【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于意圖識(shí)別領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型。
技術(shù)介紹
1、隨著決策中心戰(zhàn)、聯(lián)合全域作戰(zhàn)等新型作戰(zhàn)概念的提出以及現(xiàn)代武器裝備的發(fā)展，空天領(lǐng)域?qū)沟募ち倚浴r(shí)效性和復(fù)雜性大幅提升。這要求在作戰(zhàn)過(guò)程中能夠快速獲取并處理戰(zhàn)場(chǎng)信息、推斷敵方目標(biāo)的作戰(zhàn)意圖，實(shí)現(xiàn)清晰有效的戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估，在此基礎(chǔ)上實(shí)施合理有利的決策。意圖識(shí)別是現(xiàn)代戰(zhàn)爭(zhēng)由信息域向認(rèn)知域過(guò)渡的關(guān)鍵，是戰(zhàn)場(chǎng)認(rèn)知和智能決策的前提和基礎(chǔ)，對(duì)于指揮員了解戰(zhàn)場(chǎng)態(tài)勢(shì)、做出合理決策具有重要意義。防空作戰(zhàn)中的空中目標(biāo)作戰(zhàn)意圖識(shí)別具體指通過(guò)從實(shí)時(shí)、對(duì)抗的防空戰(zhàn)場(chǎng)環(huán)境中提取相應(yīng)時(shí)域、空域內(nèi)的戰(zhàn)場(chǎng)信息、空中目標(biāo)的靜態(tài)和實(shí)時(shí)動(dòng)態(tài)屬性，對(duì)這些要素進(jìn)行分析，進(jìn)而判別推理敵方空中目標(biāo)作戰(zhàn)意圖的過(guò)程，其具體流程如圖1所示。
2、隨著新形勢(shì)下戰(zhàn)場(chǎng)信息化和智能化的進(jìn)一步發(fā)展，戰(zhàn)爭(zhēng)本身的不確定性、對(duì)抗性和交戰(zhàn)各方的欺騙性、隱蔽性等特點(diǎn)給戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)的采集帶來(lái)了很大的困難。同時(shí)由于交戰(zhàn)各方的軍事實(shí)力、信息優(yōu)勢(shì)存在著很大的不對(duì)稱，這會(huì)使得戰(zhàn)場(chǎng)數(shù)據(jù)收集存在很大差異，造成空中目標(biāo)意圖數(shù)據(jù)嚴(yán)重稀缺，影響對(duì)敵方目標(biāo)意圖的識(shí)別精度。特別是人工智能技術(shù)在意圖識(shí)別任務(wù)中的應(yīng)用，均需要大量的數(shù)據(jù)作為支撐。針對(duì)數(shù)據(jù)稀缺問(wèn)題，一種可能的解決方法就是樣本生成技術(shù)，即基于已有的真實(shí)意圖數(shù)據(jù)生成更多的合成數(shù)據(jù)。典型的樣本生成技術(shù)主要有生成對(duì)抗網(wǎng)絡(luò)(gan)、擴(kuò)散模型(dm)、變分自編碼器(vae)等。
3、隨著決策支持系統(tǒng)的發(fā)展，越來(lái)越多的研究人員開(kāi)始研究空中目標(biāo)戰(zhàn)術(shù)意圖識(shí)別問(wèn)題。現(xiàn)有的目
4、基于統(tǒng)計(jì)理論的意圖識(shí)別方法主要包括證據(jù)理論和貝葉斯網(wǎng)絡(luò)兩種。xia等人采用灰色馬爾可夫鏈對(duì)敵方無(wú)人機(jī)的速度、角度、攻擊、探測(cè)4個(gè)因素進(jìn)行分析和預(yù)測(cè)，將預(yù)測(cè)因素與粗糙集提供的規(guī)則相結(jié)合，可以推斷出敵方無(wú)人機(jī)在未來(lái)短時(shí)間內(nèi)的意圖。bao等人利用高維空間相似度測(cè)算目標(biāo)狀態(tài)對(duì)其意圖的支持程度，并結(jié)合證據(jù)理論依次識(shí)別目標(biāo)的戰(zhàn)術(shù)意圖。zhao等人將置信規(guī)則庫(kù)和證據(jù)理論相結(jié)合識(shí)別空中目標(biāo)的意圖。xu等人將動(dòng)態(tài)序列貝葉斯網(wǎng)絡(luò)應(yīng)用于目標(biāo)意圖識(shí)別問(wèn)題中，通過(guò)信息熵理論對(duì)算法進(jìn)行優(yōu)化，取得了較好的效果。yang等人在半監(jiān)督樸素貝葉斯分類器的基礎(chǔ)上提出一種基于數(shù)據(jù)分類置信度的改進(jìn)算法，實(shí)現(xiàn)了有效識(shí)別空戰(zhàn)目標(biāo)意圖。jin等人利用網(wǎng)絡(luò)節(jié)點(diǎn)和條件概率表建立初始貝葉斯網(wǎng)絡(luò)模型，模型識(shí)別準(zhǔn)確率較高。該方法的優(yōu)點(diǎn)是具備處理不確定性、融合多源信息的能力，而缺點(diǎn)是處理沖突證據(jù)能力有限、基本概率賦值函數(shù)構(gòu)造困難等。
5、基于認(rèn)知模型的意圖識(shí)別方法主要包括模板匹配和專家系統(tǒng)兩種。chen等人首先根據(jù)專家經(jīng)驗(yàn)構(gòu)建態(tài)勢(shì)模板，使用d-s證據(jù)理論構(gòu)建推理模型進(jìn)行意圖識(shí)別。yin等人對(duì)先驗(yàn)知識(shí)采用統(tǒng)計(jì)的方法，得到目標(biāo)作戰(zhàn)意圖知識(shí)與規(guī)則庫(kù)，提出了基于判別分析的意圖識(shí)別方法。該方法的優(yōu)點(diǎn)是具有較強(qiáng)的因果概率推理能力，而缺點(diǎn)是參數(shù)估計(jì)困難、對(duì)于動(dòng)態(tài)變化的戰(zhàn)場(chǎng)環(huán)境適應(yīng)性差。
6、基于人工智能的意圖識(shí)別方法主要包括神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等。zhou等人提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)意圖識(shí)別方法，利用relu(rectified?linear?unit)函數(shù)和自適應(yīng)矩估計(jì)(adam)算法優(yōu)化反向傳播算法，提高了模型識(shí)別效果。針對(duì)目標(biāo)意圖特征的時(shí)序性，teng等人將時(shí)間卷積網(wǎng)絡(luò)(temporal?convolutional?network，tcn)和雙向門(mén)控循環(huán)單元(bidirectional?gated?recurrent?unit，bigru)相結(jié)合來(lái)提取特征的時(shí)間特性，同時(shí)引入注意力機(jī)制為特征賦予不同權(quán)值，進(jìn)而識(shí)別目標(biāo)的戰(zhàn)術(shù)意圖。yang等人針對(duì)現(xiàn)有算法依賴經(jīng)驗(yàn)知識(shí)、難以提取全時(shí)序特征、無(wú)法滿足實(shí)戰(zhàn)要求等局限性，提出一種基于雙向長(zhǎng)短時(shí)記憶(bilstm)的目標(biāo)戰(zhàn)術(shù)意圖識(shí)別算法，識(shí)別準(zhǔn)確率可達(dá)92％。針對(duì)現(xiàn)有方法在時(shí)序性、可解釋性等方面的不足，wang等人設(shè)計(jì)了一種基于bigru和條件隨機(jī)場(chǎng)(conditional?random?field，crf)的空中目標(biāo)意圖識(shí)別模型，取得了較高的識(shí)別準(zhǔn)確率。qu等人提出了基于全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)意圖識(shí)別方法，實(shí)現(xiàn)了基于實(shí)時(shí)態(tài)勢(shì)信息的目標(biāo)意圖識(shí)別功能，所提方法具有較好的魯棒性。該方法的優(yōu)點(diǎn)是數(shù)據(jù)特征學(xué)習(xí)能力較強(qiáng)，不需要組織大量的生成規(guī)則，而缺點(diǎn)是模型復(fù)雜、可解釋性差。
7、盡管上述多種研究方法具有各自的優(yōu)勢(shì)，但仍有不足之處：一是現(xiàn)有的意圖識(shí)別模型雖取得了較高的識(shí)別準(zhǔn)確率，實(shí)際作戰(zhàn)中意圖誤判所帶來(lái)的戰(zhàn)爭(zhēng)代價(jià)交戰(zhàn)雙方均無(wú)力承擔(dān)，模型的性能及可解釋性仍有待提高。二是現(xiàn)有意圖都是由專家依據(jù)經(jīng)驗(yàn)知識(shí)進(jìn)行標(biāo)注，而實(shí)際作戰(zhàn)中，意圖之間存在較大的相似性，很難做到嚴(yán)格區(qū)分不同意圖。三是實(shí)際作戰(zhàn)中所采集到的戰(zhàn)場(chǎng)數(shù)據(jù)較少，現(xiàn)有模型較為依賴數(shù)據(jù)的支撐，如何獲取更多高質(zhì)量意圖數(shù)據(jù)也是未來(lái)的一個(gè)研究方向。四是從ooda環(huán)的角度分析，如能提前預(yù)測(cè)敵方目標(biāo)的作戰(zhàn)意圖，即可為加速ooda環(huán)的閉合奠定基礎(chǔ)，進(jìn)而能夠?yàn)閼?zhàn)爭(zhēng)勝利取得先決條件。另外，目前的方法只依據(jù)目標(biāo)在單一時(shí)刻的狀態(tài)判別其戰(zhàn)術(shù)意圖。而在實(shí)際作戰(zhàn)中，敵方目標(biāo)戰(zhàn)術(shù)意圖通常需要通過(guò)多個(gè)連續(xù)時(shí)間段內(nèi)狀態(tài)的變化來(lái)反映。同時(shí)，由于空中目標(biāo)意圖數(shù)據(jù)的稀缺，會(huì)導(dǎo)致模型訓(xùn)練不充分，影響其評(píng)估精度和適用性。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是針對(duì)空中目標(biāo)意圖識(shí)別過(guò)程中的數(shù)據(jù)稀缺、時(shí)序特征提取不充分等問(wèn)題，提出一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，稱為idgtir，其中id表示改進(jìn)后的擴(kuò)散概率模型，g表示圖注意力機(jī)制，t表示基于膨脹因果卷積的時(shí)間模塊，ir表示意圖識(shí)別。該識(shí)別模型實(shí)現(xiàn)加速擴(kuò)散模型的采樣過(guò)程、極大提升了意圖數(shù)據(jù)的時(shí)序特征提取問(wèn)題。
2、本專利技術(shù)采取的技術(shù)方案是：
3、一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，包括輸入模塊、存儲(chǔ)模塊、數(shù)據(jù)生成模塊、意圖識(shí)別模塊、輸出模塊；所述空中目標(biāo)意圖識(shí)別模型基于去噪擴(kuò)散模型和門(mén)控循環(huán)單元建立；
4、所述輸入模塊用于收集戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)，再對(duì)收集的數(shù)據(jù)執(zhí)行統(tǒng)一編碼、標(biāo)準(zhǔn)化操作后，輸入到意圖識(shí)別模塊中；所述戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)為多模態(tài)的數(shù)據(jù)，包括目標(biāo)的運(yùn)動(dòng)狀態(tài)、實(shí)體屬性；通過(guò)底層傳感器、雷達(dá)等收集戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)；
5、所述存儲(chǔ)模塊用于存儲(chǔ)訓(xùn)練數(shù)據(jù)和知識(shí)信息，當(dāng)意圖識(shí)別模塊進(jìn)行建模和訓(xùn)練時(shí)，調(diào)取所述訓(xùn)練數(shù)據(jù)和知識(shí)信息，同時(shí)，存儲(chǔ)模塊將真實(shí)意圖數(shù)據(jù)(即訓(xùn)練數(shù)據(jù)和知識(shí)信息)輸送給數(shù)據(jù)生成模塊，用于數(shù)據(jù)擴(kuò)充；所述訓(xùn)練數(shù)據(jù)和知識(shí)信息包括歷史意圖數(shù)據(jù)、專家知識(shí)、領(lǐng)域知識(shí)、規(guī)則知識(shí)；
6、所述數(shù)據(jù)生成模塊用于擴(kuò)充歷史意圖數(shù)據(jù)，從而為深度學(xué)習(xí)模型提供充足的訓(xùn)練數(shù)據(jù)集，具體采用基于去噪擴(kuò)散概率模型的數(shù)據(jù)生成模型來(lái)生成數(shù)據(jù)；
7、所述意圖識(shí)別模塊通過(guò)一種基于深度學(xué)習(xí)的意圖識(shí)別模型，根據(jù)存儲(chǔ)模塊中的歷史意圖數(shù)據(jù)、知識(shí)信息和本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，包括輸入模塊、存儲(chǔ)模塊、數(shù)據(jù)生成模塊、意圖識(shí)別模塊、輸出模塊；
2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，在所述輸入模塊中，收集戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)、對(duì)收集的數(shù)據(jù)執(zhí)行統(tǒng)一編碼、標(biāo)準(zhǔn)化操作，包括
3.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，所述歷史意圖數(shù)據(jù)為帶標(biāo)簽的數(shù)據(jù)或者為不帶標(biāo)簽的數(shù)據(jù)，所述專家知識(shí)、領(lǐng)域知識(shí)、規(guī)則知識(shí)由戰(zhàn)場(chǎng)情報(bào)、歷史信息、專家經(jīng)驗(yàn)提煉而得到的信息。
4.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，利用去噪擴(kuò)散模型進(jìn)行所述意圖數(shù)據(jù)的生成，具體過(guò)程為：
5.如權(quán)利要求4所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，在DDPM的反向擴(kuò)散過(guò)程中引入改進(jìn)的知識(shí)蒸餾方法，以加快模型采樣速度，其中，改進(jìn)的知識(shí)蒸餾方法設(shè)計(jì)如下：
6.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，在所述意圖識(shí)別模塊中，意圖識(shí)別過(guò)程包括以下步驟：
【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，包括輸入模塊、存儲(chǔ)模塊、數(shù)據(jù)生成模塊、意圖識(shí)別模塊、輸出模塊；
2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，在所述輸入模塊中，收集戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)、對(duì)收集的數(shù)據(jù)執(zhí)行統(tǒng)一編碼、標(biāo)準(zhǔn)化操作，包括
3.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的空中目標(biāo)意圖識(shí)別模型，其特征在于，所述歷史意圖數(shù)據(jù)為帶標(biāo)簽的數(shù)據(jù)或者為不帶標(biāo)簽的數(shù)據(jù)，所述專家知識(shí)、領(lǐng)域知識(shí)、規(guī)則知識(shí)由戰(zhàn)場(chǎng)情報(bào)、歷史信息、專家經(jīng)驗(yàn)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李龍躍，曹波，邢清華，藺蔚杰，
申請(qǐng)(專利權(quán))人：中國(guó)人民解放軍空軍工程大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。