军用机型复杂飞行动作提取与识别的方法研究

TJ760%V271.4; 飞行动作识别及其对应飞参数据的提取是飞行训练质量分析的关键内容.现阶段的飞参数据量大、维度高、冗余数据多,为此提出了无监督聚合动态时间规整(UADTW)算法,降低动态时间规整(DTW)算法复杂度,帮助人工快速建立样本集,并提取标准序列相关性特征.同时,根据复杂飞行动作特点,构造深度神经网络模型学习飞行动作序列特征、差量特征和标准序列相关性,并在此基础上设计了自选择特征层,提出自选择深度神经网络(SDNN)模型,该模型能够自主选择对飞行动作识别较大贡献的特征,进一步提高特征表示对飞参数据的刻画.本文所提出的UADTW和SDNN飞行动作提取及识别方法能够减少人工成本,并...

Full description

Saved in:
Bibliographic Details
Published in航空兵器 Vol. 30; no. 1; pp. 127 - 134
Main Authors 李超, 张原, 汲万峰, 司晓锋, 李璇
Format Journal Article
LanguageChinese
Published 海军航空大学 航空基础学院,山东 烟台 264000 2023
Subjects
飞行动作
自选择机制
飞参数据
动态时间规整
神经网络
Online AccessGet full text

Cover

More Information
Summary:TJ760%V271.4; 飞行动作识别及其对应飞参数据的提取是飞行训练质量分析的关键内容.现阶段的飞参数据量大、维度高、冗余数据多,为此提出了无监督聚合动态时间规整(UADTW)算法,降低动态时间规整(DTW)算法复杂度,帮助人工快速建立样本集,并提取标准序列相关性特征.同时,根据复杂飞行动作特点,构造深度神经网络模型学习飞行动作序列特征、差量特征和标准序列相关性,并在此基础上设计了自选择特征层,提出自选择深度神经网络(SDNN)模型,该模型能够自主选择对飞行动作识别较大贡献的特征,进一步提高特征表示对飞参数据的刻画.本文所提出的UADTW和SDNN飞行动作提取及识别方法能够减少人工成本,并有效提升了飞行动作识别的准确率.
ISSN:1673-5048
DOI:10.12132/ISSN.1673-5048.2022.0080