基于Air2pict-ResNet18的飞行编队构型识别方法技术

提供一种基于Air2pict‑ResNet18的飞行编队构型识别方法，包括下列步骤：构建用于训练的构型识别数据库；构建Air2pict上采样网络；构建ResNet18网络；训练基于Air2pict‑ResNet18的编队构型识别网络；根据编组内飞机属性求解编队构型。本发明专利技术从基于空情态势画面判断编队构型的角度入手，提出本发明专利技术方法，该方法将编队构型识别问题转化为通用图像分类问题，实现高准确性、高时效性、强鲁棒性的飞行编队构型识别方法。

【技术实现步骤摘要】

本专利技术涉及航空器编队态势认知技术，具体涉及一种基于air2pict-resnet18的飞行编队构型识别方法。

技术介绍

1、随着现代空中航空器集群规模的扩大，有人机、无人机协同使用，单纯依靠人工观察管控区域空情态势，难以保证对航空器群组构型识别的实时性和准确性。因此，必须合理抽象构型识别问题，提升态势认知的智能化程度，降低监控人员的判断和决策压力。飞行编队构型识别是对于编队协同飞行方式的行为描述，是建立在空中目标聚合结果之上的深层次态势认知内容。目前对于编队构型识别的研究相对较少，且主要集中在对陆地/海上慢速目标的构型识别。相比于常规的慢速目标构型识别，飞行目标的编队构型识别具有更强的时间敏感性和目标高机动导致的强扰动性，对于构型识别算法提出了更高的要求。

技术实现思路

1、针对现有技术存在的问题，本专利技术从基于空情态势画面判断编队构型的角度入手，提出一种基于air2pict-resnet18的飞行编队构型识别方法，具体包括下列步骤：

2、步骤1：构建用于训练的构型识别数据库；

本文档来自技高网...

【技术保护点】

1.一种基于Air2pict-ResNet18的飞行编队构型识别方法，其特征在于，具体包括下列步骤：

2.如权利要求1所述的基于Air2pict-ResNet18的飞行编队构型识别方法，其特征在于，步骤1中，设置的编队构型超参数见表1：

3.如权利要求1所述的基于Air2pict-ResNet18的飞行编队构型识别方法，其特征在于，步骤2中，不同目标飞机所转化的图像长宽n对应不同的Air2pict-n上采样网络，Air2pict-5，即n＝5时，Air2pict-5上采样网络为13层网络架构，其中前三个模块为尺度不同的线性变换模块，分别为1×3、3×6、6×9尺度...

【技术特征摘要】

1.一种基于air2pict-resnet18的飞行编队构型识别方法，其特征在于，具体包括下列步骤：

2.如权利要求1所述的基于air2pict-resnet18的飞行编队构型识别方法，其特征在于，步骤1中，设置的编队构型超参数见表1：

3.如权利要求1所述的基于air2pict-resnet18的飞行编队构型识别方法，其特征在于，步骤2中，不同目标飞机所转化的图像长宽n对应不同的air2pict-n上采样网络，air2pict-5，即n＝5时，air2pict-5上采样网络为13层网络架构，其中前三个模块为尺度不同的线性变换模块，分别为1×3、3×6、6×9尺度，用于将飞行航向信息依次经过前三个线性模块逐步上采样到9维，并通过变形操作重塑成单通道3...

【专利技术属性】
技术研发人员：李乐言，杨任农，李寰宇，黄震宇，孙曜，张振兴，宋祺，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：