[發明專利]一種航空器位置預測的方法及裝置

有效

• 申請號: 201910072981.3
• 申請日: 2019-01-25
• 公開（公告）號: CN109814101B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 高占春;蔣硯軍;華健
• 申請（專利權）人: 北京郵電大學
• 主分類號: G01S13/91
• 分類號: G01S13/91;G01S7/41;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;項京

本發明實施例提供了航空器位置預測的方法及裝置，包括：獲取航空器的前k個時刻的位置數據，將前k個時刻的位置數據輸入到神經網絡NN1中，輸出符合航空器當前運動狀態的運動狀態模型的模型類型，按照模型類型，使用前m+1個時刻的位置數據，計算運動狀態模型的模型參數，得到運動狀態模型，基于符合航空器當前運動狀態的運動狀態模型，計算下一時刻航空器可能處于的位置，作為航空器的位置預測值；應用本發明實施例，通過使用神經網絡NN1快速準確地選擇最合適的運動狀態方程，解決了使用傳統卡爾曼濾波算法時運動狀態方程更新周期長的問題，使得航空監控系統能夠準確地監視到航空器的位置信息。與現有技術相比，提高了航空器位置預測的準確度。

技術領域

本發明涉及航空器位置預測的技術領域，特別涉及一種航空器位置預測的方法及裝置。

背景技術

隨著運輸業的發展和國民經濟的增長，民用航空業也在蓬勃發展，使得國內通用航空飛行量不斷增長，這就對全球范圍航空器的位置監控提出了更高要求。一系列的航空事故都凸顯航空器監視的緊迫性和必要性。

在航空器監視領域，一般會使用雷達測量航空器的位置，然后選擇合適的濾波算法處理雷達數據，對航空器的未來位置進行預測，進而對航空器飛行活動進行監視和控制，保證飛行安全和有秩序飛行。

在目前的航空器監視系統中，一般采用卡爾曼濾波算法對雷達數據進行處理。其主要思想是根據當前時刻的測量值和預測值更新系統的狀態矩陣，然后根據已更新的狀態矩陣，通過計算預測下一時刻的航空器位置。

然而采用上述方法，當航空器在非勻速直線運動狀態時，狀態方程的更新需要相對較長的時間周期，導致在該周期內的航空器位置預測精度過低。

發明內容

本發明實施例的目的在于提供一種基于神經網絡的航空器位置預測方法，使得航空監視系統能夠對航空器的位置進行精準地預測。具體技術方案如下：

為了達到上述目的，本發明實施例提供了一種航空器位置預測方法，所述方法包括：

獲得航空器的前k個時刻的位置數據；

將前k個時刻的所述位置數據輸入到神經網絡NN1中，輸出符合所述航空器當前運動狀態的運動狀態模型的模型類型，其中，所述神經網絡NN1為基于第一樣本數據進行訓練得到的，所述第一樣本數據包括樣本航空器的樣本位置數據，以及所述樣本航空器的與所述樣本位置數據對應的已知運動狀態模型；

按照所述模型類型，使用前m+1個時刻的位置數據，計算所述運動狀態模型的模型參數，得到所述運動狀態模型；

基于符合所述航空器當前運動狀態的所述運動狀態模型，計算下一時刻所述航空器可能處于的位置，作為所述航空器的位置預測值。

進一步的，所述位置預測值為第一階段位置預測值；在所述計算下一時刻所述航空器可能處于的位置之后，還包括：

將所述第一階段位置預測值輸入到神經網絡NN2中，輸出偏移值，其中，所述神經網絡NN2為基于第二樣本數據進行訓練得到的，所述第二樣本數據包括樣本航空器的樣本第一階段位置預測值，以及所述樣本航空器的實際位置數據，所述樣本第一階段位置預測值為使用所述神經網絡NN1對所述樣本航空器進行位置預測得到的；

將所述偏移值與所述第一階段位置預測值相加，得到所述航空器的位置預測結果。

進一步的，所述獲得航空器的前k個時刻的位置數據，包括：

獲得雷達測量得到的航空器的前k個時刻的原始位置數據，其中，所述原始位置數據為極坐標狀態下的數據；

將前k個時刻所述航空器的所述原始位置數據，從極坐標狀態下轉化為大地直角坐標系狀態下的數據，得到所述航空器的前k個時刻的位置數據。