[发明专利]实时发现空中动态目标识别方法

权利要求书

1.一种实时发现空中动态目标识别方法，其特征在于：首先根据原始航迹数据，基于分层分级分类的目标活动规律、空中目标数据特征表达、行为规律发现和知识积累，构建空中目标行为特征系统平台，以目标固有特征、活动航迹、活动阵位、活动区域和目标状态特征作为深度模型的输入，将任务作为标签，预测目标任务，进行深度模型训练；针对已掌握行为意图的目标数据和目标行为规律分析，构建数据预处理模块、航迹挖掘模块，航迹要素统计模块组成的目标行为规律模型和目标识别分析模型；数据预处理模块分析并发现时变参数要素，利用数据挖掘分析算法提取隐含在数据中的、事先未知的、而有潜在价值的目标信息，划定关注区域，对目标数进行筛选，清洗目标行为数据，根据关注区截取航迹数据，对航迹点的插值进行变换，将变换后的航迹点插值送入进行航迹挖掘模块进行航迹聚类，并对每个分类的航迹分别计算经典航迹和航迹相似性，找出相似的历史航线，对相似性航迹进行合并或去重整理，生成经典航迹数据，并送入航迹要素统计模块，在活动区域统计航迹要素的起止时间、周期、线路长度及时长、速度参数，对任务属性进行分析，分析并发现时变参数要素，然后，通过构建目标行为规律模型，基于历史行为规律进行目标识别分析和时空分析，借助目标的序列影像确定目标位置和运动轨迹，对历史数据目标时空活动、通联关系和活动轨迹行为规律进行挖掘，通过纵向对比目标活动，发现其目标活动空间、活动频次、活动时序上的规律及异常点，发现挖掘目标时序、搭载、协同、补给、阵位和航线的新知识，形成识别规则，在频域上得到图像的显著性检测目标；

目标行为特征构建包括：目标行为特征集构建和目标行为规律建模，在目标行为特征集构建中，空中目标行为知识学习与发现的系统平台以目标的物理特征、动态特征以及关系特征为基础，梳理目标的物理特征、动态特征及关系特征的KPI指标，基于接入的目标数据进行特征值计算，根据应用场合，将目标的特征集组合进行训练学习，构建出目标行为规律模型和目标识别分析模型；

空中目标行为特征系统平台通过对关注重点区域、重点目标的历年行为规律数据的掌握和了解，分析其数据描述方式、关注重点、活动特征信息，总结出典型目标行为规律模型要素：目标名称、活动航线、活动区域、活动阵位、活动任务、持续时间、补给特征和协同特征，构建目标行为规律模型；

目标行为规律模型包括约束、知识和要素三层，其中，约束层约束目标行为规律的范围，包括目标执行的具体任务和目标活动的具体区域；知识层定义行为规律的具体类型；要素层描述每类规律的具体要素属性，通过数值范围内容描述做到枚举化，对于数值通过标准统一的刻度来规范；

在目标行为规律分析中，航迹挖掘模块为目标识别、动向的预测和预警提供目标行为规律分析，基于历史时空数据进行目标时空活动、通联关系、活动轨迹行为规律的规则挖掘，对半结构化的目标动向报文，按预定义的数据格式进行要素格式化抽取，抽取半结构化报文后进行要素关联，完成对目标及其相关要素的内容填充，构建目标行为规律模型；据描述了目标日常任务活动中涉及的时间、时段、区域和路线具备动向特征的一系列目标动向要素，进行目标动向要素建模；通过抽取目标动向报文的格式化信息和动向要素，对要素项进行合并去重整理，实现目标属性要素和部分时空信息的填写。

2.如权利要求1所述的实时发现空中动态目标识别方法，其特征在于：目标识别分析模型针对空中目标机型，通过数据分布和时空聚类数学算法，分析目标日常在特定区域内执行特定任务时的目标时间特征规律挖掘，目标时间特征规律挖掘主要包括周期规律、目标航迹规律挖掘和目标阵位规律挖掘；根据周期规律，先将样本按照时间顺序排列，设置时间距离，时间尺度，计算前后两个样本之间的时间差得到一个新的属性：通过分析时间距离的均值和方差，得到满足某一目标属性的时间周期规律，并根据不同属性的不同取值，考察属性变化与时间周期规律的关系及概率；采用航迹聚类、航迹要素统计方法，从大量的历史数据中计算目标日常在特定区域内执行特定任务时的航迹，通过人工交互研判目标航迹规律挖掘后，生成目标的经典航线规律，为目标的识别预测提供参考。