基于多维特征的高超声速目标分类识别算法_高羽婷.pdf
《基于多维特征的高超声速目标分类识别算法_高羽婷.pdf》由会员分享,可在线阅读,更多相关《基于多维特征的高超声速目标分类识别算法_高羽婷.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 2 期2023 年 3 月No.2Mar.2023战术导弹技术Tactical Missile Technology基于多维特征的高超声速目标分类识别算法高羽婷1,李享1,孙鹤枝1,尹可1,李超2,李翰夫2,杨冬1,李劲东1*(1.中国空间技术研究院,北京 100094;2.哈尔滨工业大学,哈尔滨 150006)摘要:针对高超声速目标天基探测中分类识别困难的问题,提出了一种基于多维红外特征的高超声速目标分类识别算法。在对主动巡航式和被动滑翔式两类不同机动类型的典型高超声速目标多维红外特征进行对比研究的基础上,结合高斯混合模型进行机器学习聚类分析,开发了基于多维特征的高超声速目标分类识别算法
2、,构建了高超声速目标多维特征混合识别模型。基于天基探测全链路模型仿真的数据进行测试验证,其结果证明了所提出的高超声速目标分类识别方法的有效性。在检测到的高超声速目标运动特性未知的情况下,该算法仅通过多维红外特征可快速对两型高超声速目标(主动巡航式/被动滑翔式)进行分类识别,为后续跟踪和拦截高超声速目标争取了时间。关键词:高超声速目标;天基探测;多维特征;目标分类识别;聚类算法;高斯混合模型中图分类号:TP79 文献标识码:A 文章编号:1009-1300(2023)02-0081-07DOI:10.16358/j.issn.1009-1300.20230508Classification al
3、gorithm of hypersonic target based on multi-dimensional characteristicsGaoYuting 1,Li Xiang1,Sun Hezhi1,Yin Ke1,Li Chao2,Li Hanfu2,Yang Dong1,Li Jindong1*(1.China Academy of Space Technology,Beijing 100094,China;2.Harbin Institute of Technology,Harbin 150006,China)Abstract:Focusing on the difficulty
4、 in the space-based detection of hypersonic targets,a classification algorithm of hypersonic targets is proposed based on multi-dimensional infrared characteristics under space-based observation conditions.Comparative research on multi-dimensional characteristics of typical hypersonic targets with t
5、wo different maneuver types(active cruise type and passive glide type)is carried out.On this basis,a machine learning clustering analysis is conducted with Gaussian mixture model to develop a classification algorithm of hypersonic targets based on multi-dimensional characteristics.A classification m
6、odel has been introduced,which is capable of rapid classification of typical hypersonic targets.By using the simulation data from full-link space-based detection model,the validation results indicate the effectiveness of 收稿日期:2023-02-10;修回日期:2023-03-17作者简介:高羽婷,博士研究生,主要研究方向为高超声速目标天基探测。通讯作者:李劲东,研究员,主要
7、研究方向为卫星遥感技术。引用格式:高羽婷,李享,孙鹤枝,等.基于多维特征的高超声速目标分类识别算法 J.战术导弹技术,2023(2):81-87.(GaoYuting,Li Xiang,Sun Hezhi,et al.Classification algorithm of hypersonic target based on multi-dimensional characteristics J.Tactical Missile Technology,2023(2):81-87.)第 2 期战术导弹技术the proposed classification algorithm of hyper
8、sonic targets based on multi-dimensional characteristics.This algorithm is able to classify typical hypersonic targets with two different maneuver types(active cruise type and passive glide type)by only depending on the multi-dimensional infrared characteristics and without considering the kinetic c
9、haracteristics of the targets,which makes time for the later tracking and intercepting of hypersonic targets.Key words:hypersonic targets;space-based detection;multi-dimensional characteristics;classification of targets;clustering algorithm;Gaussian mixture model1 引 言 高超声速飞行器是近年来的研究热点,具有速度快、射程远、机动能力
10、强、目标全程辐射特性变化复杂等特点。利用传统地基系统对其进行探测和跟踪的难度较大,基于天基平台的检测、分类识别与跟踪是远距离发现高超声速目标并对其进行实时监视的有效手段1。高超声速目标飞行速度极快,短时间即可飞行较远路程,且不同机动类型的高超声速目标运动特性及辐射特性差异巨大,因此在检测到目标之后尽快对其进行分类识别,有利于后续根据目标所属类别的相关运动及辐射特性对其进行跟踪,并为高超声速目标的拦截防御争取时间。目前与目标分类识别相关的研究多集中于红外目标识别、雷达目标识别以及导弹目标识别等方面。2002年,Breiter等针对导弹识别问题提出了结合红外中波和长波探测的双波段的自动目标识别方法
11、2。2005年,Zhao等提出了一种基于天基系统的导弹目标识别算法,利用导弹特征进行数据融合,进而推断出导弹的类型3。2016年,陈未未等采用支持向量机作为分类算法,联合雷达高分辨一维距离像特征与微动特征,通过主成分分析方法降维后,弹头识别率得到明显提升4。2019年,Cho等提出基于相异正则化的多阶段融合算法,可提升SAR/IR图像目标识别准确率5。2022年,杨棉绒等提出基于轻量级梯度提升机的Zernike 特征选取算法,并结合稀疏表示分类器(SRC)完成红外图像中的目标类别确认6。由于高超声速目标特性与普通的红外目标和雷达目标差异明显,因此这些技术无法直接用于天基平台对高超声速目标的识别
12、。针对高超声速目标分类识别的相关研究目前还处于起步阶段,相关文献较少。2014年,管维乐等在分析高超声速目标的速度特征、高度特征和轨迹特征的基础上构建了高超声速目标类型识别模型7。2015年,刘旭等选择高超声速目标载机作为识别对象,结合模糊综合评价方法,构建了载机目标识别模型8。2017年,徐旺研究了雷达探测中对高超声速飞行器的目标辨识9。2017年,王丹通过研究高超声速目标的运动行为辨识得到气动力模型,进而实现对目标弹道的动态估计10。2019年,Gaiduchenko等提出了一种高超声速卷积神经网络的算法,可基于飞行路径对高超声速目标进行分类11。2022年,张君彪等通过构造特征参数集生成
13、高超声速目标轨迹库,能够对高超声速飞行器的机动类别进行划分12。现有针对高超声速目标的分类识别研究多基于目标的运动及轨迹特性,对辐射特性的考虑较为欠缺。基于运动特性的分类识别方法必须等待目标飞行一段时间后才可完成,导致目标分类识别过程占用后续对目标跟踪和拦截的时间;并且随着技术的发展,新型高超声速飞行器的飞行弹道更加多变,通过轨迹和高度难以实现目标的分类识别。本文基于对主动巡航式和被动滑翔式高超声速目标的全谱段红外特性分析,提出了一种基于多维红外特征的高超声速目标分类识别算法,可以在目标运动特性未知的情况下仅通过辐射特性对检测到的高超声速目标进行快速分类识别。对该算法的测试验证表明,该算法可在
14、陆地、云层和海面等多种背景下,对主动巡航式和被动滑翔式两种高超声速飞行器目标进行有效分类辨82第 2 期高羽婷等:基于多维特征的高超声速目标分类识别算法识,为后续对高超声速目标的跟踪及拦截争取了时间。2 高超声速目标分类识别机理 高超声速飞行器主要有主动巡航式和被动滑翔式两种类型。主动巡航式高超声速飞行器一般先由飞机携带起飞,在飞行达到一定高度和速度时,飞行器从飞机挂架脱离,由助推器推动达到最高点;之后助推器燃料耗尽与飞行器巡航段分离,位于飞行器巡航段上的超燃冲压发动机点火工作,进入稳态飞行阶段巡航段。被动滑翔式高超声速飞行器一般先由火箭携带起飞,通过火箭助推后达到高超声速飞行后,飞行器与火箭
15、分离,利用喷气系统调整方向,实现大气再入飞行;再入段的最后,飞行器高度降低,执行拉起机动并调整飞行姿态和速度,在适当的高度进入稳态飞行阶段,即滑翔阶段。主动巡航式高超声速飞行器的稳态飞行阶段为巡航段,其红外辐射信号来源于本体表面辐射、激波绕流场气体辐射以及冲压发动机喷焰辐射三个部分。被动滑翔式高超声速飞行器的稳态飞行阶段为滑翔段,其辐射信号来源于本体表面辐射以及本体周围高温高速气流和本体后方尾迹流场气体分子辐射两个方面。本文以主动巡航式高超声速飞行器的典型代表型号X-51A巡航段和被动滑翔式高超声速飞行器的典型代表型号HTV-2滑翔段为例,对其红外辐射特性进行了分析。图 1 为 X-51A 巡
16、航段和HTV-2滑翔段在不同飞行工况下的目标信号经探测系统全链路耦合后的光谱特征曲线对比图。图1中,横轴表示波长,纵轴表示目标信号经探测系统全链路耦合后在探测器上产生的电子数。由图1可见,被动滑翔式高超声速目标HTV-2滑翔段的光谱曲线整体平滑,而主动巡航式高超声速目标X-51A巡航段的光谱曲线在短波2.7m和中波4.3m附近有明显峰值。两种类别的高超声速目标特征差异明显,因此,可以基于多维特征对两种目标进行分类识别。3 基于多维特征的目标分类识别方法研究基于对主动巡航式和被动滑翔式两类典型高超声速目标多维特征的对比研究,结合高斯混合模型进行机器学习聚类分析,即可构建目标多维特征混合识别模型,
17、进而对高超声速目标进行分类识别。首先根据高超声速目标和背景的全谱段红外辐射曲线,掌握不同类型目标在不同飞行工况及多种背景下的特性数据,并结合大气透过率和卫星平台载荷参数等,将目标的本征特性与飞行场景及探测链路进行耦合,得到可用于检测识别的目标全链路耦合特征,即目标像元在探测器处产生的电子数。在此基础上,选取2.72.95 m和4.24.45 m两个大气吸收谱段作为探测谱段,分析提取目标像元在以上两个谱段上的特征,得到每个样本像元的二维耦合特征数据。采用高斯混合模型(Gaussian Mixture Model,GMM)聚类算法对所有样本像元的数据进行拟合,建立基于多维特征的目标分类识别模型。当
18、得到一个未知的测试像元时,首先分析得到该像元在两个探测谱段上的耦合特征,然后通过基于多维特征的目标分类识别模型对该测试像元进行类别判断,即可判断该测试像元属于哪一类目标。该算法的流程如图2所示。常用的机器学习聚类算法有高斯混合模型、图1HTV-2滑翔段和X-51A巡航段的目标信号差异对比Fig.1Comparison of target signal differences between HTV-2(gliding phase)and X-51A(cruising phase)83第 2 期战术导弹技术K-Means、支持向量机等。支持向量机的原理是在数据线性可分时,在原空间寻找两类样本的最
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 多维 特征 高超 声速 目标 分类 识别 算法 高羽婷
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。