公开(公告)号：CN117786534B

公开(公告)日：2024-07-12

申请号：CN202410087340.6

申请日：2024-01-22

Applicant: 哈尔滨工业大学

Inventor： 林照晨 ,  贺风华 ,  张欣然 ,  郝宁 ,  郑天宇

IPC: G06F18/2415 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的高超声速飞行器运动行为识别方法及系统，涉及飞行器运动行为识别技术领域。本发明的技术要点包括：建立高超声速飞行器的运动模型；基于运动模型和约束条件构建高超声速飞行器航迹数据集；将高超声速飞行器航迹数据集输入基于深度学习的高超声速飞行器运动行为识别模型中进行训练，获取训练好的高超声速飞行器运动行为识别模型；将待识别高超声速飞行器运动轨迹输入训练好的高超声速飞行器运动行为识别模型中，获取待识别高超声速飞行器运动参数，进而识别其运动行为。本发明能够实现对高超声速飞行器运动行为的准确识别，且有一定的泛化能力，能为后续的防御决策提供有力的参考信息。

公开(公告)号：CN119272809A

公开(公告)日：2025-01-07

申请号：CN202411289608.0

申请日：2024-09-14

Applicant: 哈尔滨工业大学

Inventor： 张欣然 ,  贺风华 ,  郝宁 ,  林照晨

IPC: G06N3/0455 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0499 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明提供了一种基于交叉Transformer网络架构的数据关联方法及系统，属于人工智能技术领域。为了解决现有多目标跟踪在网络构架上存在误报和漏检情况，导致数据关联结果的准确率下降的问题。本发明通过定义相对距离特征矩阵，该矩阵允许通过采用数据填充和分块技术来进行数据标准化；然后构建基于交叉Transformer的数据关联网络，该网络有效地从与连续时间实例对应的距离矩阵中提取特征；此外，通过数据后处理算法来细化从CTDA网络获得的关联结果，从而确保准确的目标跟踪。

公开(公告)号：CN119273716A

公开(公告)日：2025-01-07

申请号：CN202411289614.6

申请日：2024-09-14

Applicant: 哈尔滨工业大学

Inventor： 张欣然 ,  贺风华 ,  郝宁 ,  林照晨

IPC: G06T7/246 ,  G06T7/70 ,  G06N3/0455 ,  G06F17/11 ,  G06F17/16

Abstract: 本发明提供一种基于交叉Transformer数据关联算法的多目标跟踪方法及系统，属于人工智能领域。为解决现有的基于雷达数据的传统MTT算法存储需求高，计算速度慢，基于学习的算法需要约束目标数量，且网络设计为考虑位置数据的典型特征，面对两条交叉轨迹无法进行区分，可能存在漏检或误检的问题。本发明使用基于交叉Transformer数据关联网络，并采用BLUE滤波器来获得基于雷达的位置测量的精度和效率方面的最佳估计；此外，提出一种基于分数的轨迹管理策略，以根据相关的历史测量值；对各种数据集的仿真实验表明，本发明所提出的关联和跟踪方法在复杂的多目标跟踪场景，包括轨迹交叉、大量误报和漏检，中优于现有方法。

公开(公告)号：CN117786534A

公开(公告)日：2024-03-29

申请号：CN202410087340.6

申请日：2024-01-22

Applicant: 哈尔滨工业大学

Inventor： 林照晨 ,  贺风华 ,  张欣然 ,  郝宁 ,  郑天宇

IPC: G06F18/2415 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的高超声速飞行器运动行为识别方法及系统，涉及飞行器运动行为识别技术领域。本发明的技术要点包括：建立高超声速飞行器的运动模型；基于运动模型和约束条件构建高超声速飞行器航迹数据集；将高超声速飞行器航迹数据集输入基于深度学习的高超声速飞行器运动行为识别模型中进行训练，获取训练好的高超声速飞行器运动行为识别模型；将待识别高超声速飞行器运动轨迹输入训练好的高超声速飞行器运动行为识别模型中，获取待识别高超声速飞行器运动参数，进而识别其运动行为。本发明能够实现对高超声速飞行器运动行为的准确识别，且有一定的泛化能力，能为后续的防御决策提供有力的参考信息。