本發(fā)明涉及目標(biāo)跟蹤領(lǐng)域，具體涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法。

背景技術(shù)：

1、近年來(lái)，隨著計(jì)算機(jī)、通信、導(dǎo)航等技術(shù)的深度發(fā)展，蜂群無(wú)人機(jī)、多發(fā)齊射導(dǎo)彈群等集群武器系統(tǒng)逐步得到應(yīng)用。一方面，上述集群武器系統(tǒng)中包含大量的作戰(zhàn)單元，使得防空系統(tǒng)的探測(cè)、跟蹤和攔截能力迅速飽和，導(dǎo)致難以對(duì)其實(shí)施有效攔截；另一方面，上述集群武器系統(tǒng)中各作戰(zhàn)單元具備高度協(xié)同性，少量作戰(zhàn)單元損傷后，剩余的單元可迅速補(bǔ)位，不會(huì)顯著降低集群整體的作戰(zhàn)能力，導(dǎo)致難以對(duì)其實(shí)施有效毀傷。因此，防御攔截上述集群武器系統(tǒng)的難度較大，已經(jīng)成為現(xiàn)代防空系統(tǒng)必須應(yīng)對(duì)的主要挑戰(zhàn)。

2、精確跟蹤上述群目標(biāo)，得到群目標(biāo)運(yùn)動(dòng)狀態(tài)以及群目標(biāo)輪廓形態(tài)隨時(shí)間的變化歷程和趨勢(shì)，是后續(xù)武器系統(tǒng)制定防御策略、求解攻擊要素和實(shí)施有效攔截的必要前提。目前，針對(duì)群內(nèi)目標(biāo)數(shù)目多、分布密集的群目標(biāo)，為提高跟蹤系統(tǒng)實(shí)時(shí)性和避免跟蹤能力飽和，主要采取群整體跟蹤方法，即依次估計(jì)群質(zhì)心的運(yùn)動(dòng)狀態(tài)和群輪廓的形態(tài)。在群質(zhì)心運(yùn)動(dòng)狀態(tài)估計(jì)方面，現(xiàn)有方法和技術(shù)需要預(yù)先建立所跟蹤目標(biāo)的運(yùn)動(dòng)模型，屬于模型驅(qū)動(dòng)的目標(biāo)跟蹤方法。然而，在復(fù)雜戰(zhàn)場(chǎng)環(huán)境下跟蹤非合作目標(biāo)時(shí)，由于先驗(yàn)信息缺乏、目標(biāo)運(yùn)動(dòng)模態(tài)多變、過(guò)程噪聲統(tǒng)計(jì)特性未知甚至?xí)r變等因素，均可能導(dǎo)致預(yù)先建立的運(yùn)動(dòng)模型失配，進(jìn)而導(dǎo)致目標(biāo)跟蹤精度顯著下降、跟蹤性能?chē)?yán)重退化。因此，現(xiàn)有基于模型驅(qū)動(dòng)的群目標(biāo)跟蹤方法和技術(shù)無(wú)法在復(fù)雜環(huán)境下精確地估計(jì)上述非合作機(jī)動(dòng)群目標(biāo)的狀態(tài)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，解決群目標(biāo)運(yùn)動(dòng)模態(tài)多變、目標(biāo)先驗(yàn)信息缺乏、過(guò)程噪聲統(tǒng)計(jì)特性時(shí)變等復(fù)雜環(huán)境下的機(jī)動(dòng)群目標(biāo)高精度跟蹤問(wèn)題。

2、實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案為：第一方面，本發(fā)明提供一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，包括以下步驟：

3、第一步，獲取當(dāng)前時(shí)刻的群目標(biāo)測(cè)量信息；

4、第二步，估計(jì)當(dāng)前時(shí)刻的群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)；

5、第三步，估計(jì)當(dāng)前時(shí)刻的群目標(biāo)輪廓形態(tài)；

6、第四步，預(yù)測(cè)下一時(shí)刻的群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)；

7、第五步，預(yù)測(cè)下一時(shí)刻的群目標(biāo)輪廓形態(tài)。

8、第二方面，本發(fā)明提供一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤系統(tǒng)，用于實(shí)現(xiàn)第一方面所述的方法，系統(tǒng)包括：

9、第一模塊，用于獲取當(dāng)前時(shí)刻的群目標(biāo)測(cè)量信息；

10、第二模塊，用于估計(jì)當(dāng)前時(shí)刻的群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)；

11、第三模塊，用于估計(jì)當(dāng)前時(shí)刻的群目標(biāo)輪廓形態(tài)；

12、第四模塊，用于預(yù)測(cè)下一時(shí)刻的群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)；

13、第五模塊，用于預(yù)測(cè)下一時(shí)刻的群目標(biāo)輪廓形態(tài)。

14、第三方面，本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)第一方面所述的方法的步驟。

15、第四方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的方法的步驟。

16、第五方面，本發(fā)明提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的方法的步驟。

17、本發(fā)明與現(xiàn)有群目標(biāo)跟蹤方法相比，其顯著優(yōu)點(diǎn)為：

18、(1)在群目標(biāo)質(zhì)心運(yùn)動(dòng)模態(tài)多變、目標(biāo)先驗(yàn)信息未知情況下，本發(fā)明利用深度神經(jīng)網(wǎng)絡(luò)從群目標(biāo)測(cè)量數(shù)據(jù)中在線(xiàn)提取目標(biāo)運(yùn)動(dòng)特性，進(jìn)而實(shí)時(shí)估計(jì)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移矩陣，解決了預(yù)先建立的運(yùn)動(dòng)模型難以始終匹配先驗(yàn)信息缺乏的機(jī)動(dòng)目標(biāo)實(shí)際運(yùn)動(dòng)模態(tài)的問(wèn)題，有效提高了群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)的估計(jì)精度。

19、(2)在過(guò)程噪聲統(tǒng)計(jì)特性未知甚至?xí)r變的復(fù)雜環(huán)境下，本發(fā)明利用深度神經(jīng)網(wǎng)絡(luò)從群目標(biāo)測(cè)量數(shù)據(jù)中提取過(guò)程噪聲統(tǒng)計(jì)特性，進(jìn)而實(shí)時(shí)估計(jì)過(guò)程噪聲方差矩陣，解決了復(fù)雜環(huán)境下過(guò)程噪聲統(tǒng)計(jì)特性難以準(zhǔn)確獲取的問(wèn)題，進(jìn)一步有效提高了群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)的估計(jì)精度。

20、(3)本發(fā)明將群目標(biāo)輪廓簡(jiǎn)化建模為中心位于群目標(biāo)質(zhì)心的時(shí)變橢圓，一方面可提高群目標(biāo)跟蹤算法的實(shí)時(shí)性，另一方面可利用群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)的高精度估計(jì)結(jié)果提高群目標(biāo)輪廓形態(tài)的估計(jì)精度。

技術(shù)特征：

1.一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，其特征在于，第一步具體為：

3.根據(jù)權(quán)利要求2所述的基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，其特征在于，第二步具體為：

4.根據(jù)權(quán)利要求3所述的基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，其特征在于，第三步具體為：

5.根據(jù)權(quán)利要求4所述的基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，其特征在于，第四步具體為：

6.根據(jù)權(quán)利要求5所述的基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，其特征在于，第五步具體為：

7.一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤系統(tǒng)，其特征在于，用于實(shí)現(xiàn)權(quán)利要求1-6任一所述的方法，系統(tǒng)包括：

8.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1-6任一所述的方法的步驟。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-6任一所述的方法的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-6任一所述的方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)群目標(biāo)智能跟蹤方法，該方法將深度學(xué)習(xí)引入貝葉斯濾波框架中，基于多個(gè)深度神經(jīng)網(wǎng)絡(luò)從測(cè)量數(shù)據(jù)中分別提取群目標(biāo)運(yùn)動(dòng)特性和過(guò)程噪聲統(tǒng)計(jì)特性，進(jìn)而在線(xiàn)估計(jì)群目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移矩陣和過(guò)程噪聲方差矩陣，然后通過(guò)貝葉斯濾波高精度地估計(jì)群目標(biāo)質(zhì)心的運(yùn)動(dòng)狀態(tài)；通過(guò)將群目標(biāo)輪廓建模為中心位于群目標(biāo)質(zhì)心的橢圓，從而利用高精度的群目標(biāo)質(zhì)心運(yùn)動(dòng)狀態(tài)估計(jì)結(jié)果提高群目標(biāo)輪廓的估計(jì)精度，最終完成對(duì)群目標(biāo)的跟蹤。與現(xiàn)有群目標(biāo)跟蹤方法相比，本發(fā)明所提出的方法不需要先驗(yàn)信息預(yù)先建立目標(biāo)運(yùn)動(dòng)模型，可在復(fù)雜環(huán)境下對(duì)先驗(yàn)信息缺乏的非合作機(jī)動(dòng)群目標(biāo)實(shí)施高精度跟蹤。

技術(shù)研發(fā)人員：李銀伢,梁苑,陳燁,戚國(guó)慶,盛安冬
受保護(hù)的技術(shù)使用者：南京理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19