一种连续目标定位方法及系统

技术领域

本申请涉及智能定位技术领域，具体涉及一种连续目标定位方法及系统。

背景技术

如何在广阔的开放空间内跟踪不断变化且快速移动的各种目标，以对抗善于隐藏行动意图的对手，例如：无人机、战斗机、战斗机群等，如何确保传感器与目标进行匹配，以在必要的目标跟踪场景中保持对关键目标的持续监控是一个非常关键的问题。

综上所述，现有技术中存在不断变化且快速移动的物体定位准确率低的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种连续目标定位方法及系统。

一种连续目标定位方法，包括：获取待定位目标的基本信息，所述待定位目标包括单个目标或目标组合；连接目标识别系统，基于待定位目标的基本信息进行目标识别，获取目标类型，其中所述目标识别系统中存储有识别数据库；结合所述目标类型的历史行为数据对所述目标类型进行目标行为预测，生成目标行为预测结果；执行天气传感信息采集，获取实时天气传感信息，其中包括天气类型、云层厚度、风向、风力；收集实时情报数据，基于所述实时天气传感信息和所述实时情报数据对所述目标行为预测结果进行校正，并根据校正结果生成目标运行预测区域；在目标行为预测区域布设多类型传感器，基于多类型传感器对目标进行定位。

在一个实施例中，还包括：获取预设历史时间窗口，根据预设历史时间窗口对历史异常目标记录信息进行数据提取，获得历史异常目标记录数据集合；设置异常记录触发频率，根据所述异常记录触发频率对所述历史异常目标记录数据集合进行数据筛选，获得异常频发记录数据集合；基于决策树的原理，根据所述异常频发记录数据集合构建识别数据库。

在一个实施例中，还包括：在所述异常频发记录数据集合中随机选择K个样本数据，并将K个样本数据作为初始聚类中心，获得K个初始聚类中心；基于K个初始聚类中心，将所述异常频发记录数据集合中的数据划分到距离最近的初始聚类中心范围内，获得K个聚类簇；然后对K个聚类簇中的数据进行均值向量计算，并根据均值向量计算结果对初始聚类中心进行更新；进行迭代聚类，当迭代聚类次数满足预设迭代次数阈值时，输出所述异常频发记录数据集合的多个异常频发数据聚类结果。

在一个实施例中，还包括：对多个异常频发数据聚类结果进行类型标识，获得多个类型标识结果；在多个类型标识结果中随机选取第一类型标识结果，并存储至第一决策节点，将第一类型标识结果对应的异常频发数据存储到所述第一决策节点的叶节点；再次在多个类型标识结果中随机选取第二类型标识结果，并存储至第二决策节点，将第一类型标识结果对应的异常频发数据存储到所述第二决策节点的叶节点；进行迭代存储，直到获得第N决策节点，其中N为异常频发数据聚类结果的数量；基于第一决策节点、第二决策节点、第N决策节点构建识别数据库。

在一个实施例中，还包括：对所述历史行为数据中的历史目标组合进行提取，获得多个目标组合类型；并获取多个目标组合类型对应的历史执行任务，将历史执行任务中出现频率最高的执行任务作为目标组合类型对应的相关任务，基于多个目标组合类型和多个相关任务构建训练数据组；通过训练数据组对行为预测模型进行监督学习，获得符合预期要求的行为预测模型；获取当前目标类型的目标组合，并通过行为预测模型进行目标行为预测，获得目标行为预测结果。

在一个实施例中，还包括：基于所述实时天气传感信息对所述目标类型进行可执行任务分析，确定可执行任务阈值；基于所述实时情报数据对可执行任务阈值中的可执行任务进行任务可行性分析，并将任务可行性概率赋予对应的可执行任务；根据可行性概率排名前三的可执行任务生成目标运行预测区域。

一种连续目标定位系统，包括：

目标基本信息获得模块，所述目标基本信息获得模块用于获取待定位目标的基本信息，所述待定位目标包括单个目标或目标组合；

目标类型获取模块，所述目标类型获取模块用于连接目标识别系统，基于待定位目标的基本信息进行目标识别，获取目标类型，其中所述目标识别系统中存储有识别数据库；

目标行为预测结果生成模块，所述目标行为预测结果生成模块用于结合所述目标类型的历史行为数据对所述目标类型进行目标行为预测，生成目标行为预测结果；

实时天气传感信息获取模块，所述实时天气传感信息获取模块用于执行天气传感信息采集，获取实时天气传感信息，其中包括天气类型、云层厚度、风向、风力；

目标运行预测区域生成模块，所述目标运行预测区域生成模块用于收集实时情报数据，基于所述实时天气传感信息和所述实时情报数据对所述目标行为预测结果进行校正，并根据校正结果生成目标运行预测区域；

目标定位模块，所述目标定位模块用于在目标行为预测区域布设多类型传感器，基于多类型传感器对目标进行定位。

上述一种连续目标定位方法及系统，能够解决现有技术中存在不断变化且快速移动的物体定位准确率低的技术问题。通过获取待定位目标的基本信息，所述待定位目标包括单个目标或目标组合；连接目标识别系统，基于待定位目标的基本信息进行目标识别，获取目标类型，其中所述目标识别系统中存储有识别数据库；结合所述目标类型的历史行为数据对所述目标类型进行目标行为预测，生成目标行为预测结果；执行天气传感信息采集，获取实时天气传感信息，其中包括天气类型、云层厚度、风向、风力；收集实时情报数据，基于所述实时天气传感信息和所述实时情报数据对所述目标行为预测结果进行校正，并根据校正结果生成目标运行预测区域；在目标行为预测区域布设多类型传感器，基于多类型传感器对目标进行定位。通过上述方法可以提高不断变化且快速移动的物体的定位准确率。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供了一种连续目标定位方法的流程示意图；

图2为本申请提供了一种连续目标定位方法中构建识别数据库的流程示意图；

图3为本申请提供了一种连续目标定位系统的结构示意图。

附图标记说明：目标基本信息获得模块1、目标类型获取模块2、目标行为预测结果生成模块3、实时天气传感信息获取模块4、目标运行预测区域生成模块5、目标定位模块6。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，本申请提供了一种连续目标定位方法，包括：

获取待定位目标的基本信息，所述待定位目标包括单个目标或目标组合；

本申请提供的方法用于对不断变化且快速移动的目标物体进行连续定位，用于提高目标物体连续定位的准确率，本申请提供的方法具体实施于一种连续目标定位系统。

首先，获取待定位目标的基本信息，其中所述待定位目标包括单个目标或目标组合，所述待定位目标是指不断变化且快速移动的物体，例如：无人机、无人机群、战斗机群、潜艇编队等，由于这些物体移动速度较快且行踪不断变化，所以对目标物体进行连续定位的难度较大。通过获得所述待定位目标的基本信息，为下一步进行待定位目标识别，获得目标类型提供了支持。

连接目标识别系统，基于待定位目标的基本信息进行目标识别，获取目标类型，其中所述目标识别系统中存储有识别数据库；

如图2所示，在一个实施例中，还包括：

获取预设历史时间窗口，根据预设历史时间窗口对历史异常目标记录信息进行数据提取，获得历史异常目标记录数据集合；

设置异常记录触发频率，根据所述异常记录触发频率对所述历史异常目标记录数据集合进行数据筛选，获得异常频发记录数据集合；

连接目标识别系统，所述目标识别系统用于对区域内的异常目标进行识别，其中所述目标识别系统中存储有识别数据库，所述识别数据库基于历史异常目标数据构建。

首先，获取预设历史时间窗口，所述预设时间窗口本领域技术人员可基于历史数据数量进行设置，当历史数据数量较少时，则预设历史时间窗口较长，例如：设置历史时间窗口为过去10年；当历史数据数量较大时，则预设历史时间窗口较短，例如：过去一年。根据预设历史时间窗口对历史异常目标记录信息进行数据提取，获取预设历史时间窗口内的历史异常目标记录信息，并构建历史异常目标记录数据集合。

设置异常记录触发频率，所述异常记录触发频率可根据实际情况自定义设置，根据所述异常记录触发频率对所述历史异常目标记录数据集合进行数据筛选，将所述历史异常目标记录数据集合中大于所述异常记录触发频率的异常目标记录数据进行提取，获得异常频发记录数据集合。

基于决策树的原理，根据所述异常频发记录数据集合构建识别数据库。

在一个实施例中，还包括：

在所述异常频发记录数据集合中随机选择K个样本数据，并将K个样本数据作为初始聚类中心，获得K个初始聚类中心；

基于K个初始聚类中心，将所述异常频发记录数据集合中的数据划分到距离最近的初始聚类中心范围内，获得K个聚类簇；

然后对K个聚类簇中的数据进行均值向量计算，并根据均值向量计算结果对初始聚类中心进行更新；

进行迭代聚类，当迭代聚类次数满足预设迭代次数阈值时，输出所述异常频发记录数据集合的多个异常频发数据聚类结果。

根据kmeans聚类算法对所述异常频发记录数据集合进行聚类分析，首先在所述异常频发记录数据集合中随机选择K个样本数据，其中K的值本领域技术人员可基于实际情况设置，K为大于1的整数，并将K个样本数据作为初始聚类中心，获得K个初始聚类中心；基于K个初始聚类中心，将所述异常频发记录数据集合中的数据划分到距离最近的初始聚类中心范围内，其中所述距离是指欧式距离，即两点之间的距离，获得K个聚类簇；然后对K个聚类簇中的数据进行均值向量计算，所述均值向量计算是指计算每个聚类簇中各数据到初始聚类中心的平均值，并根据均值向量计算结果对初始聚类中心进行更新；进行迭代聚类，设置迭代聚类次数阈值，根据所述迭代聚类次数阈值对当前迭代聚类次数进行判断，直至迭代聚类次数等于迭代聚类次数阈值时，完成异常频发记录数据聚类，获得多个异常频发数据聚类结果。

在一个实施例中，还包括：

对多个异常频发数据聚类结果进行类型标识，获得多个类型标识结果；

在多个类型标识结果中随机选取第一类型标识结果，并存储至第一决策节点，将第一类型标识结果对应的异常频发数据存储到所述第一决策节点的叶节点；

再次在多个类型标识结果中随机选取第二类型标识结果，并存储至第二决策节点，将第一类型标识结果对应的异常频发数据存储到所述第二决策节点的叶节点；

进行迭代存储，直到获得第N决策节点，其中N为异常频发数据聚类结果的数量；

基于第一决策节点、第二决策节点、第N决策节点构建识别数据库。

对多个异常频发数据聚类结果进行类型标识，所述类型标识可自定义设置标签标识或者根据目标物的类型进行标识，获得多个类型标识结果。然后在多个类型标识结果中随机选取第一类型标识结果，并所述第一类型标识结果存储至第一决策节点，将第一类型标识结果对应的异常频发数据存储到所述第一决策节点的叶节点；再次在多个类型标识结果中随机选取第二类型标识结果，并存储至第二决策节点，将第一类型标识结果对应的异常频发数据存储到所述第二决策节点的叶节点；不断进行迭代存储，直到多个类型标识结果全部完成存储，获得第N决策节点，其中N为异常频发数据聚类结果的数量。

最后根据第一决策节点、第二决策节点、第N决策节点构建识别数据库，通过基于决策树的原理构建识别数据库，可以提高数据匹配的效率和准确率。

结合所述目标类型的历史行为数据对所述目标类型进行目标行为预测，生成目标行为预测结果；

在一个实施例中，还包括：

对所述历史行为数据中的历史目标组合进行提取，获得多个目标组合类型；

并获取多个目标组合类型对应的历史执行任务，将历史执行任务中出现频率最高的执行任务作为目标组合类型对应的相关任务，基于多个目标组合类型和多个相关任务构建训练数据组；

通过训练数据组对行为预测模型进行监督学习，获得符合预期要求的行为预测模型；

获取当前目标类型的目标组合，并通过行为预测模型进行目标行为预测，获得目标行为预测结果。

首先，对所述历史行为数据中的历史目标组合进行提取，所述历史目标组合是指历史目标的组合类型及数量，其中目标组合不同，执行的任务也不完全相同，例如：历史目标组合为2架加油机、4架轰炸机和6架战斗机，用于执行轰炸任务，获得多个目标组合类型；然后根据多个目标组合类型进行信息查询，获取多个目标组合类型对应的历史执行任务，对历史任务进行出现频次统计，将历史执行任务中出现频率最高的执行任务作为目标组合类型对应的相关任务，并根据多个目标组合类型和多个相关任务构建训练数据组，其中目标组合类型和相关任务具有对应关系。

基于神经网络构建行为预测模型，并通过所述训练数据组对所述行为预测模型进行监督学习，设置模型输出结果准确率指标，根据模型输出结果准确率指标对模型输出结果准确率进行判断，当模型输出结果准确率大于所述模型输出结果准确率指标，获得训练完成的行为预测模型。

获取当前目标类型的目标组合，然后将所述目标组合输入所述行为预测模型进行行为预测，获得目标行为预测结果。通过基于神经网络构建行为预测模型，可以提高目标行为预测的准确率。

执行天气传感信息采集，获取实时天气传感信息，其中包括天气类型、云层厚度、风向、风力；

根据多个天气传感器进行实时天气数据采集，获取实时天气传感信息，所述实时天气传感信息包括天气类型、云层厚度、风向、风力，所述天气类型包括雨天、雪天等。

收集实时情报数据，基于所述实时天气传感信息和所述实时情报数据对所述目标行为预测结果进行校正，并根据校正结果生成目标运行预测区域；

在一个实施例中，还包括：

基于所述实时天气传感信息对所述目标类型进行可执行任务分析，确定可执行任务阈值；

基于所述实时情报数据对可执行任务阈值中的可执行任务进行任务可行性分析，并将任务可行性概率赋予对应的可执行任务；

根据可行性概率排名前三的可执行任务生成目标运行预测区域。

根据所述实时天气传感信息对所述目标类型进行可执行任务分析，所述可执行任务分析是指根据天气情况判断该类型的任务能否执行，例如：在雷暴天气中，飞机执行任务的概率为0；在雪天中，只有少部分类型的飞机可执行任务等。确定可执行任务阈值，所述可执行任务阈值是指可执行任务的类型。

通过情报收集部门收集实时情报数据，然后根据所述实时情报数据对可执行任务阈值中的可执行任务进行任务可行性分析，并将任务可行性概率赋予对应的可执行任务，即根据实时情报数据对任务可行性概率进行调整，并将任务可行性概率赋予对应的可执行任务；获取可行性概率排名前三的可执行任务，并根据所述可执行任务成目标运行预测区域，所述目标运行预测区域是指目标预计飞行的区域。

在目标行为预测区域布设多类型传感器，基于多类型传感器对目标进行定位。

具体而言，在目标行为预测区域布设多类型传感器，所述多类型传感器包括雷达监测器、红外探测器等设备，在目标飞行至所述目标运行预测区域时，通过多类型传感器对目标进行定位。通过上述方法解决了不断变化且快速移动的物体定位准确率低的技术问题，可以提高不断变化且快速移动的物体的定位准确率。

在一个实施例中，如图3所示提供了一种连续目标定位系统，包括：目标基本信息获得模块1、目标类型获取模块2、目标行为预测结果生成模块3、实时天气传感信息获取模块4、目标运行预测区域生成模块5、目标定位模块6、其中：

目标基本信息获得模块1，所述目标基本信息获得模块1用于获取待定位目标的基本信息，所述待定位目标包括单个目标或目标组合；

目标类型获取模块2，所述目标类型获取模块2用于连接目标识别系统，基于待定位目标的基本信息进行目标识别，获取目标类型，其中所述目标识别系统中存储有识别数据库；

目标行为预测结果生成模块3，所述目标行为预测结果生成模块3用于结合所述目标类型的历史行为数据对所述目标类型进行目标行为预测，生成目标行为预测结果；

实时天气传感信息获取模块4，所述实时天气传感信息获取模块4用于执行天气传感信息采集，获取实时天气传感信息，其中包括天气类型、云层厚度、风向、风力；

目标运行预测区域生成模块5，所述目标运行预测区域生成模块5用于收集实时情报数据，基于所述实时天气传感信息和所述实时情报数据对所述目标行为预测结果进行校正，并根据校正结果生成目标运行预测区域；

目标定位模块6，所述目标定位模块6用于在目标行为预测区域布设多类型传感器，基于多类型传感器对目标进行定位。

在一个实施例中，所述系统还包括：

历史异常目标记录数据集合获得模块，所述历史异常目标记录数据集合获得模块用于获取预设历史时间窗口，根据预设历史时间窗口对历史异常目标记录信息进行数据提取，获得历史异常目标记录数据集合；

数据筛选模块，所述数据筛选模块用于设置异常记录触发频率，根据所述异常记录触发频率对所述历史异常目标记录数据集合进行数据筛选，获得异常频发记录数据集合；

识别数据库构建模块，所述识别数据库构建模块用于基于决策树的原理，根据所述异常频发记录数据集合构建识别数据库。

在一个实施例中，所述系统还包括：

初始聚类中心获得模块，所述初始聚类中心获得模块用于在所述异常频发记录数据集合中随机选择K个样本数据，并将K个样本数据作为初始聚类中心，获得K个初始聚类中心；

聚类簇获得模块，所述聚类簇获得模块用于基于K个初始聚类中心，将所述异常频发记录数据集合中的数据划分到距离最近的初始聚类中心范围内，获得K个聚类簇；

初始聚类中心更新模块，所述初始聚类中心更新模块用于然后对K个聚类簇中的数据进行均值向量计算，并根据均值向量计算结果对初始聚类中心进行更新；

异常频发数据聚类结果输出模块，所述异常频发数据聚类结果输出模块用于进行迭代聚类，当迭代聚类次数满足预设迭代次数阈值时，输出所述异常频发记录数据集合的多个异常频发数据聚类结果。

在一个实施例中，所述系统还包括：

类型标识模块，所述类型标识模块用于对多个异常频发数据聚类结果进行类型标识，获得多个类型标识结果；

第一类型标识结果存储模块，所述第一类型标识结果存储模块用于在多个类型标识结果中随机选取第一类型标识结果，并存储至第一决策节点，将第一类型标识结果对应的异常频发数据存储到所述第一决策节点的叶节点；

第二类型标识结果存储模块，所述第二类型标识结果存储模块用于再次在多个类型标识结果中随机选取第二类型标识结果，并存储至第二决策节点，将第一类型标识结果对应的异常频发数据存储到所述第二决策节点的叶节点；

第N决策节点获得模块，所述第N决策节点获得模块用于进行迭代存储，直到获得第N决策节点，其中N为异常频发数据聚类结果的数量；

识别数据库构建模块，所述识别数据库构建模块用于基于第一决策节点、第二决策节点、第N决策节点构建识别数据库。

在一个实施例中，所述系统还包括：

目标组合类型获得模块，所述目标组合类型获得模块用于对所述历史行为数据中的历史目标组合进行提取，获得多个目标组合类型；

训练数据组构建模块，所述训练数据组构建模块用于并获取多个目标组合类型对应的历史执行任务，将历史执行任务中出现频率最高的执行任务作为目标组合类型对应的相关任务，基于多个目标组合类型和多个相关任务构建训练数据组；

监督学习模块，所述监督学习模块用于通过训练数据组对行为预测模型进行监督学习，获得符合预期要求的行为预测模型；

目标行为预测结果获得模块，所述目标行为预测结果获得模块用于获取当前目标类型的目标组合，并通过行为预测模型进行目标行为预测，获得目标行为预测结果。

在一个实施例中，所述系统还包括：

可执行任务阈值确定模块，所述可执行任务阈值确定模块用于基于所述实时天气传感信息对所述目标类型进行可执行任务分析，确定可执行任务阈值；

任务可行性分析模块，所述任务可行性分析模块用于基于所述实时情报数据对可执行任务阈值中的可执行任务进行任务可行性分析，并将任务可行性概率赋予对应的可执行任务；

目标运行预测区域生成模块，所述目标运行预测区域生成模块用于根据可行性概率排名前三的可执行任务生成目标运行预测区域。

综上所述，本申请提供了一种连续目标定位方法及系统具有以下技术效果：

1.解决了不断变化且快速移动的物体定位准确率低的技术问题，通过生成目标运行预测区域对目标进行定位，可以提高不断变化且快速移动的物体的定位准确率。

2.通过基于决策树的原理构建识别数据库，可以提高数据匹配的效率和准确率。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。