迹进行关联跟踪，以形成中断航迹接续数据集。
...【技术特征摘要】
1.一种基于gan的中断航迹接续关联系统，其特征在于，包括：
2.根据权利要求1所述的基于gan的中断航迹接续关联系统，其特征在于，所述航迹生成器还配置有与所述自动编码-解码器所具有的输入端口通信连接的下采样层，第一注意力模块与所述自动编码-解码器所具有的输出端口通信连接，所述第一注意力模块的输出端口通信连接上采样层；
3.根据权利要求2所述的基于gan的中断航迹接续关联系统，其特征在于，所述下采样层依次包括卷积层、归一化层和非线性激活层，所述下采样层采用两步的卷积方法替代池化方法；所述自动编码-解码器是具有相同的输出值的残差网路或深度卷积网络中的一种；所述第一注意力模块加入所述自动编码-解码的最末一层，然后由高到底对中断航迹段所具有的特征点进行属性加权处理；所述上采样层依次包括反卷积网络层、归一化层和非线性激活层。
4.根据权利要求1所述的基于gan的中断航迹接续关联系统，其特征在于，所述航迹判别器还配置有与所述第二注意力模块的输出端口通信连接的卷积层，与所述卷积层的输出端口通信连接的归一化层，以及与所述归一化层的输出端口通信连接的非线性激活层；采用两步卷积层代替池化层以降低所述中断航迹图像、真实的连续航迹图像以及接续的连续航迹图像的特征损耗；利用所述非线性激活层确定真伪判定阈值范围，所述真伪判定阈值范围为0或1，0伪，1真。
5.根据权利要求1所述的基于gan的中断航...
【专利技术属性】
技术研发人员：生雪莉，宋来，王岩，吴赜屹，万林娜，刘子枭，
申请(专利权)人：哈尔滨工程大学，
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。