军用机型复杂机动动作数据集自动辅助标注方法及装置

1.本发明属于飞行数据智能处理技术领域，具体涉及一种军用机型复杂机动动作数据集自动辅助标注方法及装置。


背景技术：

2.科学评估飞行训练质量对于分析飞行员操纵习惯和提高飞行员的飞行驾驶技术以及确保飞行安全具有至关重要的意义。机动动作识别则是飞行训练质量评估的关键步骤，大量评估内容都是建立在获取特定类别动作序列的基础之上。机载飞参系统以多维时间序列数据形式记录和保存的飞参数据为机动动作识别提供了客观和科学的依据。
3.目前，基于飞参数据的机动动作识别方法主要包含基于模式匹配的方法、基于专家系统的方法和基于深度学习的智能方法。传统基于模式匹配的方法需要手动调整阈值。基于专家系统的方法需要根据领域专家的先验知识建立人工规则知识库。这两类方法对于相似性较高的复杂机动动作识别精度有待进一步提升。近年来，人工智能得到了快速的发展和进步，基于深度学习的方法在机动动作识别领域表现出了显著的性能。然而，基于深度学习的方法需要大量带有标注的机动动作样本数据集用于模型训练。此外，陀螺仪或加速计等多模态机载传感器记录的飞参数据包含了数十至上百个参数，这远比如相机等其他模态传感器数据更难理解。传统的机动动作数据集标注方法是由人工对飞行数据进行观察和分析，识别出其中的机动动作片段，并进行标注。然而，这种手动标注的方法存在以下问题：（1）工作量大，对大量飞行数据进行手动标注需要耗费大量的时间和人力资源；（2）主观性强，不同的人员对于机动动作的识别和标注可能存在主观差异，导致结果不一致；（3）准确性低，机动动作序列片段的提取和类别标注需要专业人员，标注的准确性受到个体能力、经验和疲劳等因素的影响，可能存在标注错误的情况。因此，需要一种能够自动辅助标注飞行数据中机动动作的方法和装置，以提高标注效率和精度。


技术实现要素：

4.本发明所要解决的技术问题在于针对上述现有技术的不足，提供了一种军用机型复杂机动动作数据集自动辅助标注技术方案，用以解决海量飞行参数数据下目标机动动作类别标注精度和效率低的技术问题。
5.为了达到上述发明目的，本发明采用以下技术方案：s1、采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板；s2、对采集到的历史飞行参数序列数据和选取的目标机动动作模板序列进行数据预处理；s3、基于matrix profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；s4、通过明显特征将s3中提取的待识别子序列进行预分类处理，即进行机动动作
类别的预匹配；s5、采用mdtw算法，在预分类后动作序列中将待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；s6、将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行人工精确复核，得到最终标注的机动动作数据集。
6.优选地，s1中所述采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板；具体包括：s1-1、采集飞行员飞行训练的历史飞行参数序列数据，将历史飞行参数据解码为计算机可直接读取的表格数据；s1-2、依据飞行训练大纲和实际需求，确定拟标注的目标机动动作类型，并选取满足飞行训练手册中机动动作操作规范要求的飞行参数子序列作为标准目标机动动作模板序列。
7.优选地，s2中对采集到的历史飞行参数序列和选取的目标机动动作模板序列进行数据预处理；具体包括：s2-1、取能够判断出不同动作类别的俯仰角、倾斜角、气压高度、x轴角速度、y轴角速度、z轴角速度、水平加速度和垂直加速度参数，对历史飞行参数序列和目标机动动作模板序列中的缺失值进行填补，然后对原始数据中每一维进行标准化预处理。
8.所述数据标准化处理公式为：其中，表示飞参数据中每一维数据的均值，表示飞参数据中每一维数据的标准差。经过预处理后每一维数据的平均值为0，标准差为1。
9.优选地，s3中基于matrix profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；具体包括：给定经过数据预处理的历史飞行参数时间序列，用于查询的目标机动动作模板序列。使用目标机动动作模板序列长度的滑动窗口从经过数据预处理的历史飞行参数时间序列的起始位置开始滑动，每次计算窗口内子序列与目标机动动作模板序列的距离，生成长度为的matrix profile，在matrix profile中查询小于阈值的值，该值所在的位置即为从中匹配并提取的待识别飞行参数子序列。
10.其中，表示参数的数量，表示历史飞行参数时间序列的长度，表示目标机动动作模板序列的长度，通常远远小于。
11.优选地，s4中通过明显特征将s3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配；具体包括：s4-1、所述明显特征为高度和俯仰角，预分类的类别包括类斤斗，类俯冲跃升、类升降转弯，类急转弯、类横滚，类盘旋四大类；
12.s4-2、所述机动动作类别的预匹配具体为：首先，设定阈值和阈值，取每个标准目标机动动作模板序列中最大高度和最小高度差值的平均值，取每个标准目标机动动作模板序列中最大俯仰角和最小俯仰角差值的平均值，然后，根据待识别子序列高度一阶差分绝对值的均值，将均值大于阈值的序列分为升降类动作，小于阈值的序列分为非升降类动作。在升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类斤斗、类俯冲跃升，小于阈值的序列分为类升降转弯；在非升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类盘旋，将均值小于阈值的序列分为类急转弯和类横滚；
13.优选地，s5中机动动作识别阶段，利用mdtw算法对待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；具体包括：s5-1、所述机动动作识别阶段是对s4预分类后所得的待识别飞行参数子序列和现有目标机动动作模板序列进行相似性匹配，通过分别计算待识别飞行参数子序列与 c个目标机动动作模板序列的mdtw距离，得到相似度值序列，值小于阈值，则将待识别的动作判定为对应的标准动作类别。其中根据实际机动序列与所对应目标机动动作模板序列的mdtw距离值设定。
14.s5-2、两个动作序列相似度值的计算采用mdtw距离的计算原理。假定动作序列1为,动作序列2为,mdtw路径矩阵为，表示动作序列的维数，和分别表示动作序列1和动作序列2的长度，表示相应维度的权重；
15.所述动作序列1和动作序列2定义为：所述动作序列1和动作序列2定义为：其中，为动作序列1的第维度特征在第个点的取值，为动作序列2的第维度特征在第个点的取值。
16.所述mdtw路径矩阵定义为：所述mdtw路径矩阵定义为：,，其中，为动作序列1的维度特征在第个点的取值，为动作序列2的维度特征在第个点的取值。表示维度的权重，表示动作序列1第个点的所有维度特征的取值向量与动作序列2第个点的所有维度特征的取值向量的帧加权匹配距离；
17.s5-3、动作序列1和动作序列2的多维动态时间规划距离定义为为最优规整路径累计距离之和，规整路径应满足边界性、连续性和单调性三个约束条件，公式定义为：其中，边界性条件为规整路径的起始点必须是，终止点必须是；连续性条件为规
整路径应该是连续的，即从一个点跳转到下一个点，可以是向右、向上或者向右上的；单调性条件为规整路径的移动方向应该是单调的，即不会反向移动。根据以上三个约束条件构建最优规整路径，并计算最优规整路径累计距离得到。
18.优选地，s6中将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行复核，得到最终标注的机动动作数据集；具体包括：s6-1、利用俯仰角、滚转角和偏航角信息将经过mdtw算法自动细分类的飞行参数子序列进行飞行姿态三维可视化，利用高度、经度和纬度信息将经过mdtw算法自动细分类的飞行参数子序列进行飞行轨迹的三维可视化，根据飞行姿态和轨迹三维可视化结果，对自动标注的机动类别标签进行复核，当所述mdtw算法的分类结果与人工分类结果一致时，存储飞行参数子序列及对应标签类别，当所述mdtw算法的分类结果与人工分类结果不一致时，将人工分类结果作为类别标签，并存储对应飞行参数子序列，这样得到带标签的机动动作数据集。
19.本发明还提供一种军用机型复杂机动动作数据集辅助标注装置。
20.具体的，一种军用机型复杂机动动作数据集辅助标注装置，包括：数据获取模块，用于获取飞行参数序列数据；预处理模块，用于对所述飞行参数序列数据进行数据预处理生成预处理后的飞行参数序列数据；预匹配模块，用于将目标动作模板和历史飞行参数序列进行初步匹配，获取待识别飞行参数子序列机动动作分类模块，用于将所述待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配计算，得到机动动作的细分类结果。
21.机动动作三维可视化模块，用于对经过细分类的机动动作序列进行飞行姿态和轨迹的三维可视化，进而对自动标注的机动类型进行人工精确复核。
22.本发明提供的技术方案，至少具有如下有益效果：1、本发明利用matrix profile数据结构，使用机动动作模板在海量飞行参数数据中自动化匹配并提取目标机动动作子序列，极大地提高了海量历史飞行参数中目标机动动作所在时间段的定位和子序列片段的提取效率，较少了标注人员的工作量。
23.2.本发明在待识别飞行参数子序列预分类后，采用mdtw算法计算多维度、不等长的机动动作序列间的相似度，从而实现了待识别飞行参数子序列机动类型的精细化自动识别，减少了mdtw的计算量，提高了识别精度和效率。
24.3.本发明提出的军用机型机动动作自动辅助标注方法是一种通用的方法，能够显著提高复杂机动动作数据集的标注效率，并且适用于多种不同的军用机型，具有广泛的工程应用前景。
25.综上所述，本发明提供的机动动作数据集自动辅助标注方法及装置通过结合matrix profile数据结构和mdtw算法，实现了飞行数据中机动动作片段的自动辅助标注，具有自动化、准确性、高效性和通用性的优点，可广泛应用于军事航空领域飞行动作分析和质量评估中。
附图说明
26.图1为本发明一个实施例的一种军用机型复杂机动动作数据集自动辅助标注方法的总体流程图。
27.图2为本发明一个实施例的机动动作预分类处理流程图。
28.图3为本发明一个实施例的mdtw规整路径示意图。
29.图4为本发明一个实施例的机动动作数据集自动辅助标注详细实施流程图。
30.图5为本发明一个实施例的一种军用机型复杂机动动作数据集自动辅助标注装置的结构示意图。
具体实施方式实施例
31.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
32.如图1所示，本发明实施例提供的一种军用机型复杂机动动作数据集自动辅助标注方法，该方法包括：s1、采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板。
33.军用机型飞行过程中，机载多传感器会监测一系列与飞行状态相关参数。这些飞行状态相关参数包括俯仰角、滚转角、航向角、迎角和侧滑角、飞行高度、飞行速度、角速度、加速度等。因此，在对机动动作标注的过程中，可以通过深入分析机动动作的飞行参数变化特征来描述不同的机动动作。需要强调的是，这些具体指标参数并不限制本技术的保护范围。此外，可以获取从军用机型启动到飞行结束的完整飞行时间段内的所有机动动作数据，也可以选择性地获取军用机型完整飞行时间段内的部分时间段的飞行参数序列数据。需要明确的是，飞行参数序列数据的获取时间段并不限制本技术的保护范围。
34.进一步的，根据飞行训练手册中目标机动动作的操作规范选取标准飞行参数子序列作为目标机动动作模板。需要强调的是，在本技术提供的一种优选的实施方式中，获取的历史飞行参数序列和标准机动动作样本序列数据包括俯仰角、滚转角、航向角、迎角和侧滑角、飞行高度、飞行速度、角速度、加速度等飞行状态相关参数。此外，目标机动动作模板的数量等于机动动作的标注类别数量，该数量并不限制本技术的保护范围。
35.s2、对采集到的历史飞行参数序列和选取的目标机动动作模板序列进行数据预处理。
36.获取的原始历史飞行参数序列和目标机动动作模板序列包括的飞行状态参数存在冗余信息，在进行机动动作判断时为了减小数据维度，提高计算效率，选取部分具有动作区分度的关键参数即可。
37.进一步的，在本技术提供的一种优选的实施方式中，取能够判断出不同动作类别的俯仰角、倾斜角、气压高度、x轴角速度、y轴角速度、z轴角速度、水平加速度和垂直加速度
参数，对历史飞行参数序列和目标机动动作模板序列中的缺失值进行填补，然后对原始数据中每一维进行标准化预处理。
38.所述数据标准化处理公式为：
39.其中，表示飞参数据中每一维数据的均值，表示飞参数据中每一维数据的标准差。经过预处理后每一维数据的平均值为0，标准差为1。
40.s3、基于matrix profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列。
41.给定经过数据预处理的历史飞行参数时间序列，用于查询的目标机动动作模板序列。使用目标机动动作模板序列长度的滑动窗口从经过数据预处理的历史飞行参数时间序列的起始位置开始滑动，每次计算窗口内子序列与目标机动动作模板序列的距离，生成长度为的matrix profile，在matrix profile中查询小于阈值的值，该值所在的位置即为从中匹配并提取的待识别飞行参数子序列。
42.其中，表示参数的数量，表示历史飞行参数时间序列的长度，表示目标机动动作模板序列的长度，通常远远小于,阈值由人工设置。
43.s4、通过明显特征将s3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配。
44.所述明显特征为高度和俯仰角，预分类的类别包括类斤斗，类俯冲跃升、类升降转弯，类急转弯、类横滚，类盘旋四大类。可以理解的是，这里所述的预分类的类别，显然不构成对本技术具体保护范围的限制。
45.进一步，如图2，在本技术提供的一种优选的实施方式中，所述机动动作预匹配具体为：首先，确定阈值和阈值。然后，根据待识别子序列高度一阶差分绝对值的均值，将均值大于阈值的序列分为升降类动作，小于阈值的序列分为非升降类动作。在升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类斤斗、类俯冲跃升，小于阈值的序列分为类升降转弯；类似地，在非升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值
的序列分为类盘旋，将均值小于阈值的序列分为类急转弯和类横滚。通过机动动作预匹配剔除明显与待识别子序列类别不符的机动动作模板，从而减少匹配动作模板的数量，简化计算量，提高工作效率。
46.s5、机动动作识别阶段，利用多维动态时间规划方法对待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类。
47.具体的，所述机动动作识别阶段是对s4预分类后所得的待识别飞行参数子序列和现有目标机动动作模板序列进行相似性匹配，通过分别计算待识别飞行参数子序列与c个目标机动动作模板序列的多维动态时间规划距离，得到相似度值序列,值小于阈值,则将待识别的动作判定为对应的标准动作类别。其中根据经验人为给定。
48.所述两个动作序列相似度值的计算采用多维动态时间规划距离的计算原理。假定动作序列1为,动作序列2为,mdtw路径矩阵为。表示动作序列的维数，和分别表示动作序列1和动作序列2的长度，表示相应维度的权重。
49.所述动作序列1和动作序列2定义为：所述动作序列1和动作序列2定义为：其中，为动作序列1的第维度特征在第个点的取值，为动作序列2的第维度特征在第个点的取值。
50.所述mdtw路径矩阵定义为：
，，其中，为动作序列1的维度特征在第个点的取值，为动作序列2的维度特征在第个点的取值，表示维度的权重，表示动作序列1第个点的所有维度特征的取值向量与动作序列2第个点的所有维度特征的取值向量的帧加权匹配距离；s5-3、动作序列1和动作序列2的多维动态时间规划距离定义为最优规整路径累计距离之和，规整路径应满足边界性、连续性和单调性三个约束条件，公式定义为：其中，边界性条件为规整路径的起始点必须是，终止点必须是；连续性条件为规整路径应该是连续的，即从一个点跳转到下一个点，可以是向右、向上或者向右上的；单调性条件为规整路径的移动方向应该是单调的，即不会反向移动。根据以上三个约束条件构建最优规整路径，并计算最优规整路径累计距离得到。
51.s6、将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行人工精确复核，得到最终标注的机动动作数据集。
52.具体的，将经过多维动态时间规划方法自动细分类的飞行参数子序列进行飞行姿态和轨迹的三维可视化，并对自动标注的机动类别标签进行人工精确复核。当所述多维动态时间规划方法的分类结果与人工分类结果一致时，存储飞行参数子序列及对应标签类别，当所述多维动态时间规划方法的分类结果与人工分类结果不一致时，将人工分类结果作为类别标签，并存储对应飞行参数子序列，这样得到带标签的机动动作数据集。综上，本技术提供的一种优选的实施方式中，机动动作数据集自动辅助标注详细实施流程图如图4所示。
53.请参照图5，为本技术实施例提供的一种军用机型复杂机动动作数据集自动辅助标注装置100，包括：数据获取模块11，用于获取飞行参数序列数据；预处理模块12，用于对所述飞行参数序列数据进行数据预处理生成预处理后的飞行参数序列数据；预匹配模块13，用于将目标动作模板和历史飞行参数序列进行初步匹配，获取待
识别飞行参数子序列机动动作分类模块14，用于将所述待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配计算，得到机动动作的细分类结果。
54.机动动作三维可视化模块15，用于对经过细分类的机动动作序列进行飞行姿态和轨迹的三维可视化，进而对自动标注的机动类型进行人工精确复核。
55.本发明借鉴多维时间子序列匹配查询的思想，提出了一种军用机型复杂机动动作数据集自动辅助标注方法，旨在从历史飞行数据中自动检测并标注目标机动动作。首先采用matrix profile数据结构，在海量数据中使用机动动作模板初步匹配并提取目标机动动作子序列；其次采用多维动态时间规划(multidimensionaldynamic time warping，mdtw)方法，确定分割后的机动动作子序列的机动类型；最后对机动动作序列进行飞行姿态和轨迹的三维可视化，以便对自动标注的机动类型进行人工精确复核。该自动辅助标注方法可以显著提高复杂机动动作数据集的标注效率，并适用于多种不同军用机型，具有广泛的工程应用前景。
56.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，该方法包括：s1、采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板；s2、对采集到的历史飞行参数序列数据和选取的目标机动动作模板序列进行数据预处理；s3、基于matrix profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；s4、通过明显特征将s3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配；s5、采用mdtw算法，在预分类后动作序列中将待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；s6、将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行复核，得到最终标注的机动动作数据集。2.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤s1中所述采集飞行员飞行训练的历史飞行参数序列数据，并选取标准机动动作样本序列作为目标机动动作模板，具体包括：s1-1、采集飞行员飞行训练的历史飞行参数序列数据，将历史飞行参数据解码为计算机可直接读取的表格数据；s1-2、依据飞行训练大纲和实际需求，确定拟标注的目标机动动作类型，并选取满足飞行训练手册中机动动作操作规范要求的飞行参数子序列作为标准目标机动动作模板序列。3.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤s2中所述对采集到的历史飞行参数序列和选取的目标机动动作模板序列进行数据预处理，具体包括：取能够判断出不同动作类别的俯仰角、倾斜角、气压高度、x轴角速度、y轴角速度、z轴角速度、水平加速度和垂直加速度参数，对历史飞行参数序列和目标机动动作模板序列中的缺失值进行填补，然后对原始数据中每一维进行标准化预处理。4.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤s3中所述基于matrix profile数据结构，使用目标机动动作模板序列在经过数据预处理的历史飞行参数序列中初步匹配并提取待识别飞行参数子序列，具体包括：给定经过数据预处理的历史飞行参数时间序列，用于查询的目标机动动作模板序列，使用目标机动动作模板序列 长度的滑动窗口从经过数据预处理的历史飞行参数时间序列的起始位置开始滑动，每次计算窗口内子序列与目标机动动作模板序列的距离，生成长度为的matrix profile，在matrix profile中查询小于阈值的值，该值所在的位置即为从
中匹配并提取的待识别飞行参数子序列;其中，表示参数的数量，表示历史飞行参数时间序列的长度，表示目标机动动作模板序列的长度，通常远远小于。5.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤s4中所述通过明显特征将s3中提取的待识别子序列进行预分类处理，即进行机动动作类别的预匹配，具体包括：s4-1、所述明显特征为高度和俯仰角，预分类的类别包括类斤斗，类俯冲跃升、类升降转弯，类急转弯、类横滚，类盘旋四大类；s4-2、所述机动动作类别的预匹配具体为：首先，设定阈值和阈值，取每个标准目标机动动作模板序列中最大高度和最小高度差值的平均值，取每个标准目标机动动作模板序列中最大俯仰角和最小俯仰角差值的平均值，然后，根据待识别子序列高度一阶差分绝对值的均值，将均值大于阈值的序列分为升降类动作，小于阈值的序列分为非升降类动作,在升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类斤斗、类俯冲跃升，小于阈值的序列分为类升降转弯；在非升降类动作中，根据待识别子序列俯仰角一阶差分绝对值的均值，将均值大于阈值的序列分为类盘旋，将均值小于阈值的序列分为类急转弯和类横滚。6.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤s5中所述采用mdtw算法对待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类，具体包括：s5-1、机动动作识别阶段是对s4预分类后所得的待识别飞行参数子序列和现有目标机动动作模板序列进行相似性匹配，通过分别计算待识别飞行参数子序列与c个目标机动动作模板序列的mdtw距离，得到相似度值序列,值小于阈值,则将待识别的动作判定为对应的标准动作类别，其中根据实际机动序列与所对应目标机动动作模板序列的mdtw距离值设定；s5-2、两个动作序列相似度值的计算采用mdtw距离的计算原理，假定动作序列1为,动作序列2为，mdtw路径矩阵为,表示动作序列的维数，和分别表示动作序列1和动作序列2的长度，表示相应维度的权重;
所述动作序列1和动作序列2定义为：所述动作序列1和动作序列2定义为：其中，为动作序列1的第维度特征在第个点的取值，为动作序列2的第维度特征在第个点的取值；所述mdtw路径矩阵定义为：为：，，其中，为动作序列1的维度特征在第个点的取值，为动作序列2的维度特征在第个点的取值；表示维度的权重，表示动作序列1第个点的所有维度特征的取值向量与动作序列2第个点的所有维度特征的取值向量的帧加权匹配距离；s5-3、动作序列1和动作序列2的多维动态时间规划距离定义为最优规整路径累计距离之和，规整路径应满足边界性、连续性和单调性三个约束条件，公式定义为：其中，边界性条件为规整路径的起始点必须是，终止点必须是；连续性条件为规整路径应该是连续的，即从一个点跳转到下一个点，可以是向右、向上或者向右上的；单调性条件为规整路径的移动方向应该是单调的，即不会反向移动，根据以上三个约束条件构建最优规整路径，并计算最优规整路径累计距离得到。
7.根据权利要求1所述的军用机型复杂机动动作数据集自动辅助标注方法，其特征在于，步骤s6中所述将经过细分类的飞行参数子序列进行三维可视化，并对自动标注的机动类别标签进行人工精确复核，得到最终标注的机动动作数据集，具体包括：利用俯仰角、滚转角和偏航角信息将经过mdtw算法自动细分类的飞行参数子序列进行飞行姿态三维可视化，利用高度、经度和纬度信息将经过mdtw算法自动细分类的飞行参数子序列进行飞行轨迹的三维可视化，根据飞行姿态和轨迹三维可视化结果，对自动标注的机动类别标签进行复核，当所述mdtw算法的分类结果与人工分类结果一致时，存储飞行参数子序列及对应标签类别，当所述mdtw算法的分类结果与人工分类结果不一致时，将人工分类结果作为类别标签，并存储对应飞行参数子序列，这样得到带标签的机动动作数据集。8.军用机型复杂机动动作数据集辅助标注装置，其特征在于，包括：数据获取模块，用于获取飞行参数序列数据；预处理模块，用于对所述飞行参数序列数据进行数据预处理生成预处理后的飞行参数序列数据；预匹配模块，用于将目标动作模板和历史飞行参数序列进行初步匹配，获取待识别飞行参数子序列；机动动作分类模块，用于将所述待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配计算，得到机动动作的细分类结果；机动动作三维可视化模块，用于对经过细分类的机动动作序列进行飞行姿态和轨迹的三维可视化，进而对自动标注的机动类型进行人工精确复核。

技术总结
本发明涉及一种军用机型复杂机动动作数据集自动辅助标注方法及装置。该方法包括：采集历史飞行参数序列数据并选取标准机动动作样本序列；对历史飞行参数序列和目标机动动作模板序列数据预处理；利用Matrix Profile数据结构，使用目标机动动作模板序列在历史飞行参数序列中初步匹配并提取待识别飞行参数子序列；对识别子序列进行预分类处理；采用多维动态时间规划方法将待识别飞行参数子序列和目标机动动作模板序列进行相似性匹配，完成机动动作的细分类；飞行参数子序列三维可视化，并对自动标注的机动类别进行人工复核，得到带标签的机动动作数据集。本发明能显著提高复杂机动动作数据集的标注效率和准确率，适用多种军用机型。用机型。用机型。


技术研发人员：任利强 王海鹏 王翔 李超 宋山松 万兵 张杨 柳昱 石治国
受保护的技术使用者：中国人民解放军海军航空大学
技术研发日：2023.09.01
技术公布日：2023/10/11