面向无人飞行器逃逸预测建模的数据样本生成方法和系统技术方案

本申请提供了一种面向无人飞行器逃逸预测建模的数据样本生成方法和系统，属于样本生成技术领域。本申请实施例通过在预设的无人飞行器仿真参数范围内，对无人飞行器仿真参数进行采样，能够生成多个想定文本，进而针对任一想定文本，控制相应的目标无人飞行器模型按照目标逃逸参数进行仿真推演，得到该想定文本对应的仿真数据，并生成相应的初始样本数据，并最终基于初始样本数据和目标逃逸预测模型的模型输入要求和模型输出要求，生成目标样本数据，使得在面向无人飞行器逃逸建模时，能够提供足够多且高质量的训练样本，进而有效提高目标逃逸预测模型的训练效果和实际应用效果。标逃逸预测模型的训练效果和实际应用效果。标逃逸预测模型的训练效果和实际应用效果。

【技术实现步骤摘要】
面向无人飞行器逃逸预测建模的数据样本生成方法和系统


[0001]本申请涉及样本生成
，特别是涉及一种面向无人飞行器逃逸预测建模的数据样本生成方法和系统。

技术介绍

[0002]近年来，伴随着航空、电子信息技术以及控制理论的不断发展，无人飞行器领域被各国所重视，无人飞行器技术得到长足发展，在各领域越来越受重视。伴随着无人飞行器所涉及的应用领域增加，无人飞行器带来的安全威胁也逐渐增加。
[0003]当未经许可的无人飞行器进入重要场所后，需要对无人飞行器进行反制和追捕，减少其带来的风险和损失，由此也发展出一系列技术。
[0004]然而无人飞行器反侦察能力强，一旦发现定向攻击或抓捕系统，通常第一时间逃逸，又因其机动能力较强，其逃脱概率较大。
[0005]因此，无人飞行器逃逸预测的准确性直接影响了对无人飞行器的抓捕效果。所谓的逃逸预测，即指对非合作无人飞行器从开始逃逸到持续了一段时间后飞行到的位置区域进行预测。
[0006]目前的无人飞行器逃逸预测方法通常是基于规则的数学计算与仿真分析相结合的方式，即在三维空间中，基于对无人飞行器飞行性能的了解，采用数学计算或者仿真推演其可能的轨迹，将预测的轨迹结果给出捕捉方/对抗方/打击方，以辅助抓捕和对抗。
[0007]然而，在进行仿真推演或数学计算时，都需要有确定的输入以驱动推演或计算，而在面向非合作无人飞行器时，并不能准确知晓其相关信息，导致仿真推演或数据计算给出的预测结果准确度不足。
[0008]相关研究人员在面向非合作无人飞行器的逃逸预测问题时，通常选择通过建模的方式对逃逸区域进行预测，然而，由于目前缺乏服务于逃逸预测建模的数据样本生成方法，使得在面向无人飞行器逃逸预测建模时，缺乏有效的数据样本，导致逃逸预测模型的训练效果和实际应用效果较差。

技术实现思路

[0009]本申请提供一种面向无人飞行器逃逸预测建模的数据样本生成方法和系统，以解决面向无人飞行器逃逸建模时，缺乏有效的数据样本，导致逃逸预测模型的训练效果和实际应用效果较差的问题。
[0010]为了解决上述问题，本申请采用了以下的技术方案：第一方面，本申请实施例提供了一种面向无人飞行器逃逸预测建模的数据样本生成方法，所述方法包括：在预设的无人飞行器仿真参数范围内，对无人飞行器仿真参数进行采样，生成多个想定文本；每个所述想定文本包括目标无人飞行器模型参数和目标逃逸参数；针对任一所述想定文本，基于所述想定文本对应的目标无人飞行器模型参数，确
定目标无人飞行器模型，并控制所述目标无人飞行器模型按照所述想定文本对应的目标逃逸参数进行仿真推演，得到所述想定文本对应的逃逸仿真数据；所述逃逸仿真数据包括所述目标无人飞行器模型的逃逸轨迹和逃逸目标位置；基于所述无人飞行器仿真参数范围、所述想定文本以及所述想定文本对应的逃逸仿真数据，生成每个所述想定文本各自对应的初始样本数据；基于所述初始样本数据以及目标逃逸预测模型的模型输入要求和模型输出要求，生成目标样本数据；所述目标样本数据用于训练所述目标逃逸预测模型。
[0011]在本申请一实施例中，无人飞行器仿真参数范围包括无人飞行器模型参数范围和逃逸参数范围；在预设的无人飞行器仿真参数范围内，对无人飞行器仿真参数进行采样，生成多个想定文本的步骤，包括：在所述无人飞行器模型参数范围内，对无人飞行器模型参数进行采样，得到多个所述目标无人飞行器模型参数；在所述逃逸参数范围内，对逃逸参数进行采样，得到多个所述目标逃逸参数；基于多个所述目标无人飞行器模型参数和多个所述目标逃逸参数，生成多个所述想定文本。
[0012]在本申请一实施例中，所述无人飞行器模型参数范围包括无人飞行器类型参数范围和无人飞行器运行参数范围；在所述无人飞行器模型参数范围内，对无人飞行器模型参数进行采样，得到多个所述目标无人飞行器模型参数的步骤，包括：按照第一采样间隔，在所述无人飞行器类型参数范围内，对无人飞行器类型参数进行采样，得到多个目标无人飞行器类型；按照第二采样间隔，在所述无人飞行器运行参数范围内，对无人飞行器运行参数进行采样，得到多个目标无人飞行器运行参数；基于多个所述目标无人飞行器类型和多个所述目标无人飞行器运行参数，生成多个所述目标无人飞行器模型参数。
[0013]在本申请一实施例中，所述逃逸参数范围包括无人飞行器初始位置区域、无人飞行器运动方向范围、无人飞行器逃逸时间范围、无人飞行器逃逸持续时间范围、逃逸策略库、所述逃逸策略库中的每个逃逸策略下的逃逸行为参数范围；在所述逃逸参数范围内，对逃逸参数进行采样，得到多个所述目标逃逸参数的步骤，包括：按照第三采样间隔，在所述无人飞行器初始位置区域内，对无人飞行器初始位置进行采样，得到多个目标无人飞行器初始位置；按照第四采样间隔，在所述无人飞行器运动方向范围内，对无人飞行器运动方向进行采样，得到多个目标无人飞行器运动方向；按照第五采样间隔，在所述无人飞行器逃逸时间范围内，对无人飞行器逃逸时间进行采样，得到多个目标无人飞行器逃逸时间；按照第六采样间隔，在所述无人飞行器逃逸持续时间范围内，对无人飞行器逃逸持续时间进行采样，得到多个目标无人飞行器逃逸持续时间；
按照第七采样间隔，在所述逃逸策略库内，对逃逸策略进行采样，得到多个目标逃逸策略；按照第八采样间隔，在每个所述目标逃逸策略下的逃逸行为参数范围内，对逃逸行为参数进行采样，得到每个目标逃逸策略下的多个目标逃逸行为参数；基于多个所述目标无人飞行器初始位置、多个所述目标无人飞行器运动方向、多个所述目标无人飞行器逃逸时间、多个所述目标无人飞行器逃逸持续时间、多个所述目标逃逸策略和每个目标逃逸策略下的多个目标逃逸行为参数，得到多个所述目标逃逸参数。
[0014]在本申请一实施例中，所述初始样本数据包括第一字段、第二字段、第三字段、第四字段、第五字段和第六字段；基于所述无人飞行器仿真参数范围、所述想定文本以及所述想定文本对应的逃逸仿真数据，生成每个所述想定文本各自对应的初始样本数据的步骤，包括：针对任一所述想定文本，将所述想定文本对应的序号标识写入所述第一字段，将所述目标无人飞行器的逃逸轨迹写入所述第二字段，将所述目标无人飞行器的逃逸目标位置写入所述第三字段，将所述想定文本写入所述第四字段，将所述无人飞行器仿真参数范围写入所述第五字段，将针对所述无人飞行器仿真参数范围的采样间隔写入所述第六字段，以生成每个所述想定文本各自对应的初始样本数据。
[0015]在本申请一实施例中，基于所述初始样本数据以及目标逃逸预测模型的模型输入要求和模型输出要求，生成目标样本数据的步骤，包括：获取用户针对所述目标逃逸预测模型输入的模型输入要求和模型输出要求；其中，所述模型输入要求包括至少一个指定无人飞行器类型、至少一个指定无人飞行器运行参数、至少一个指定无人飞行器初始位置、至少一个指定无人飞行器初始运动方向、至少一个指定无人飞行器逃逸时间、至少一个指定无人飞行器逃逸持续时间、至少一个指定逃逸策略和每个所述指定逃逸策略下的至少一个指定逃逸行为中的一个或者多个；所述模型输出要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向无人飞行器逃逸预测建模的数据样本生成方法，其特征在于，所述方法包括：在预设的无人飞行器仿真参数范围内，对无人飞行器仿真参数进行采样，生成多个想定文本；每个所述想定文本包括目标无人飞行器模型参数和目标逃逸参数；针对任一所述想定文本，基于所述想定文本对应的目标无人飞行器模型参数，确定目标无人飞行器模型，并控制所述目标无人飞行器模型按照所述想定文本对应的目标逃逸参数进行仿真推演，得到所述想定文本对应的逃逸仿真数据；所述逃逸仿真数据包括所述目标无人飞行器模型的逃逸轨迹和逃逸目标位置；基于所述无人飞行器仿真参数范围、所述想定文本以及所述想定文本对应的逃逸仿真数据，生成每个所述想定文本各自对应的初始样本数据；基于所述初始样本数据以及目标逃逸预测模型的模型输入要求和模型输出要求，生成目标样本数据；所述目标样本数据用于训练所述目标逃逸预测模型。2.根据权利要求1所述的面向无人飞行器逃逸预测建模的数据样本生成方法，其特征在于，无人飞行器仿真参数范围包括无人飞行器模型参数范围和逃逸参数范围；在预设的无人飞行器仿真参数范围内，对无人飞行器仿真参数进行采样，生成多个想定文本的步骤，包括：在所述无人飞行器模型参数范围内，对无人飞行器模型参数进行采样，得到多个所述目标无人飞行器模型参数；在所述逃逸参数范围内，对逃逸参数进行采样，得到多个所述目标逃逸参数；基于多个所述目标无人飞行器模型参数和多个所述目标逃逸参数，生成多个所述想定文本。3.根据权利要求2所述的面向无人飞行器逃逸预测建模的数据样本生成方法，其特征在于，所述无人飞行器模型参数范围包括无人飞行器类型参数范围和无人飞行器运行参数范围；在所述无人飞行器模型参数范围内，对无人飞行器模型参数进行采样，得到多个所述目标无人飞行器模型参数的步骤，包括：按照第一采样间隔，在所述无人飞行器类型参数范围内，对无人飞行器类型参数进行采样，得到多个目标无人飞行器类型；按照第二采样间隔，在所述无人飞行器运行参数范围内，对无人飞行器运行参数进行采样，得到多个目标无人飞行器运行参数；基于多个所述目标无人飞行器类型和多个所述目标无人飞行器运行参数，生成多个所述目标无人飞行器模型参数。4.根据权利要求3所述的面向无人飞行器逃逸预测建模的数据样本生成方法，其特征在于，所述逃逸参数范围包括无人飞行器初始位置区域、无人飞行器运动方向范围、无人飞行器逃逸时间范围、无人飞行器逃逸持续时间范围、逃逸策略库、所述逃逸策略库中的每个逃逸策略下的逃逸行为参数范围；在所述逃逸参数范围内，对逃逸参数进行采样，得到多个所述目标逃逸参数的步骤，包括：按照第三采样间隔，在所述无人飞行器初始位置区域内，对无人飞行器初始位置进行
采样，得到多个目标无人飞行器初始位置；按照第四采样间隔，在所述无人飞行器运动方向范围内，对无人飞行器运动方向进行采样，得到多个目标无人飞行器运动方向；按照第五采样间隔，在所述无人飞行器逃逸时间范围内，对无人飞行器逃逸时间进行采样，得到多个目标无人飞行器逃逸时间；按照第六采样间隔，在所述无人飞行器逃逸持续时间范围内，对无人飞行器逃逸持续时间进行采样，得到多个目标无人飞行器逃逸持续时间；按照第七采样间隔，在所述逃逸策略库内，对逃逸策略进行采样，得到多个目标逃逸策略；按照第八采样间隔，在每个所述目标逃逸策略下的逃逸行为参数范围内，对逃逸行为参数进行采样，得到每个目标逃逸策略下的多个目标逃逸行为参数；基于多个所述目标无人飞行器初始位置、多个所述目标无人飞行器运动方向、多个所述目标无人飞行器逃逸时间、多个所述目标无人飞行器逃逸持续时间、多个所述目标逃逸策略和每个目标逃逸策略下的多个目标逃逸行为参数，得到多个所述目标逃逸参数。5.根据权利要求4所述的面向无人飞行器逃逸预测建模的数据样本生成方法，其特征在于，所述初始样本数据包括第一字段、第二字段、第三字段、第四字段、第五字段和第六字段；基于所述无人飞行器仿真参数范围、所述想定文本以及所述想定文本对应的逃逸仿真数据，生成每个所述想定文本各自对应的初始样本数据的步骤，包括：针对任一所述想定文本，将所述想定文本对应的序号标识写入所述第一字段，将所述目标无人飞行器的逃逸轨迹写入所述第二字段，将所述目标无人飞行器的逃逸目标位置写入所述第三字段，将所述想定文本写入所述第四字段，将所述无人飞...

【专利技术属性】
技术研发人员：曹扬，胡瑞雪，赵若帆，彭渊，吕乃冰，王才红，许馨月，刘庆国，贾思雨，
申请(专利权)人：北京航天晨信科技有限责任公司，
类型：发明
国别省市：