摘要：針對當(dāng)前沖突探測技術(shù)難以同時實現(xiàn)精準(zhǔn)識別與實時識別的問題,研究基于概率神經(jīng)網(wǎng)絡(luò)(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(jìn)了現(xiàn)有沖突識別方法采用的關(guān)鍵特征指標(biāo),將原有的4個關(guān)鍵特征指標(biāo)提煉為3個指標(biāo),分別為航空器相對距離、相對速度以及沖突角,以此構(gòu)造概率神經(jīng)網(wǎng)絡(luò),訓(xùn)練形成神經(jīng)網(wǎng)絡(luò)分類器。結(jié)果表明,基于3關(guān)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(yōu)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(zhǔn)確度;分類所耗時間始終保持在1.2s左右,遠(yuǎn)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。