【技术实现步骤摘要】
本专利技术涉及无人机集群的群体行为识别领域，具体涉及一种基于无人机集群三维轨迹分析的意图识别方法。
技术介绍
1、随着无人机技术的迅速发展，尤其是在军事领域，无人机集群的战术应用日益增多。无人机能够协同执行复杂任务，提供更高的作战灵活性。然而，随着作战环境的复杂性增加，指挥员对无人机集群行为的实时分析和意图识别难以满足及时准确决策的要求，同时也会影响现有武器系统快速精准的反应。因此，迫切需要一种适用于无人机集群轨迹分析的意图识别方法。
2、近年来，随着无人机应用的迅速扩展，无人机意图识别方法也逐渐成为研究的热点并受到广泛关注。无人机意图识别的目的是通过分析无人机的行为、轨迹及其他相关信息，推测其当前或未来的任务和行动，从而为防御和控制提供决策支持。在这一过程中，准确识别无人机的意图至关重要，它直接影响防御系统的响应速度和准确性。现有的意图识别方法，包括基于规则的方法、基于统计学习的方法和基于深度学习的方法，但上述意图识别方法面临诸多挑战，主要表现在：(1)基于规则的方法依赖于人工设定的参数和规则，缺乏自适应能力，难以应对复杂和动态变化的环境；(2)基于统计学习的方法，如svm和随机森林，虽然能够从数据中学习，但特征工程复杂，且难以处理多维高复杂度的数据；(3)这些方法大多需要整合多源信息，例如雷达数据、电子干扰状态、通信信息等，才能实现较为全面的意图识别，但在多源信息融合过程中，数据处理与同步往往带来较大的计算开销，影响实时性和系统的鲁棒性；(4)随着无人机群体协同作战的需求增加，群体意图的识别变得更加复杂，多目标的
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于无人机集群三维轨迹分析的意图识别方法，利用数据预处理、聚类分析、深度学习等方法解决对战争中快速高效的识别无人机集群意图的问题。
2、一种基于无人机集群三维轨迹分析的意图识别方法，包括如下步骤：
3、s1：获取无人机集群的三维轨迹数据集并对其中的三维轨迹进行预处理，得到预处理后的三维轨迹；所述无人机集群的三维轨迹数据集中包括多个无人机的三维轨迹，每个无人机的三维轨迹中包括若干个时间步和该时间步下轨迹点的三维空间坐标；
4、s1.1：获取无人机集群中无人机的三维轨迹，得到无人机集群的三维轨迹数据集，并对获取的三维轨迹进行筛选，删除不完整的三维轨迹和异常的三维轨迹；
5、无人机m的三维轨迹为：
6、trm＝{(t1,x1,y1,z1),(t2,x2,y2,z2),…,(ti,xi,yi,zi),...,(tn,xn,yn,zn)} (1)
7、其中，trm表示无人机m的三维轨迹，ti表示时间步，i表示轨迹点的编号，(xi,yi,zi)表示无人机在时间步ti下的轨迹点的三维空间坐标，n表示轨迹点的数量；
8、设定三维轨迹长度的最小阈值为δl，若三维轨迹的长度l＜δl，则认为该三维轨迹不完整，将其删除；计算三维轨迹的平均速度vavg，若某三维轨迹的平均速度超出合理范围vavg，则认为该三维轨迹存在错误或异常，即若vavg＞vavg，则删除该三维轨迹；
9、s1.2：使用三次样条插值方法对三维轨迹进行平滑处理，同时将三维轨迹统一到同一时间维度上；
10、具体为：根据筛选后的三维轨迹，构建三次样条函数s(t)，其中t为时间步，用于对缺失的轨迹点进行插值；随后按照统一的重采样时间步长δt进行重采样，从而生成在相同时间步长上的轨迹点；
11、重采样后的轨迹点表示为：
12、
13、其中，表示重采样后的轨迹点，t0和tf分别为三维轨迹的起始时间和终止时间；
14、s1.3：对所有的三维轨迹进行标准化处理，使其具有相同的量纲和范围；
15、s1.4：将三维轨迹通过坐标转换映射到同一大地图中；
16、对于三维轨迹中的每个轨迹点的三维空间坐标(xi,yi,zi)，将其通过如下矩阵转换公式映射到大地图的坐标系中：
17、
18、其中，为转换矩阵，b是偏移向量，(xglobal,yglobal,zglobal)是映射到大地图上的轨迹点的三维空间坐标；
19、s2：对预处理后的三维轨迹进行聚类分析，划分为不同的无人机轨迹簇；
20、s2.1：通过计算三维轨迹中角度的变化提取出三维轨迹中方向变化大的轨迹点；
21、设定三维轨迹由n个轨迹点组成，三维轨迹中轨迹点的三维空间坐标表示为(x1,y1,z1),(x2,y2,z2),…,(xn,yn,zn)；
22、首先，对于三维轨迹上的每两个相邻的轨迹点，构造从一个轨迹点指向相邻轨迹点的方向的向量
23、
24、其中，(xi+1,yi+1,zi+1)为相邻轨迹点的三维空间坐标；
25、对于相邻的两个向量和它们之间的夹角θ通过向量的点积公式计算得到：
26、
27、其中，表示两个向量的点积，和是向量的模长，公式为：
28、
29、对于三维轨迹上的每两个相邻的轨迹点，计算其运动方向差异性，具体计算公式如下：
30、dir＝1-cosθ (8)
31、其中，dir表示两个相邻的轨迹点之间的运动方向差异性，dir的取值范围为0到2，dir的取值越大表示三维轨迹的方向变化越大，根据具体需求设置阈值dir1，当dir＞dir1时，记录该轨迹点，从而提取出三维轨迹中方向变化大的轨迹点；
32、s2.2：使用三维轨迹中的起始轨迹点、终止轨迹点以及提取出的方向变化大的轨迹点计算三维轨迹间的相似性度量；
33、两条三维轨迹表达如下：
34、
35、其中，tr1和tr2为两条三维轨迹，ri和sj分别表示三维轨迹tr1和三维轨迹tr2中的轨迹点；i和j为轨迹点的编号，n1是三维轨迹tr1中起始轨迹点、终止轨迹点以及提取的轨迹方向变化大的轨迹点的总数量；n2是三维轨迹tr2起始轨迹点、终止轨迹点以及提取的轨迹方向变化大的轨迹点的总数量；
36、首先，分别计算三维轨迹tr1上的起始轨迹点、终止轨迹点和方向变化大的轨迹点到三维轨迹tr2上最近轨迹点的距离，然后，计算三维轨迹tr1上的起始轨迹点、终止轨迹点和方向变化大的轨迹点到三维轨迹tr2上最近轨迹点的距离的均值，按照相同方法得到三维轨迹tr2上的起始轨迹点、终止轨迹点和方向变化大的轨迹点到三维轨迹tr1上最近轨迹点的距离的均值，再取这两者之间的最小值作为三维轨迹tr1和三维轨迹tr2之间的三维轨迹形状相似性，三维轨迹形状相似性的计算公式如下：
37、
38、其中，tss(tr1,tr2)表示三维轨迹tr1和三维轨迹tr2之间的三维轨迹形状相似性；dnnp(ri,tr2)表示三本文档来自技高网...
【技术保护点】
1.一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，S1具体包括：
3.根据权利要求2所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，S2具体包括：
4.根据权利要求3所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，S2.1具体包括：
5.根据权利要求4所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，S2.2具体包括：
6.根据权利要求5所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，S2.3中所述改进的HDBSCAN算法将原HDBSCAN算法中的核心距离改进为轨迹核心距离Ck，将原HDBSCAN算法中的相互可达度量距离改进为轨迹相互可达度量距离dmreach-k；
7.根据权利要求6所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，S3具体包括：
8.根据权利要求7所述的一种基于无人机集群三维轨迹分析的意图识别方
...【技术特征摘要】
1.一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，s1具体包括：
3.根据权利要求2所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，s2具体包括：
4.根据权利要求3所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，s2.1具体包括：
5.根据权利要求4所述的一种基于无人机集群三维轨迹分析的意图识别方法，其特征在于，s2.2...
【专利技术属性】
技术研发人员：王传云，张莹莹，高骞，王琳霖，颜卓，刘昊，张亚娟，
申请(专利权)人：沈阳航空航天大学，
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。