本发明涉及空中态势分析领域，具体涉及一种基于shapelet的空中目标分群方法与系统。
背景技术：
1、由于无人机群的普及和应用，传感器探测到的敌方目标数量急速增加，导致人们难以迅速、准确、高效地理解空中态势。空中目标分群技术根据一次数据融合提供的空中态势信息，通过相似目标信息的聚合和深层信息提取，将空中目标逐步划分为更高抽象级别的集群。空中目标分群可以减轻人们的认知负担，对提高人们对空中态势的理解具有重要意义。
2、空中目标分群可以根据时间尺度分为实时目标分群和连续时间目标分群。实时目标分群是通过空中目标某一个时刻的状态参数(如位置坐标)划分目标群，而连续时间目标分群则是通过分析空中目标某一段时间内的状态参数的时间序列(如轨迹序列)划分目标群。两者都根据目标空间位置的相似性来划分目标群，但连续时间目标分群可以利用弹性测度来衡量时间序列之间的距离，从而在划分目标群时能够同时考虑目标轨迹序列在形状和位置上的相似性，得到更好的分群效果。
3、特征工程中的鉴别性是指特征区分不同类别样本的能力。具有高鉴别性的特征在不同类别样本之间表现出显著差异，有助于模型更准确地判别样本的类别。对于时间序列样本来说，具有鉴别性的特征往往不是在时间维度上平衡分布的。当前的空中目标分群模型没有考虑从时间维度上对时间序列(如轨迹序列)进行特征选择，导致模型的性能受到冗余特征和噪声特征的影响。
技术实现思路
1、发明目的：针对现有的空中目标分群算法存在的问题，本发明提出一种基于shapelet的空中目标分群方法，从时间维度上对轨迹序列中具有高鉴别性的特征进行选择，以改善当前空中目标分群模型的性能，并增强其可解释性。
2、本发明还提供一种基于shapelet的空中目标分群系统、计算机设备及计算机存储介质。
3、技术方案：第一方面，一种基于shapelet的空中目标分群方法，包括以下步骤：
4、通过飞行机动识别模型识别目标轨迹序列，获取目标机动动作的起始时间点ts和结束时间点te，根据ts和te对目标轨迹序列tr进行分割，提取机动段轨迹序列tr，将所有提取的机动段轨迹序列作为候选shapelet；
5、基于候选shapelet，计算机动段轨迹序列之间的动态时间规整dtw距离，得到机动段轨迹序列的距离矩阵；
6、根据距离矩阵，使用基于密度的聚类算法对机动段轨迹序列进行聚类，形成多个簇，每一个簇表示一类在空间和形状上相似的机动轨迹序列；
7、根据聚类结果，选择每个簇的中心点作为最佳shapelet，通过衡量目标轨迹序列与最佳shapelet的匹配度，将目标轨迹序列转换为shapelet空间中的匹配特征向量；
8、计算匹配特征向量之间的相似度，将相似度转换为连通度，构建连通度矩阵，基于深度优先搜索算法获取连通度矩阵中的连通子图，将连通子图作为空中目标分群结果。
9、进一步的，基于候选shapelet，计算机动段轨迹序列之间的动态时间规整dtw距离包括：
10、对于候选shapelet中任意两个机动段轨迹序列tra和trb，根据以下公式计算tra和trb之间的动态时间规整dtw距离：
11、
12、其中，表示一对空间位置坐标向量；inf表示无穷大，rest()指除去序列第一项以后剩余的序列，对于tr＝{(xi，yi)，(xi+1，yi+1)，...，(xn，yn)}，有rest(tr)＝{(xi+1，yi+1)，...，(xn，yn)}；m、n指tra和trb的长度。
13、进一步的，选择每个簇的中心点作为最佳shapelet，计算公式如下：
14、
15、其中，s表示最佳shapelet，cluster表示簇中的所有机动段轨迹的集合，dtw(tri，trj)表示机动段轨迹tri与机动段轨迹trj的dtw距离。
16、进一步的，通过衡量目标轨迹序列与最佳shapelet的匹配度，将目标轨迹序列转换为shapelet空间中的匹配特征向量包括：
17、判断目标轨迹序列中各机动段轨迹序列与最佳shapelet是否匹配，当目标轨迹序列tr中存在机动段轨迹序列tr被划分在最佳shapelet所代表的簇时，判定目标轨迹序列tr与最佳shapelet匹配，否则不匹配；
18、目标轨迹序列tr与最佳shapelet匹配时，记匹配度sim(tr，s)为1，否则记为0，s表示最佳shapelet；
19、将目标轨迹序列tr与k个最佳shapelets1，...，sk的匹配度作为分量构建匹配特征向量，将目标轨迹序列tr表示成布尔向量trs＝{sim(tr，s1)，...，sim(tr，sk)}。
20、进一步的，计算匹配特征向量之间的相似度包括：
21、以与表示两个目标轨迹序列的匹配特征向量，通过jaccard系数计算与的相似度，公式如下：
22、
23、其中，∩表示布尔向量的交运算，∪表示布尔向量的并运算，符号|·|表示布尔向量中1的个数；ja，b的分子表示目标a与目标b的相同机动的类别数，分母表示目标a与目标b的所有机动的类别数量。
24、进一步的，将相似度转换为连通度，构建连通度矩阵包括：
25、基于设定的阈值，判断两个目标轨迹序列的匹配特征向量与的相似度ja，b是否高于该阈值，若高于该阈值，则判定与连通，它们之间的连通度conna，b为1，否则为0；
26、根据以上连通度计算方法获取之间的连通度，得到连通度矩阵c：n为目标轨迹序列数量。
27、进一步的，使用基于密度的聚类算法对机动段轨迹序列进行聚类包括：
28、s31，随机选择一个未被访问的数据点p，如果p的邻域n(p)内至少包含minpts个点，则将其邻域n(p)内的所有点添加到一个新的簇中，其中p的邻域n(p)是指在以p为中心，半径为eps的指定范围内的数据集：n(p)＝{q∈|dist(p，q)＜eps}，其中dist是某种距离度量，eps∈r+；
29、s32，对于p邻域n(p)内的每个点，如果该点尚未被访问，则将其标记为已访问，并检查其邻域n(p)内是否包含至少minpts个点，如果是，则将其添加到相同的簇中；
30、s33，重复步骤s31和s32，直到所有的点都被访问过；
31、s34，将剩余的未被分配到任何簇中的点标记为噪声点。
32、第二方面，提供一种基于shapelet的空中目标分群系统，包括：
33、机动段轨迹序列提取模块，用于基于飞行机动识别模型识别目标轨迹序列，，获取目标机动动作的起始时间点ts和结束时间点te，根据ts和te对目标轨迹序列tr进行分割，提取机动段轨迹序列tr，将所有提取的机动段轨迹序列作为候选shapelet；
34、机动段轨迹序列距离计算模块，用于基于候选shapelet，计算机动段轨迹序列之间的动态时间规整dtw距离，得到机动段轨迹序列的距离矩阵；
35、机动段轨迹序列聚类模块，用于根据距离矩阵，使用基于密度的聚类算法对机动段轨迹序列进行聚类，形成多个簇，每一个簇表示一类在空间和形状上相似的机动轨迹序列；
36、目标轨迹序列向量表示模块，用于根据聚类结果，选择每个簇的中心点作为最佳shapelet，通过衡量目标轨迹序列与最佳shapelet的匹配度，将目标轨迹序列转换为shapelet空间中的匹配特征向量；
37、目标分群模块，用于计算匹配特征向量之间的相似度，基于设定阈值将相似度转换为连通度，构建连通度矩阵，基于深度优先搜索算法获取连通度矩阵中的连通子图，将连通子图作为空中目标分群结果。
38、第三方面，提供一种计算机设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如本发明第一方面所述的基于shapelet的空中目标分群方法的步骤。
39、第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于shapelet的空中目标分群方法的步骤。
40、有益效果：本发明提出一种基于shapelet的空中目标分群方法与系统，通过提取机动段轨迹序列并计算dtw距离，基于距离利用聚类分析来获取最佳shapelet，将空间和形状上相似的机动轨迹子序列视为shapelet，通过衡量目标轨迹序列与最佳shapelet的匹配度，构建目标轨迹匹配特征向量，作为空中目标分群任务的输入。通过将匹配特征向量之间的相似度转换为连通度，获取连通度矩阵中的连通子图，获取空中目标分群结果。本发明提取轨迹序列中具有高鉴别性的机动段轨迹序列作为shapelet，将轨迹序列表示为shapelet空间中的匹配特征向量进行空中目标分群，能够有效提升分群结果的准确性。
1.一种基于shapelet的空中目标分群方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，基于候选shapelet，计算机动段轨迹序列之间的动态时间规整dtw距离包括：
3.根据权利要求1所述的方法，其特征在于，选择每个簇的中心点作为最佳shapelet，计算公式如下：
4.根据权利要求1所述的方法，其特征在于，通过衡量目标轨迹序列与最佳shapelet的匹配度，将目标轨迹序列转换为shapelet空间中的匹配特征向量包括：
5.根据权利要求4所述的方法，其特征在于，计算匹配特征向量之间的相似度包括：
6.根据权利要求1所述的方法，其特征在于，将相似度转换为连通度，构建连通度矩阵包括：
7.根据权利要求1所述的方法，其特征在于，使用基于密度的聚类算法对机动段轨迹序列进行聚类包括：
8.一种基于shapelet的空中目标分群系统，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如权利要求1-7中任一项所述的基于shapelet的空中目标分群方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于shapelet的空中目标分群方法的步骤。
