[發明專利]一種用于智能化對抗仿真推演的態勢感知方法有效
| 申請號： | 202110656535.4 | 申請日： | 2021-06-11 |
| 公開（公告）號： | CN113283110B | 公開（公告）日： | 2022-05-27 |
| 發明（設計）人： | 曾向榮;鐘志偉;張政;劉衍 | 申請（專利權）人： | 中國人民解放軍國防科技大學 |
| 主分類號： | G06F30/20 | 分類號： | G06F30/20;G06K9/62;G06N3/04 |
| 代理公司： | 長沙大珂知識產權代理事務所(普通合伙) 43236 | 代理人： | 伍志祥 |
| 地址： | 410073 湖*** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 用于 智能化 對抗 仿真 推演 態勢 感知 方法 | ||
1.一種用于智能化對抗仿真推演的態勢感知方法，其特征在于，所述態勢感知方法是基于深度學習的多模式態勢感知，其中所述多模式態勢感知包括全局態勢感知、區域態勢感知和第一視角態勢感知，所述深度學習采用深度卷積神經網絡把所述全局態勢感知和所述區域態勢感知融合，結合單一對抗單元的所述第一視角態勢感知，用于對抗仿真推演中；
其中，采用深度卷積神經網絡把全局態勢感知和區域態勢感知融合的具體步驟為：
采用小卷積神經網絡對全局圖像進行目標識別，識別存在較多目標的區域、識別環境場景的類型，所述小卷積神經網絡不識別目標類型；
對目標較多的區域進行區域提取，在提取的區域進行目標類型Thr識別，確定目標的中心點pos0thr＝(x0thr,y0thr,z0thr)和目標所在的區域環境場景識別，并通過查表獲得目標的威脅半徑，其中x0thr，y0thr和z0thr是目標的三維空間坐標值；存儲區域位置和區域狀態信息，構建區域的態勢感知時序圖，預測該區域中對抗單元的行動；
單一對抗單元的第一視角態勢感知，為單一對抗單元的自動化對抗，通過第一視角的圖像識別圖像中目標和環境場景，存儲目標位置和目標狀態信息，構建態勢感知時序圖，預測視角中對抗單元的行動。
2.根據權利要求1所述用于智能化對抗仿真推演的態勢感知方法，其特征在于，所述全局態勢感知、區域態勢感知和第一視角態勢感知的態勢步驟包括：
采用深度卷積神經網絡識別對抗單元和識別對抗單元所處的環境；
根據目標和所述對抗單元所處的環境識別的結果估計對抗單元當前的狀態；
構建態勢感知的時序圖，預測對抗單元的下一步行動。
3.根據權利要求1所述用于智能化對抗仿真推演的態勢感知方法，其特征在于，所述區域提取的方法采用SSD網絡結構對目標進行識別，把目標和場景放入SSD網絡中進行訓練。
4.根據權利要求1所述用于智能化對抗仿真推演的態勢感知方法，其特征在于，所述構建態勢感知時序圖包括對對抗單元建立態勢感知圖和對環境建立態勢感知圖。
5.根據權利要求4所述用于智能化對抗仿真推演的態勢感知方法，其特征在于，所述對抗單元構建立態勢感知圖的方法如下：
將對抗單元的威脅統一作為一個半球形三維空間來進行描述，所述半球形三維空間的數學模型如下：
假設威脅所在的中心位置坐標為pos0thr＝(x0thr,y0thr,z0thr)，其威脅半徑為Rthr，其威脅半徑根據目標類型定義；
威脅模型所覆蓋的空間關系定義為：
(x-x0thr)2+(y-y0thr)2+(z-z0thr)2＝Rthr2
建立對抗單元的參數模型為
THR＝[x0thr,y0thr,z0thr,Rthr,hitthr]
hitthr代表攻擊能力，x，y，z為對抗單元的坐標。
6.根據權利要求5所述用于智能化對抗仿真推演的態勢感知方法，其特征在于，所述對環境建立態勢感知圖的方法如下:
對環境建立態勢感知圖，建立一個有地理位置、山的大小和山的高度特征的圓錐體模型，所述圓錐體的數學模型為：
其參數模型為：MOU＝[x0mou,y0mou,Hmou,Rmou]
其中(x0mou,y0mou)為山的中心點位置，Hmou為山的最高點，Rmou為山的半徑，h為高度，x，y為對抗單元的坐標。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍國防科技大學，未經中國人民解放軍國防科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202110656535.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種基于大數據技術的智能解析數據的方法
- 下一篇：一種軌道交通用散熱型電控柜
