[發明專利]基于神經網絡的航跡融合辦法

在審

• 申請號: 202010463021.2
• 申請日: 2020-05-27
• 公開（公告）號: CN111582485A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 張可;徐明明;郭樂樂;王志斌
• 申請（專利權）人: 電子科技大學;北京空間飛行器總體設計部
• 主分類號: G06N3/08
• 分類號: G06N3/08;G01S7/41;G01S13/60
• 代理公司: 成都玖和知識產權代理事務所(普通合伙) 51238
• 代理人: 胡琳梅

1.一種基于神經網絡的航跡融合辦法，其特征在于，包括：

獲取航跡數據并進行預處理，得到樣本數據；

根據所述樣本數據進行交互式多模型濾波，得到對應的狀態估計；

構建神經網絡模型，并輸入劃分后的所述樣本數據進行模型訓練；

將任意所述航跡數據輸入訓練后的所述神經網絡模型，得到加權融合結果；

對所述加權融合結果再次進行交互式多模型濾波后進行信息反饋，完成航跡融合。

2.如權利要求1所述的基于神經網絡的航跡融合辦法，其特征在于，所述獲取航跡數據并進行預處理，得到樣本數據，包括：

基于多個傳感器采集得到對應的航跡數據，并對所述航跡數據進行預處理后，存入數據庫中，得到樣本數據。

3.如權利要求2所述的基于神經網絡的航跡融合辦法，其特征在于，根據所述樣本數據進行交互式多模型濾波，得到對應的狀態估計，包括：

基于所述傳感器的數量，選擇對應數量的單模型進行模型狀態及其估計誤差協方差的交互，并根據設定的轉移概率矩陣進行模型之間的轉移，然后更新模型概率，對子濾波器的狀態估計及其誤差協方差進行加權平均，得到所述樣本數據基于多個所述單模型的狀態估計。

4.如權利要求3所述的基于神經網絡的航跡融合辦法，其特征在于，所述構建神經網絡模型，并輸入劃分后的所述樣本數據進行模型訓練，包括：

利用輸入層、三個隱藏層和輸出層構建神經網絡模型，并將所述樣本數據劃分為訓練集、測試集和驗證集，同時將所述訓練集輸入所述神經網絡模型中進行模型訓練，并利用所述測試集和所述驗證集輸入訓練后的所述神經網絡模型中進行測試和驗證，得到權重矩陣，其中，所述輸入層的節點數和所述傳感器數量相同，所述輸出層的節點數為1。

5.如權利要求4所述的基于神經網絡的航跡融合辦法，其特征在于，將任意所述航跡數據輸入訓練后的所述神經網絡模型，得到加權融合結果，包括：

將獲取的任意時刻的所述傳感器采集的所述航跡數據輸入訓練后的所述神經網絡模型，得到加權融合結果。

6.如權利要求5所述的基于神經網絡的航跡融合辦法，其特征在于，對所述加權融合結果再次進行交互式多模型濾波后進行信息反饋，完成航跡融合，包括：

根據所述加權融合結果，再次進行所述交互式多模型濾波，并對任意時刻任意所述單模型進行一步預測，直至所有所述航跡數據融合完成。