一种基于GRU的空中目标作战意图预测系统及方法技术方案

本发明专利技术属于作战意图预测领域，具体涉及一种基于GRU的空中目标作战意图预测系统及方法。包括特征预测模块和意图识别模块，将历史空中目标作战意图识别特征集V

【技术实现步骤摘要】
一种基于GRU的空中目标作战意图预测系统及方法


[0001]本专利技术属于作战意图预测领域，具体涉及一种基于GRU的空中目标作战意图预测系统及方法。

技术介绍

[0002]随着军事技术和航空科技的发展，信息化逐步成为现代战场的核心内容，未来战争也必将是信息化战争。同时，由于高科技的不断发展和应用导致战场信息量剧增，仅仅依靠领域专家经验已经很难及时有效的从多源战场数据中识别出敌方意图。因此，迫切需要通过智能化方法来突破人工方式的弊端。
[0003]为满足作战决策系统的需求，目前现有的对敌目标作战意图识别研究主要有证据理论、模板匹配、专家系统、贝叶斯网络和神经网络等方法。根据不同作战背景，在敌方目标作战意图识别都取得了一定效果，但在时序特征学习和知识表示上存在不足。
[0004]首先，目标作战意图是通过一系列战术动作实现的，因此目标的动态属性和战场环境会呈现出随时间不断变化的特征，并且敌方目标在执行作战行动时具有一定的隐蔽性和欺骗性，因此上述方法利用单一时刻特征信息来判断敌方目标作战意图是不够科学的。
[0005]其次，上述方法需要显式的组织、抽象和描述军事专家的经验知识，知识表示和工程实现难度很大。针对以上方法的弊端，现有的方法中有的提出基于长短期记忆(Long Short
‑
Term Memory,LSTM)网络的战术意图智能识别模型，该模型的输入特征为连续12帧时序特征，能够有效克服通过单一时刻判断敌方目标作战意图的缺点，并且该模型通过隐式的方法组织、抽象和描述军事专家的经验知识，使其知识表示和工程实现难度也不大。但其仅利用历史时刻信息来对当前信息作出推理，无法有效利用未来时刻信息。此外，以上所提出的方法皆是对空中目标作战意图进行识别，并没有提前预测敌方目标作战意图的效果。
[0006]由于实际空战中目标作战意图是由一系列战术动作实现的，因此目标状态呈现时序、动态的变化特征。传统作战意图识别方法仅依靠单一时刻进行推理，方法不够科学有效，并且没有提前预测敌方意图的效果。

技术实现思路

[0007]本专利技术的目的是提供一种基于GRU的空中目标作战意图预测系统及方法，它能够有效的提高敌方意图预测的准确率和实效性。
[0008]本专利技术的技术方案如下：一种基于GRU的空中目标作战意图预测系统，包括特征预测模块和意图识别模块，将历史空中目标作战意图识别特征集V
m
输入到特征预测模块，特征预测模块输出预测特征集W
m
，将预测特征集W
m
与历史空中目标作战意图识别特征集V
m
组成时序特征数据输入到意图识别模块，计算出各意图类型的概率，输出最大概率意图类型标签，得到空中目标作战意图识别结果。
[0009]所述的特征预测模块包括，空中目标作战意图识别特征预测输入层、空中目标作
战意图识别特征预测隐含层和空中目标作战意图识别特征预测输出层。
[0010]所述的空中目标作战意图识别特征预测输入层，对采集的空中目标特征数据集处理成特征向量形式，包括，
[0011](A)读取采集数据集并数据清洗；
[0012](B)将非数值型空中目标特征数据编码化；
[0013](C)将编码化的非数值型数据与数值型数据归一化处理；
[0014](D)将数据按8:2划分成训练集和测试集。
[0015](E)构建训练样本和测试样本。
[0016]所述的空中目标作战意图识别特征预测隐含层，包括建立门控循环单元和建立BiGRU层。
[0017]所述的空中目标作战意图识别特征集输出层，将隐含层中BiGRU网络的输出h
t
输入到输出层中的全连接层，利用Linear激活函数输出最后的预测特征值。
[0018]所述的意图识别模块包括输入层、隐含层、输出层。
[0019]所述的空中目标作战意图识别输入层是进行意图识别模块样本数据的构建，利用前n个时刻的特征数据，预测该段时间内的意图。
[0020]所述的空中目标作战意图识别隐含层包括建立BiGRU网络层和建立Attention机制层。
[0021]所述的空中目标作战意图识别输出层包括将Attention机制层的输出Y输入Softmax分类器中输出得到空中目标意图预测结果。
[0022]一种基于GRU的空中目标作战意图预测方法，包括如下步骤：
[0023]步骤1：将历史空中目标作战意图识别特征集V
m
输入到特征预测模块；
[0024]步骤2：特征预测模块输出预测特征集W
m
；
[0025]步骤3：将预测特征集W
m
与历史空中目标作战意图识别特征集V
m
组成时序特征数据输入到意图识别模块，计算出各意图类型的概率，输出最大概率意图类型标签，得到空中目标作战意图识别结果。
[0026]本专利技术的有益效果在于：通过分层的方法构建空战意图特征集，编码生成数值型时序特征，并将领域专家知识经验封装成标签；运用BiGRU网络对空战特征进行深层次学习，并利用注意力机制自适应分配特征权重，以提升空中目标作战意图识别准确度。为实现对目标意图的提前预测，在意图识别之前引入空战特征预测模块，建立预测特征与作战意图类型之间的映射关系。仿真实验表明，所提模型能在89.7％意图识别准确度的基础上提前一个采样点预测出敌方空中目标作战意图，在提升意图识别实时性方面具有显著意义。
附图说明
[0027]图1为意图表示及推理过程；
[0028]图2为作战意图编码与模式解析；
[0029]图3为空战相对几何位置；
[0030]图4为空中目标作战意图特征集；
[0031]图5为模型整体结构；
[0032]图6为GRU结构；
[0033]图7为BiGRU结构；
[0034]图8为Attention机制模型。
具体实施方式
[0035]下面结合附图及具体实施例对本专利技术作进一步详细说明。
[0036]本专利技术提供的一种基于GRU的空中目标作战意图预测系统，包括特征预测模块和意图识别模块。
[0037]其中的意图识别模块在基于门控循环单元(Gated Recurrent Unit，GRU)的基础上引入双向(Bidirectional)传播机制、注意力(Attention)机制及粒子群优化算法(PSO)，构建智能意图识别模型。GRU相比LSTM性能相近，结构复杂度更低，识别所需时间更短；BiGRU相比GRU不仅能利用历史时刻信息，而且可以利用未来时刻信息综合作出判断；PSO能够找寻BiGRU网络的最优参数；Attention机制层能进一步突出影响意图的关键信息，提高意图识别的准确率。
[0038]特征预测模块采用BiGRU网络对采集到的各类特征进行分析，预测得到未来空中目标特征，而后将其输入到意图识别模块，建立起未来空中目标特征与敌本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GRU的空中目标作战意图预测系统，其特征在于：包括特征预测模块和意图识别模块，将历史空中目标作战意图识别特征集V
m
输入到特征预测模块，特征预测模块输出预测特征集W
m
，将预测特征集W
m
与历史空中目标作战意图识别特征集V
m
组成时序特征数据输入到意图识别模块，计算出各意图类型的概率，输出最大概率意图类型标签，得到空中目标作战意图识别结果。2.如权利要求1所述的一种基于GRU的空中目标作战意图预测系统，其特征在于：所述的特征预测模块包括，空中目标作战意图识别特征预测输入层、空中目标作战意图识别特征预测隐含层和空中目标作战意图识别特征预测输出层。3.如权利要求2所述的一种基于GRU的空中目标作战意图预测系统，其特征在于：所述的空中目标作战意图识别特征预测输入层，对采集的空中目标特征数据集处理成特征向量形式，包括，(A)读取采集数据集并数据清洗；(B)将非数值型空中目标特征数据编码化；(C)将编码化的非数值型数据与数值型数据归一化处理；(D)将数据按8:2划分成训练集和测试集。(E)构建训练样本和测试样本。4.如权利要求2所述的一种基于GRU的空中目标作战意图预测系统，其特征在于：所述的空中目标作战意图识别特征预测隐含层，包括建立门控循环单元和建立BiGRU层。5.如权利要求2所述的一种基于GRU的空中目标作战意图预测系统，其特征在于：所述的空中目标作战意图识别特征集...

【专利技术属性】
技术研发人员：滕飞，宋亚飞，王刚，王坚，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：