吴 达，吕 锐，杨 宇，邓建军，张保山，2

（1.空军工程大学防空反导学院，西安 710051；2.解放军92095 部队，福建 台州 318050）

0 引言

随着航空发动机、气动外形设计、飞行控制系统、机载武器系统、空战指挥系统等不断更新换代，战斗机的机动动作也越来越复杂多样，而目前的目标轨迹生成系统多是根据经验人为设定的［1-2］，难以保证与真实战场的贴近性、真实性和准确性，在难以获得飞行训练手册和作战中，对战斗机的操纵要求以及飞行员的飞行习惯的情况下，通过演习、模拟训练等飞行记录数据获得的机动动作更加可靠。现今关于机动识别的算法多是运用SVM［3-4］、神经网络［5-7］、动态贝叶斯网络［8-9］、HMM［10-11］等算法构建分类器，进行机动类型的分类，或者通过构建机动动作库［12-13］，通过模板匹配［14-16］的方法进行识别，上述方法得到的结果并不能运用于目标轨迹生成，因为上述方法仅仅得到机动动作的类型，而没有考虑机动过程中特征参数峰值的差异导致的分类。对于构建分类器的方法来说，需要一部分有参数峰值标签的数据。对于构建机动动作库进行模板匹配的方法来说，需要不断更新新的机动动作和相关经验知识。

张夏阳［17］考虑对飞行数据进行聚类获得了11种机动动作类型，方法中用一组均值与方差构成的特征向量表示每个机动片段，仅仅考虑了空间维度的变化，对时间维度上的变化考虑较少。姚佩阳［14］考虑用DTW 距离将样本与模板轨迹进行匹配，DTW 距离充分考虑了时间维度，但是两条轨迹进行规整的过程需要较大的计算量，直接对每两条轨迹计算DTW 距离而后进行聚类的效率是极低的。……