【技术实现步骤摘要】
本专利技术属于空间威胁预警、空间态势感知，具体涉及一种基于相对导航信息的空间威胁目标意图识别模型及训练方法。
技术介绍
1、随着航天技术的发展和卫星发射数量的增多，外太空已经成为一种重要的资源，如何保证卫星的安全运行，成为日益重要的研究主题；空间态势感知作为一种获取环境安全风险的技术，可以提升卫星对危险的辨别、分析与处理能力，是实现空间控制、执行空间安全应用任务的关键。意图识别是态势感知的关键一环，通过观察到的行为和对情景的影响来感知和推断空间物体的意图的过程；意图识别技术对于提高预警信息质量、减少预警数量以及保障安全至关重要。
2、意图识别作为态势感知的关键技术，过去没有模型的建模方法，同时受到星上计算资源不足的制约，准确度有待提升；近年来，很多星上计算平台被研发，使高准确度意图识别技术成为可能，因此建立一种意图识别模型，并发展一种高准确度的意图识别方法越来越重要。
3、现有技术中，针对空间威胁目标意图识别问题，文献《deep neural network fornon-cooperative space target intention recognition》(q.sun,z.dang,aerospacescience and technology,2023,142:108681.)提出了一种使用深度神经网络对空间威胁目标进行意图识别的方法，但该方法只考虑了单一时刻的相对导航信息，因此准确度有待提升。此外，如文献《an intention inference method for the space
4、为此，我们提出一种基于相对导航信息的空间威胁目标意图识别模型及方法，通过使用transformer模型，transformer模型是一种时序信息处理模型，尤其适用于空间威胁目标意图识别问题，在transformer模型中，空间威胁目标的相对轨迹信息被视为时序信息，模型综合多个时刻的信息进行意图识别。此方法的优势在于其准确性和鲁棒性，使航天器能够在复杂动态的空间环境中，实现精确自主的意图识别。
技术实现思路
1、本专利技术的目的是提供一种空间威胁目标意图识别模型及训练方法，准确度更高，并且具有更强的鲁棒性，能够在有噪声情况下对空间威胁目标进行意图识别。
2、本专利技术采取的技术方案具体如下：
3、一种空间威胁目标意图识别模型，包括输入模块、输出模块以及处理模块，所述输入模块用于输入相对导航信息、空间威胁目标的意图，所述处理模块内部建立有基于transformer的神经网络模型嵌入建立的威胁目标意图识别模型，所述处理模块使用所述目标意图识别模型完成判断识别目标飞行轨迹对应的意图，所述输出模块用于输出目标飞行轨迹对应的意图。
4、所述输入模块、所述处理模块以及所述输出模块之间通信连接，并实现数据通信传送、获取和调用。
5、一种空间威胁目标意图识别模型的训练方法，所述识别方法包括以下步骤：
6、步骤一：根据相对导航信息建立相对导航信息特征集合；
7、步骤二：根据空间威胁目标的意图建立空间威胁目标的意图集合；
8、步骤三：根据导航信息特征集合获取轨道数据，并结合空间威胁目标的意图集合构建空间威胁目标相对轨迹数据；
9、步骤四：将空间威胁目标相对轨迹数据输入威胁目标意图识别模型，所述威胁目标意图识别模型自动判断威胁目标飞行轨迹，并识别出威胁目标意图。
10、优选地，所述步骤一中，相对导航信息主要包括己方航天器和威胁目标的相对距离信息和相对速度信息。
11、优选地，所述步骤二中，具体为：通过分析相对轨道方程及空间目标可能执行的任务，定义飞掠、螺旋飞掠、螺旋绕飞、共面绕飞以及抵近五种相对运动模式，分别对应了空间威胁目标的五种意图。
12、优选地，根据飞行方向的不同，每种相对运动模式又被细分为至少两种模式。
13、优选地，所述步骤三中具体又包括以下步骤：
14、s301：判断威胁目标距离己方卫星的相对距离，然后将相对距离与设定的距离阈值做对比；
15、s302：若威胁目标的相对距离小于距离阈值时，给定威胁目标轨道初始状态，对相对轨道方程进行积分并求出相对轨迹；若威胁目标的相对距离大于等于距离阈值时，对威胁目标进行轨道传播，得到威胁目标的相对飞行轨迹；
16、s303：对得到的相对运动轨迹数据添加不同大小的随机噪声，以提高数据的真实性；对添加噪声后的相对轨迹数据进行预处理，以提高后续训练过程中的模型数值稳定性。
17、优选地，其特征在于：所述步骤四中具体步骤包括以下步骤：
18、s401：将相对轨迹信息输入采样模块，在时间维度上进行采样，以降低序列长度，在特征维度上进行采样，以压缩特征空间，降低计算复杂度；
19、s402：将采样模块的输出信息输入到位置编码模块，给信息上加上位置编码，使模型能够建模时序信息；位置编码计算公式如下：
20、
21、其中，p＝0,1,...,m-1，j＝0,1,...,(d-1)/2，p(p,2j)表示位置编码的第p行第2j列的数值，m是位置编码矩阵的行数，d是位置编码矩阵的列数；
22、s403：将带有位置信息的相对轨迹数据输入到编码器transformer encoder模型，所述transformer encoder模型使用注意力机制来捕获长距离的依赖，注意力机制的计算公式如下：
23、
24、其中以及是可学习的参数，dk是给定的词向量的维度，softmax是归一化函数；
25、s404：将编码器的输出信息输入到最终的判断模块前馈网络(ffn)，计算方式如下：
26、ffn(h’)＝relu(h’w1+b1)w2+b2；
27、其中h’是上一层网络的输出；以及是可学习的参数，relu是激活函数。
28、本专利技术取得的技术效果为：
29、本专利技术构建了一种基于相对导航信息的空间威胁目标意图识别模型及方法；首先建立了意图识别所需要的特征集合和意图集合，并根据特征集合和意图集合构建了意图识别模型，然后嵌入基于transformer的神经网络模型得到一种意图识别方法，并且考虑星上算力资源的局限性，添加了采样模块以降低计算复杂度；提出的方法较其他方法准确度更高，并且具有更强的鲁棒性，能够在有噪声情况下对空间威胁目标进行意图识别，具有很高的实用价值，有助于太空态势感知技术的发展。
本文档来自技高网...【技术保护点】
1.一种空间威胁目标意图识别模型，其特征在于：包括输入模块、输出模块以及处理模块，所述输入模块用于输入相对导航信息、空间威胁目标的意图，所述处理模块内部建立有基于Transformer的神经网络模型嵌入建立的威胁目标意图识别模型，所述处理模块使用所述目标意图识别模型完成判断识别目标飞行轨迹对应的意图，所述输出模块用于输出目标飞行轨迹对应的意图。
2.根据权利要求1所述的一种空间威胁目标意图识别模型，其特征在于：所述输入模块、所述处理模块以及所述输出模块之间通信连接，并实现数据通信传送、获取和调用。
3.一种空间威胁目标意图识别模型的训练方法，其特征在于：所述训练方法为权利要1中所述的识别模型的识别方法：包括以下步骤：
4.根据权利要求3所述的一种空间威胁目标意图识别模型的训练方法，其特征在于：所述步骤一中，相对导航信息主要包括己方航天器和威胁目标的相对距离信息和相对速度信息。
5.根据权利要求4所述的一种空间威胁目标意图识别模型的训练方法，其特征在于：所述步骤二中，通过分析相对轨道方程及空间目标可能执行的任务，定义飞掠、螺旋飞掠、螺
6.根据权利要求5所述的一种空间威胁目标意图识别模型的训练方法，其特征在于：根据飞行方向的不同，每种相对运动模式又被细分为至少两种模式。
7.根据权利要求3所述的一种空间威胁目标意图识别模型的训练方法，其特征在于：所述步骤三中具体又包括以下步骤：
8.根据权利要求3所述的一种空间威胁目标意图识别模型的训练方法，其特征在于：所述步骤四中具体步骤包括以下步骤：
...【技术特征摘要】
1.一种空间威胁目标意图识别模型，其特征在于：包括输入模块、输出模块以及处理模块，所述输入模块用于输入相对导航信息、空间威胁目标的意图，所述处理模块内部建立有基于transformer的神经网络模型嵌入建立的威胁目标意图识别模型，所述处理模块使用所述目标意图识别模型完成判断识别目标飞行轨迹对应的意图，所述输出模块用于输出目标飞行轨迹对应的意图。
2.根据权利要求1所述的一种空间威胁目标意图识别模型，其特征在于：所述输入模块、所述处理模块以及所述输出模块之间通信连接，并实现数据通信传送、获取和调用。
3.一种空间威胁目标意图识别模型的训练方法，其特征在于：所述训练方法为权利要1中所述的识别模型的识别方法：包括以下步骤：
4.根据权利要求3所述的一种空间威胁目标意图识别模型的训练方法，其特征在...
【专利技术属性】
技术研发人员：邱剑彬，张帅，王桐，王晨亮，秦晨辉，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。