[發明專利]一種基于神經網絡的無人機航跡預測方法在審
| 申請號： | 202010470329.X | 申請日： | 2020-05-28 |
| 公開（公告）號： | CN111898749A | 公開（公告）日： | 2020-11-06 |
| 發明（設計）人： | 王昊;余波;權雙龍;徐達龍;王巖 | 申請（專利權）人： | 南京理工雷鷹電子科技有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06K9/62 |
| 代理公司： | 南京禹為知識產權代理事務所(特殊普通合伙) 32272 | 代理人： | 朱寶慶 |
| 地址： | 210094 江蘇省南京市秦淮區*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 神經網絡 無人機 航跡 預測 方法 | ||
1.一種基于神經網絡的無人機航跡預測方法，其特征在于：包括，
獲取無人機量測的原始數據集并進行分類；
對原始數據集進行處理，得到訓練集；
構建無人機航跡的預測神經網絡；
對構建的預測神經網絡進行充分訓練并輸出訓練后的預測神經網絡；
采集待預測的無人機航行點跡；
輸入訓練后的預測神經網絡中獲取預測航跡。
2.如權利要求1所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述獲取原始數據集還包括，
通過雷達采集無人機的點跡數據和跟蹤航跡數據；
對采集到的數據進行凝聚；
將凝聚后點跟雷達終端一個單元的雜波值進行比較，若點幅值大于單元雜波值的三倍，則認為是可以起批的目標；
根據單元雜波值和凍結因子決定后續時刻單元雜波值是否更新；
利用角度信息從所有量測中篩選出與航跡進行關聯的點跡；
對經過以上步驟處理的點跡數據進行量綱轉換，得到經過處理后的原始數據集。
3.如權利要求2所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述對原始數據集進行分類包括根據場景分類和根據時間段分類。
4.如權利要求1、2或3任一所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述構建的預測神經網絡還包括設置網絡的傳輸形式、網絡層數、每層神經元數量以及所采用的激勵函數。
5.如權利要求4所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述訓練集包括訓練數據集和標簽數據集，對兩個數據集進行標準化預處理，生成無量綱訓練數據集。
6.如權利要求5所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述訓練還包括以下步驟，
打亂訓練數據集和標簽數據集的數據，不改變其對應關系；
將訓練數據集、標簽數據集輸入到建立的誤差逆向傳播神經網絡模型中，并計算損失值和準確率；
修改預測神經網絡的模型參數，重復進行訓練；
當損失值和準確率達到最優時，結束訓練并輸出預測神經網絡。
7.如權利要求6所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述損失值通過損失函數進行計算，計算公式如下，
8.如權利要求6或7所述的基于神經網絡的無人機航跡預測方法，其特征在于：所述準確率的計算公式如下，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京理工雷鷹電子科技有限公司，未經南京理工雷鷹電子科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010470329.X/1.html，轉載請聲明來源鉆瓜專利網。
