基于改進支持向量回歸的空戰飛行動作識別 *

劉慶利，李蕊，喬晨昊

（大連大學 通信與網絡重點實驗室，遼寧 大連 116622）

0 引言

空軍的強大是一個國家強大的重要體現，空軍是否強大取決于飛機的質量和飛行員的作戰經驗，所以通過一些方法使飛行員與飛機進行有效的溝通，是現代戰斗機的發展方向。當今空戰不僅僅是機炮、導彈等熱兵器的對決，更為重要的是電子戰，如何有效提升信息的獲取是本文研究的方向，而準確的獲取自身和敵機的飛行狀態是獲取有效信息最為關鍵的一環。

近幾十年來，隨著科技的發展，出現了越來越多的飛機飛行動作的識別方法，主要有：支持向量機、聚類、神經網絡、狀態規則匹配法等智能算法。文獻［1］采用基于聚類的方法，先提取飛行數據的主要參數，通過趨勢識別后得到的機動片段進行聚類劃分，缺點在于趨勢識別的機動片段難以捕捉準確的機動片段，會對聚類的結果有影響；文獻［2］采用模糊支持向量機算法（fuzzy support vector machine，FSVM），解決了支持向量機在處理多分類任務時出現的不可分區域問題，對分類的結果有一定準確性，但是受限于支持向量機的參數c和g，如果參數不能很好地優化，得到的模型也必然大打折扣；文獻［3］整體采用神經網絡的方法進行分類，對飛行數據的處理采用微分分割的思想建立神經網絡的輸入，缺點在于神經網絡需要大量的數據來支持模型，對于較難獲得的飛行數據來說，大量數據的獲取是關鍵性問題；文獻［4］采用支持向量機模型，對飛行數據采用狀態匹配的方法進行處理，但是處理方法需要人工識別，會導致無法實時地進行處理，也會給飛行員與飛機的交互造成一定程度的障礙；……