本发明专利技术公开了一种基于辐射源知识图谱的空中目标意图识别方法，包括获取专家辐射源数据和采集仿真辐射源数据；计算仿真辐射源数据的目标参数；构建辐射源知识图谱本体；基于辐射源知识图谱本体抽取辐射源知识；对抽取得到的辐射源知识进行融合和加工；训练知识图谱嵌入模型；计算目标属性特征的聚合表示；预测函数输出目标意图概率；通过对预测函数和知识图谱嵌入模型联合目标学习实现基于辐射源知识图谱的空中目标意图识别优化。显著提高了空中目标的意图识别准确率，提升了意图识别结果的可解释性。可解释性。可解释性。

全部详细技术资料下载

【技术实现步骤摘要】

一种基于辐射源知识图谱的空中目标意图识别方法

[0001]本专利技术属于空中目标意图识别

，具体涉及一种基于辐射源知识图谱的空中目标意图识别方法。

技术介绍

[0002]随着无人机技术的发展，空中电磁环境愈加复杂，各种传感器探测的辐射源数据呈现多变性、欺骗性、对抗性等特点，意图识别是结合场景的各方面力量的部署情况、外部环境条件等因素判断并解释目标的行动意图。

[0003]近年来，目标意图识别的方法主要有模板匹配、贝叶斯网络、机器学习等方法，并在不同的场景中得到了应用。杨雨田等人发表的论文“基于EMEBN的空中目标战术意图识别方法”(火力与指挥控制,2022,47(05)：163

‑

170.)中提出基于扩展多实体贝叶斯网络的战术意图识别模型构建方法，能够很好的结合专家经验知识和规则处理不确定的信息，但是只利用专家先验知识导致意图识别的主观性较强，而且不能充分地聚合目标的特征属性。知识图谱技术因其强大的语义表征能力和推理能力在意图识别任务中得到应用，公开号为CN114443860A的专利公开了一种基于知识图谱的船舶意图识别与推理方法及系统，这种方法利用获取的知识构建船舶意图知识图谱，对传感器数据处理后传入知识图谱中进行实体和属性识别，通过路径推理出船舶意图，并对知识图谱进行修正和补全。这种方法在一定程度上利用了知识图谱这个动态知识库对船舶进行意图识别，但是利用知识图谱路径的方法并不能充分地考虑目标的特征属性来进行意图识别，而且没有关注到每一种目标属性的重要性是不一样的，导致意图识别的准确性不高和可解释性较差。

[0004]因此，为充分利用专家知识和探测数据进行目标的意图识别，利用知识图谱的推理能力和挖掘隐藏关系的能力，实现更精准、具有可解释性的目标意图识别，亟需开发新的基于知识图谱的空中目标意图识别方案。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于辐射源知识图谱的空中目标意图识别方法，利用知识图谱的推理能力和挖掘隐藏关系的能力，将知识图谱技术应用到目标意图识别中，对目标的属性特征聚合表征，显著提高了空中目标的意图识别准确率，提升了意图识别结果的可解释性，解决海量复杂电磁辐射源数据下隐藏关系难以获取，空中各种电磁辐射源信号构成的复杂电磁条件所导致空中目标意图精确识别困难问题。

[0006]为实现上述技术目的，本专利技术采取的技术方案为：

[0007]一种基于辐射源知识图谱的空中目标意图识别方法，包括：

[0008]步骤1、获取专家辐射源数据和采集仿真辐射源数据；

[0009]步骤2、计算仿真辐射源数据的目标参数；

[0010]步骤3、基于目标参数和专家辐射源数据构建辐射源知识图谱本体；

[0011]步骤4、基于辐射源知识图谱本体抽取辐射源知识；

[0012]步骤5、对抽取得到的辐射源知识进行融合和加工；

[0013]步骤6、采用融合和加工后的辐射源知识训练知识图谱嵌入模型；

[0014]步骤7、计算目标属性特征的聚合表示；

[0015]步骤8、基于所述聚合表示计算目标与意图的相似度得分，输出目标意图概率。

[0016]步骤9、通过对预测函数和知识图谱嵌入模型联合目标学习实现基于辐射源知识图谱的空中目标意图识别优化。

[0017]为优化上述技术方案，采取的具体措施还包括：

[0018]上述的步骤1所述专家辐射源数据包括关联数据、数据库、表格、文本、开源网页资料；

[0019]所述仿真辐射源数据包括主动传感器获取的回波数据和被动传感器获取的辐射源数据。

[0020]上述的步骤2所述目标参数包括目标数量、目标速度、目标高度、目标RCS、信号的接入方式、载波频率、带宽、调制方式；

[0021]其中，目标数量、目标速度、目标高度、目标RCS通过主动传感器获取的回波数据计算；

[0022]信号的接入方式、载波频率、带宽、调制方式通过被动传感器探测的辐射源数据确定。

[0023]上述的步骤3先建立信号、目标、目标属性和意图的本体，然后在此本体基础上建立各类更细粒度的本体。

[0024]上述的步骤4所述基于辐射源知识图谱本体抽取辐射源知识具体为：

[0025]对于结构化数据，直接提取实体、关系和属性；

[0026]对于半结构化数据，直接进行实体抽取、关系抽取、属性抽取；

[0027]对于非结构化数据，采用基于BERT的实体和关系抽取方案进行知识抽取。

[0028]上述的步骤5对来源不同的辐射源知识进行融合对齐：

[0029]采用基于翻译模型嵌入的实体对齐方法，将实体、关系和属性映射成向量，然后利用向量相似度度量，进行实体对齐；

[0030]对齐后去除非相关知识，舍弃置信度较低的知识。

[0031]上述的步骤6所述知识图谱嵌入模型采用TransR，对于给定的三元组(h，r，t)，其似然性得分公式如下：

[0032]TransR采用负采样的方法进行训练：

[0033][0034]上述的步骤7对于一个空中目标实体h，通过线性加权的方法来聚合来自一阶邻居属性的信息：

[0035][0036]其中，为目标属性特征的聚合表示；

[0037][0038]上述的步骤8通过如下预测函数输出目标s的意图是i的概率，即目标与意图的相似度得分公式为：

[0039][0040]其中，为目标属性特征的聚合表示；

[0041]所述预测函数采用如下贝叶斯个性化排序损失进行训练：

[0042][0043]其中，T＝{(s,i,i

‑

)|(s,i)∈T

,(s,i

‑

)∈T

‑

}表示训练集；

[0044]T

表示目标s和真实意图i；

[0045]T

‑

是非真实意图集。

[0046]上述的预测函数与知识图谱嵌入模型的联合目标学习函数如下：

[0047]L

total

＝L

embedding

+L

BPR

[0048]L

embedding

为知识图谱嵌入模型的训练损失函数。

[0049]本专利技术具有以下有益效果：

[0050]1、本专利技术构建了辐射源知识图谱，相比于传统的数据库，融合了多源的异构知识，使得知识更加全面且具备推理出隐藏关系的能力。

[0051]2、本专利技术设计的基于辐射源知识图谱的空中目标意图识别方法，相比于传统的意图识别方法，能够综合利用辐射源知识图谱和仿真探测数据进行空中目标意图识别，能够更合理、更准确地分析空中目标意图，具有较高的实用性。

[0052]3、本专利技术设计的聚合空中目标的属性特征算法，相比与传统的基于专家规则的意图识别算法，减少了人为主观意识的影响，显著提高了空中目标意图识别的准确率，设计的注意

【技术保护点】

【技术特征摘要】

1.一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，包括：步骤1、获取专家辐射源数据和采集仿真辐射源数据；步骤2、计算仿真辐射源数据的目标参数；步骤3、基于目标参数和专家辐射源数据构建辐射源知识图谱本体；步骤4、基于辐射源知识图谱本体抽取辐射源知识；步骤5、对抽取得到的辐射源知识进行融合和加工；步骤6、采用融合和加工后的辐射源知识训练知识图谱嵌入模型；步骤7、计算目标属性特征的聚合表示；步骤8、基于所述聚合表示计算目标与意图的相似度得分，预测函数输出目标意图概率；步骤9、通过对预测函数和知识图谱嵌入模型联合目标学习实现基于辐射源知识图谱的空中目标意图识别优化。2.根据权利要求1所述的一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，步骤1所述专家辐射源数据包括关联数据、数据库、表格、文本、开源网页资料；所述仿真辐射源数据包括主动传感器获取的回波数据和被动传感器获取的辐射源数据。3.根据权利要求1所述的一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，步骤2所述目标参数包括目标数量、目标速度、目标高度、目标RCS、信号的接入方式、载波频率、带宽、调制方式；其中，目标数量、目标速度、目标高度、目标RCS通过主动传感器获取的回波数据计算；信号的接入方式、载波频率、带宽、调制方式通过被动传感器探测的辐射源数据确定。

4.根据权利要求1所述的一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，所述步骤3先建立信号、目标、目标属性和意图的本体，然后在此本体基础上建立各类更细粒度的本体。5.根据权利要求1所述的一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，步骤4所述基于辐射源知识图谱本体抽取辐射源知识具体为：对于结构化数据，直接提取实体、关系和属性；对于半结构化数据，直接进行实体抽取、关系抽取、属性抽取；对于非结构化数据，采用基于BERT的实体和关系抽取方案进行知识抽取。6.根据权利要求1所述的一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，所述步骤5对来源不同的辐射源知识进行融合对齐：采用基于翻译模型嵌入的实体对齐方法，将实体、关系和属性映射成向量，然后利用向量相似度度量，进行实体对齐；对齐后去除非相关知识，舍弃置信度较低的知识。7.根据权利要求1所述的一种基于辐射源知识图谱的空中目标意图识别方法，其特征在于，步骤6所述知识图谱嵌入模型采用Tran...

【专利技术属性】

技术研发人员：周福辉，胡林圣，袁璐，李怡昊，丁锐，晋本周，吴启辉，

申请(专利权)人：南京航空航天大学，

类型：发明

国别省市：

全部详细技术资料下载 我是这个专利的主人