【技术实现步骤摘要】
本专利技术涉及无人机识别，具体涉及一种低空复杂环境异构监视数据联合识别方法。
技术介绍
1、低空目标识别技术在保障公共安全、防止非法飞行以及实现自主导航和避障等方面具有迫切需求与重要应用。低空目标识别是抑制“黑飞”现象(非法无人机飞行)的关键技术，有效的目标检测系统可以帮助监测和识别潜在威胁，保护公共财产和个人隐私。同时，低空目标识别是实现无人机自主导航、避障和路径规划的基础，通过识别障碍物、其他飞行器或地面目标，无人机可以避免碰撞，确保安全飞行。在军事方面，高精度的目标检测对于战场上的战术决策至关重要，低空目标识别可用于敌方目标识别、侦察、监视和打击任务。
2、低空目标识别技术的识别信息源主要包括光电、雷达、无线电。基于光电的识别技术，主要通过目标运动学分析实现低空运动目标探测，采用外观特征分析实现无人机识别。基于雷达的识别技术，主要通过目标速度、位置的等信息进行运动模型分析[2]或脉冲进行特征分析。基于无线电的识别技术，主要通过为无人机装配唯一身份标识，配合地面接收装置实现无人机识别。
3、现有低空目标识别技...
【技术保护点】
1.一种低空复杂环境异构监视数据联合识别方法，其特征在于，包括：
2.根据权利要求1所述的低空复杂环境异构监视数据联合识别方法，其特征在于，以所述1级融合数据为基础，采用深度学习算法进行飞行特征分类，得到飞行特征分类结果，包括：
3.根据权利要求2所述的低空复杂环境异构监视数据联合识别方法，其特征在于，所述目标轨迹由j个轨迹点构成，每个轨迹点均包括俯仰角特征、高度特征、经度特征、纬度特征、速度特征以及平均速度特征，每个轨迹点的平均速度特征由其之前的所有轨迹点的速度平均得到。
4.根据权利要求2所述的低空复杂环境异构监视数据联合识别方...
【技术特征摘要】
1.一种低空复杂环境异构监视数据联合识别方法，其特征在于，包括：
2.根据权利要求1所述的低空复杂环境异构监视数据联合识别方法，其特征在于，以所述1级融合数据为基础，采用深度学习算法进行飞行特征分类，得到飞行特征分类结果，包括：
3.根据权利要求2所述的低空复杂环境异构监视数据联合识别方法，其特征在于，所述目标轨迹由j个轨迹点构成，每个轨迹点均包括俯仰角特征、高度特征、经度特征、纬度特征、速度特征以及平均速度特征，每个轨迹点的平均速度特征由其之前的所有轨迹点的速度平均得到。
4.根据权利要求2所述的低空复杂环境异构监视数据联合识别方法，其特征在于，采用卷积与lstm融合的lstm卷积神经网络对所述目标轨迹进行识别，以获取飞行目标为无人机的概率以及为非无人机的概率，得到飞行特征分类结果，包括：
5.根据权利要求4所述的低空复杂环境异构监视数据联合识别方法，其特征在于，多层卷积lst...
【专利技术属性】
技术研发人员：何维，周玉欣，姜山，谭静，邵政鑫，汪毅，
申请(专利权)人：四川九洲空管科技有限责任公司，
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。