[发明专利]一种基于隐马尔科夫模型的群目标动态行为识别方法

说明书

本发明公开了一种基于隐马尔科夫模型的群目标动态行为识别方法，包括：根据群目标实时动态位置坐标信息数据，计算群目标所有标准队形的阿基米德螺旋线系数；确定群目标的行为状态集；构建群目标行为状态转移概率矩阵和群目标队形变换观测概率矩阵；构建用于连续时间序列的群目标行为分析的隐马尔科夫模型；计算群目标每一帧的阿基米德螺旋线系数，得到阿基米德螺旋线系数序列；将获取的阿基米德螺旋线系数序列，作为观测序列带入隐马尔科夫模型，推断群目标的行为，对群目标行为进行定量分析识别。本发明构建了隐马尔科夫模型实现对群目标行为进行定量识别分析的目的，实现了群目标行为的连续动态分析识别、获取战场态势。

技术领域

本发明属于群目标识别领域，涉及群目标队形识别、群目标行为定量描述、群目标行为分析技术，具体涉及一种基于隐马尔科夫模型的群目标动态行为识别方法。

背景技术

舰船在完成其使命时，为达到一定的效果，往往组成编队，如战斗编队、运输船编队，以集中兵力达到预期的目的。舰艇编队有适于各种战斗的队形，例如纵队、横队、人字队等，是各种任务编队的基础。舰艇编队是集中兵力的具体体现，效果明显。根据战场作战态势，对敌方编队进行正确识别以及预测，抓住敌方变换队形之机发起攻击，对我方舰艇进行合理编组、合适的队形、灵活的指挥、熟练的机动来达到最佳作战效果。

在未来的战争中，随着武器装备越来越精良，舰艇编队规模将呈现缩小的趋势，舰艇进行战斗时，队形将更为疏散，机动将更加灵活。为提高舰船快速反应能力，航行队形与战斗队形逐渐趋向一致。海战的阵型使用得当能发挥整体优势，对敌方阵型进行分析，抓住敌方阵型变换之机，找到攻击点，实现战局突破。

编队用于集中兵力，队形则是解决发挥火力的必要形式。群目标行为对群目标的队形具有一定的依赖性，对群目标的标准队形进行定量描述和分析，并以此为基础，对群目标的行为进行分析识别。

发明内容

发明目的：为了解决现有的群目标行为识别多采用模板匹配、贝叶斯网络、基于专家知识的行为识别等，群目标行为识别存在过于依赖专家知识，不具有动态分析的实时性的问题，提供一种基于隐马尔科夫模型的群目标动态行为识别方法，实现群目标行为的连续动态分析识别、获取战场态势；基于阿基米德螺旋线系数，建立标准群目标队形和群目标行为之间的关系概率矩阵和群目标行为状态集的状态转移矩阵，构建隐马尔科夫模型实现对群目标行为进行定量识别分析的目的。

技术方案：为实现上述目的，本发明提供一种基于隐马尔科夫模型的群目标动态行为识别方法，包括如下步骤：

S1：根据群目标实时动态位置坐标信息数据，计算群目标所有标准队形的阿基米德螺旋线系数；

S2：确定群目标的行为状态集；

S3：根据群目标的行为状态集，构建群目标行为状态转移概率矩阵和群目标队形变换观测概率矩阵；

S4：根据群目标行为状态转移概率矩阵和群目标队形变换观测概率矩阵，构建用于连续时间序列的群目标行为分析的隐马尔科夫模型；

S5：获取一个群目标连续帧的位置坐标，计算群目标每一帧的阿基米德螺旋线系数，得到阿基米德螺旋线系数序列；

S6：将获取的阿基米德螺旋线系数序列，作为观测序列带入隐马尔科夫模型，推断群目标的行为，对群目标行为进行定量分析识别。

进一步地，所述步骤S1具体包括如下步骤：

A1：确定群目标的经典标准队形，例如，横队、纵队、楔形队，梯形队等；

A2：获取各个队形的横纵坐标信息；

A3：计算各个经典标准群目标队形的阿基米德螺旋线系数。

进一步地，所述步骤A3中阿基米德螺旋线系数的计算方法为：

B1：将(x,y)坐标转换为极坐标(ρ,θ)；