基于概率神經網絡的通用航空器沖突探測方法

摘要：針對當前沖突探測技術難以同時實現精準識別與實時識別的問題,研究基于概率神經網絡(PNN)的通用航空器沖突探測方法。將沖突探測視為模式識別問題,通過沖突模型分析,提出了航空器“沖突角”概念,改進了現有沖突識別方法采用的關鍵特征指標,將原有的4個關鍵特征指標提煉為3個指標,分別為航空器相對距離、相對速度以及沖突角,以此構造概率神經網絡,訓練形成神經網絡分類器。結果表明,基于3關鍵特征的概率PNN沖突分類器分類誤警率和漏警率保持在1%左右,在沖突誤警率上優于基于4特征的SVM沖突分類器的6%,提高了航空器沖突探測的準確度;分類所耗時間始終保持在1.2s左右,遠低于Monte Carlo仿真方法的同時,較4特征分類器也降低了0.2s左右,提高了沖突識別效率。