一种基于深度学习的编队识别目标选择方法技术

本发明专利技术公开一种基于深度学习的编队识别目标选择方法，包括以下步骤：1)获取水面目标编队信息，并生成编队队形图；2)构建基于改进LeNet卷积神经网络的编队队形识别模型；3)将编队队形图输入至编队队形识别模型中，得到队形识别结果；4)根据队形识别结果对目标指示阶段编队目标进行排序编号；5)选定待跟踪目标，并将待跟踪目标编号传输至飞行器；6)飞行器在飞行阶段，通过末制导传感器获取水面目标编队态势，并对目标编队进行排序编号，然后匹配待跟踪目标，并跟踪所述待跟踪目标。本发明专利技术基于改进LeNet网络、Hough变换和ISODATAˋ算法，提出水面目标编队目标选择建模方法，提高选择效率，增强工程操作性。

【技术实现步骤摘要】

本专利技术涉及编队识别领域，具体是一种基于深度学习的编队识别目标选择方法。

技术介绍

1、制导无人飞行器的水面目标选择通常有特征识别和编队识别两类技术。特征识别依赖指定目标区别于编队内其它成员的单一特征、或者多特征加权的综合特征，但随着飞行器射程增长带来的自控时间的增长，末端编队态势的变化已不符合发射前确定的特征，从而超出飞行器特征识别的能力，在面对编队内存在同类型成员时容易出现误命中现象，原有特征识别满足不了多目标识别的要求。编队识别是将飞行器末制导传感器搜捕得到的编队态势，与存在飞行器上的编队态势(目标指示阶段实时探测或者情报数据库预先存储)进行比对，通过匹配两个态势的编队特征相似程度，并排序识别出编队预定目标进行精确打击的过程。

2、编队识别目标选择技术首先在于编队队形识别。编队队形识别属于集群识别的一种，是末制导技术的一个重要发展方向，是目标态势认知能力提升的基础和关键。编队队形识别技术是通过一定的方法，对传感器所探测到的目标编队队形进行识别和分析，以了解目标的状态和可能的行动意图，并根据这些信息进行火力分配和打击预定目标。为了保证行动本文档来自技高网...

【技术保护点】

1.一种基于深度学习的编队识别目标选择方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的编队识别目标选择方法，其特征在于，所述编队队形识别模型包括输入层、多个卷积层、多个批量归一化层、多个ReLU层、多个最大池化层、多个全连接层、Softmax层和分类层；

3.根据权利要求1所述的一种基于深度学习的编队识别目标选择方法，其特征在于，所述队形识别结果包括队列线条数和编队轮廓；

4.根据权利要求3所述的一种基于深度学习的编队识别目标选择方法，其特征在于，当编队轮廓为单横队时，各成员在量测空间中的坐标(xi,zi)，航向ri如下所示...

【技术特征摘要】

1.一种基于深度学习的编队识别目标选择方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的编队识别目标选择方法，其特征在于，所述编队队形识别模型包括输入层、多个卷积层、多个批量归一化层、多个relu层、多个最大池化层、多个全连接层、softmax层和分类层；

3.根据权利要求1所述的一种基于深度学习的编队识别目标选择方法，其特征在于，所述队形识别结果包括队列线条数和编队轮廓；

4.根据权利要求3所述的一种基于深度学习的编队识别目标选择方法，其特征在于，当编队轮廓为单横队时，各成员在量测空间中的坐标(xi,zi)，航向ri如下所示：

5.根据权利要求3所述的一种基于深度学习的编队识别目标选择方法，其特征在于，考虑航向绕回波中心扰动变化，编队成员航向量坐标如下所示：

6...

【专利技术属性】
技术研发人员：黄隽，傅城龙，吴鹏飞，刘方，李晓宝，张浩然，刘玥，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：