摘要
本发明涉及空中目标预测技术领域,具体涉及一种空中目标动向预测方法,包括以下步骤:S1、多源异构数据自适应融合滤波处理;S2、高维时空特征空间构建流形学习;S3、动态行为模式识别意图语义建模;S4、多维度威胁态势评估交战区建模。本发明通过多源异构数据自适应融合滤波技术实现了雷达、红外等传感器数据的高精度时空同步与噪声抑制,有效保留目标微多普勒特征并修复缺失数据,结合三阶Savitzky‑Golay微分滤波和短时傅里叶变换,构建了包含运动学、电磁特性的18维压缩特征空间,通过t‑SNE与自动编码器保留非线性拓扑关系,这一功能显著提升了原始数据的信噪比和特征表达能力,为后续行为识别与预测提供了高精度、低冗余的输入基础。
技术关键词
多源异构数据
微多普勒特征
短时傅里叶变换
分布式协同
联合概率数据关联
Viterbi算法
自动编码器
融合滤波技术
动态
序贯概率比检验
预测误差
模式识别
数据分发机制
多普勒签名
核密度估计方法
贝叶斯信息准则
光线追踪技术
HSV颜色空间
信号传播时延
系统为您推荐了相关专利信息
芯片封装
监控方法
卷积网络模型
控制终端
压电式压力传感器
语音情绪识别方法
时域特征提取
频域特征提取
时序特征
短时傅里叶变换
移动设备
分布式训练
模型训练方法
异构
局域网设备
动态优化方法
分形特征
多模态
多源异构数据
肝病患者
多模态数据融合
视觉特征提取
裂缝
长短期记忆网络
多源异构数据