[发明专利]基于应用本体的空间目标识别方法

摘要

本发明公开了一种基于应用本体的空间目标识别方法，目的是解决如何在多源信息条件下，完成对空间目标的有效识别。技术方案是首先建立空间目标识别应用本体OntoStar，并构建待识别空间目标数据库SODB，根据OntoStar中定义的可识别空间目标的所有特征，在SODB中建立待识别空间目标的特征表，存储各传感数据源提取的待识别空间目标的特征数据，然后根据SODB中的待识别空间目标数据基于OntoStar构建识别树，通过解析识别树实现自动目标识别。采用本发明可以有效克服目标识别关注的视野局限于目标本身的缺陷，识别精度高，在缺失某些特征属性取值时，仍然能够对一些空间目标进行正确分类，且识别单个目标平均耗时更少，效率更高。

主权项

1.一种基于应用本体的空间目标识别方法，其特征在于包括以下步骤：第一步，基于资料文献已有的领域知识、领域专家的经验知识和数据挖掘得到的知识,构建空间目标识别应用本体OntoStar；1.1建立空间目标识别领域要素的分类体系TaxoSO，分类体系最上一个层次的概念有特征、轨道、载荷、空间目标、传感器、无线电波，然后对这些概念进一步划分；1.2构建空间目标识别相关背景知识库BGKB，包括：空间目标及其有关特性的描述，空间目标可测特性的描述，空间目标类型与其特征之间关系的知识即空间目标分类知识，空间目标的上下文知识；1.3使用语义Web本体语言OWL和语义Web规则语言SWRL的知识表示方法，表示TaxoSO和BGKB，形成初始知识库TaxoKB，所述SWRL为一种组合OWL和RuleL的语义Web规则语言；对SWRL表示的目标识别规则增加新的表示规范SOClassifyNorm：不能同时存在两条规则，使得从同一空间目标类型推导出的两个空间目标类型之间存在父子关系；1.4使用RIPPER方法即“重复增量修枝”方法从空间目标特征数据集中挖掘空间目标分类识别规则，得到空间目标分类识别规则集RuleSetR；使用TFPC方法即“从部分到全局的分类”方法从空间目标特征数据集中挖掘空间目标分类识别规则，得到空间目标分类识别规则集RuleSetT；合并规则集RuleSetR和RuleSetT得到规则集RuleSet，并将RuleSet中的规则转换为与1.2中的空间目标分类知识相同的表达形式，得到挖掘规则集DMRules；1.5采用SWRL表示DMRules中的分类识别规则，得到分类识别规则库DMKB；1.6将DMKB与TaxoKB组合在一起，形成初始应用本体Pre‑OntoStar，对Pre‑OntoStar的每一空间目标分类，使用本体编辑工具添加至少10个不同实例及其数据属性关系和对象属性关系，形成中间应用本体Mid‑OntoStar；对Mid‑OntoStar进行一致性检测并删除导致不一致的规则，直到通过一致性检测，形成空间目标识别应用本体OntoStar；1.7删除Mid‑OntoStar中的实例，得到空间目标识别应用本体OntoStar，对OntoStar的规则进行划分，方法是：对于OntoStar的SWRL规则，其规则头使用了特征分类概念或属性概念的，标记为特征计算规则；其规则头使用了目标分类概念的，标记为目标识别规则；剩下的标记为其他规则；第二步，构建待识别空间目标数据库SODB，根据OntoStar中定义的可识别空间目标的所有特征，在SODB中建立待识别空间目标的特征表，存储各传感数据源提取的待识别空间目标的特征数据，具体方法如下：2.1建立一个待识别空间目标数据库，命名为SODB；2.2根据目标的数据属性在SODB中建立待识别目标的基础属性特征表，基础属性特征表包含的域有：待识别目标ID，类型为整型即int；雷达散射截面积RCS，类型为浮点型即float；RCS序列均值，类型为float；RCS序列方差，类型为float；材料，类型为字符型即String；比热，类型为float；质量，类型为float；形状，类型为String；尺寸，类型为float；姿态，类型为String；亮度，类型为float；面质比，类型为float；2.3根据目标的对象属性建立待识别目标的对象属性特征表，包括发射信息表、载荷表、TLE轨道元素表和无线电波信息表；2.4将各传感数据源提取的待识别空间目标的特征数据存入SODB的特征表中的相应位置，未能获取某一特征数据时，各表中相应属性值置为空值；第三步，根据SODB中的待识别空间目标数据基于OntoStar构建识别树，通过解析识别树实现自动目标识别：3.1将OntoStar调入内存，形成可使用的知识库，使用数据库查询语言查询SODB中待识别空间目标的特征，得到查询结果集合ObjFeatureList，ObjFeatureList中的每一条数据记录即为一个待识别空间目标的特征数据集，识别一个目标时将该目标对应的记录赋予数据记录变量FeatureRecord；3.2如果ObjFeatureList为空，转3.7；如果ObjFeatureList不为空，取ObjFeatureList中一个待识别目标的数据记录赋予数据记录变量FeatureRecord，将FeatureRecord从ObjFeatureList移除；3.3新增特征计算：取OntoStar中标记为特征计算规则的SWRL规则构成特征计算规则集合RS1，根据RS1和FeatureRecord中的已知特征数据，计算FeatureRecord中的未知特征值，并将计算所得的特征数据存入FeatureRecord；3.4采用自顶向下的方式构建识别树，识别树根节点的分类命名为“空间目标”，定义变量RecognitionTree表示待识别目标的识别树，识别树中每一节点的数据结构为五元组，分别表示<目标分类，第一个子节点，父节点，兄弟节点，一致性检测标识位>，设有节点Node，分别用Node.ObjectType、Node.FirstChildNode、Node.FatherNode、Node.BrotherNode、Node.Check表示节点Node的目标类型、第一个子节点、父节点、下一个兄弟节点、一致性检测标识位；定义变量CurrentNode表示识别树的当前节点，初始状态：RecognitionTree仅有根节点为<‘空间目标’，null，null，null，false>，将CurrentNode赋值为根节点；所述一致性检测标识位默认为false，检测一致时赋为true；3.5定义一个链表变量leafNodes，用于记录识别树的当前所有叶节点，并设其初始值为空表，将FeatureRecord数据表示成本体实例知识库ABox_so，采用自底向上的方式检测ABox_so是否满足OntoStar中有关识别树节点中目标分类的知识一致性，并删除不满足一致性的树节点；3.6遍历RecognitionTree，获得RecognitionTree的所有叶节点，取这些叶节点的ObjectType值构成分类概念集合ClsSet；若ClsSet中仅有一个分类概念元素，则将该分类概念元素输出，该分类概念元素作为这一次待识别目标分类识别的结果，转3.2；若ClsSet为包含多个分类概念的集合{C1,...,Cn}，则根据OntoStar中定义的分类知识，获取C1,...,Cn的最低层次的共同父类并输出，C1,...,Cn的最低层次的共同父类作为这一次待识别目标分类识别的结果，转3.2；若集合为空，说明该目标无法识别，不识别该目标的类型，转3.2；3.7结束。