基于神经网络的符号化飞行动作识别

飞行动作识别是飞行训练评估和空战智能决策等多项关键技术的基础,实现飞行动作的快速高效识别具有重大意义.对此,提出一种基于神经网络符号化模型的方法,实现对基本飞行动作和复杂飞行动作高效识别.首先,利用微分分割的思想对飞行参数进行切片处理,然后通过卷积神经网络(convolutional neural net-works,CNN)和长短期记忆(long-short term memory,LSTM)神经网络实现飞行动作的模块化处理,有效代替了传统方法中对原始数据的逻辑推理.并且该方法可以利用基本飞行动作对飞行过程实现飞行数据分割,具有良好的扩展性,能够快速处理批量飞参数据.最后对13种基本飞行动作、两种复杂飞行动作和整段飞行数据进行仿真实验.仿真结果表明,该方法具有良好的识别性能.