一種航跡數據高維特征矩陣提取方法*

吳濟洲，張紅敏

(信息工程大學數據與目標工程學院，河南 鄭州 450001)

隨著ads-b與雷達技術的普及與發展,空中目標時空軌跡數據獲取難度日益下降,大量航跡數據中包含了目標的眾多特性信息,這些信息在智慧城市感知、交通路網監測、群體行為分析和軍事目標跟蹤識別等領域均具有顯著的應用價值。

空中目標航跡通常包括經緯高及速度、航向等數據,這些數據隱含了諸多航跡特征,如飛行空域管制、飛機性能限制以及任務需求等,這些特征可直接服務于一線專家的判決分析。然而由于空中目標,特別是軍機目標,存在機動性較強、回波信號信噪比較低且易受電磁干擾等問題,導致航跡質量差、軌跡毛刺多,使得基于航跡的軍用飛機識別難度較大,一線仍多根據人工經驗進行判別,機型識別效能不高。盡管現今深度學習方法在航跡識別研究中應用日漸增多,但由于該類方法采用直接從數據端到結果端的黑盒分析模式,存在中間數據結構難以解釋與理解、難以應對未知型號目標等問題，因此,基于有效特征提取的航跡識別方法仍具有不可替代的重要作用,如何提升航跡特征提取效能，進而提升識別準確率與自動化水平是急需解決的問題。

近年來航跡數據處理與應用的研究逐漸增多,在航跡起始判定與建立上文獻[12-16]取得了良好效果;利用航跡匹配方式實現軌跡識別文獻[17]展開了深入研究;深度學習方法在航跡處理應用領域也有了較大發展,文獻[18-21]采用CNN,GANs等對典型航跡做目標分類，文獻[22-24]根據航跡數據部分特征做目標分類。……