[發(fā)明專利]基于重采樣下的航跡循環(huán)預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202110658739.1
• 申請日: 2021-06-15
• 公開（公告）號: CN113393032B
• 公開（公告）日: 2023-09-12
• 發(fā)明（設(shè)計）人: 劉向麗;宋儀雯;柯勵;李贊;王志國;李學(xué)楠
• 申請（專利權(quán)）人: 西安電子科技大學(xué);西安交通大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F18/214;G06N3/0442;G06N3/08
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華

本發(fā)明公開了一種基于重采樣下的航跡循環(huán)預(yù)測方法，主要解決現(xiàn)有技術(shù)在航跡預(yù)測中，預(yù)測時長較短和因目標在未來運動狀態(tài)發(fā)生改變而造成預(yù)測誤差過大的問題。其實現(xiàn)方案是：模擬機動目標的歷史航跡和未來航跡；對目標歷史航跡數(shù)據(jù)依次進行濾波、重采樣和歸一化的預(yù)處理；構(gòu)建由Bi?LSTM層、Dropout層、Dense層和激活層組成的神經(jīng)網(wǎng)絡(luò)模型，并利用預(yù)處理后的航跡數(shù)據(jù)對其進行訓(xùn)練；運用循環(huán)策略生成部分歷史航跡數(shù)據(jù)，并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型參數(shù)對其進行計算；對計算結(jié)果進行平滑濾波，得到最終預(yù)測航跡。本發(fā)明預(yù)測誤差較小，預(yù)測時長較長，在目標運動狀態(tài)在未來發(fā)生改變時，仍能獲得較為準確的預(yù)測航跡，可用于目標跟蹤。

技術(shù)領(lǐng)域

本發(fā)明屬于通信技術(shù)領(lǐng)域，特別涉及一種航跡的循環(huán)預(yù)測方法，可用于目標跟蹤。

背景技術(shù)

目標軌跡預(yù)測技術(shù)是對目標未來的軌跡狀態(tài)信息進行準確預(yù)測，是目標跟蹤領(lǐng)域的關(guān)鍵技術(shù)之一。

隨著航空飛行環(huán)境趨向復(fù)雜化，由于系統(tǒng)誤差、氣象惡劣、傳感器本身的性能異常等不確定因素的影響，將會造成傳感器無法繼續(xù)探測到目標航跡信息，影響飛行安全的問題。因此需要具備一定的航跡預(yù)測的能力，為后續(xù)目標跟蹤提供更完整的數(shù)據(jù)信息，確保飛行安全。

目前，航跡預(yù)測算法主要分為基于飛行性能參數(shù)的動力學(xué)模型、基于參數(shù)最優(yōu)估計模型以及基于歷史數(shù)據(jù)的機器學(xué)習方法。

在動力學(xué)模型方面，付強在論文航跡預(yù)測方法在航路飛行中的應(yīng)用剖析中提出了基于大圓航線和等角航線的航跡預(yù)測方法，在模型中引入了圓航線和等角航線等信息。廖超偉在論文航空器跑道滑行軌跡預(yù)測方法中提出了一種基于空氣動力學(xué)的軌跡預(yù)測方法，該方法對目標進行受力分析，建立滑行動力學(xué)模型。Porretta在論文PerformanceEvaluation?of?a?Novel?4D?Trajectory?Prediction?Model?for?Civil?Aircraft中提出了一種綜合考慮風速、飛機的橫向制動力和速度估計的飛機性能模型。但這些方法所需要的模型參數(shù)比如氣象預(yù)報、場面管制意圖、飛行計劃信息等在實際運用中較難獲取到，因而在這些模型參數(shù)缺失的情況下，無法準確對目標進行建模，會導(dǎo)致預(yù)測結(jié)果不準確。

在參數(shù)最優(yōu)估計方面，最經(jīng)典的算法是基于卡爾曼濾波進行目標狀態(tài)估計，來預(yù)測航空器的軌跡。宮淑麗在論文基于IMM算法的機場場面運動目標跟蹤中提出了基于交互式多模型結(jié)合無跡卡爾曼濾波算法，此算法對飛機的運動過程進行建模，并進行軌跡的預(yù)測計算。湯新民在論文基于混雜系統(tǒng)理論的無沖突4D航跡預(yù)測中提出了基于混雜系統(tǒng)理論的航跡預(yù)測算法，此算法針對航空器在不同航段內(nèi)的運動特點，構(gòu)建了航空器動力學(xué)模型的參數(shù)演化模型，并且構(gòu)建了狀態(tài)轉(zhuǎn)移模型對不同航段之間的切換進行建模，通過調(diào)整相應(yīng)的參數(shù)完成航空器的航跡預(yù)測。但此類算法執(zhí)行效率較低，且在不知道目標運動狀態(tài)時，無法準確對目標進行建模，進而導(dǎo)致預(yù)測航跡誤差較大。在機器學(xué)習模型方面，馬勇在論文基于數(shù)據(jù)挖掘的四維航跡精密預(yù)測方法研究中提出了一種基于數(shù)據(jù)挖掘的精密航跡預(yù)測方法，該方法首先對歷史航跡進行聚類，然后求出每個聚類的密集軌跡，并結(jié)合隱馬爾科夫模型實現(xiàn)航空運輸網(wǎng)絡(luò)的地圖匹配，以完成精確的航跡預(yù)測。此類算法比經(jīng)典預(yù)測方法預(yù)測更為準確，但是仍存在預(yù)測時長較短的問題。

綜上，現(xiàn)有目標航跡預(yù)測技術(shù)均存在誤差大、預(yù)測模型單一，預(yù)測時長較短的不足，導(dǎo)致預(yù)測航跡準確性差，影響飛行安全。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于重采樣下的循環(huán)預(yù)測方法，以減少機動目標航跡的預(yù)測誤差，增加預(yù)測時長，提高航跡預(yù)測準確性。

本發(fā)明的技術(shù)方案是，對目標歷史航跡數(shù)據(jù)進行預(yù)處理；構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；運用循環(huán)策略生成部分歷史航跡數(shù)據(jù)，并利用訓(xùn)練好的網(wǎng)絡(luò)模型參數(shù)對其進行計算；對計算結(jié)果進行平滑濾波，得到最終預(yù)測航跡。

根據(jù)上述思路，本發(fā)明基于重采樣下的航跡循環(huán)預(yù)測方法，其特征在于，包括如下：

(1)對機動目標的歷史航跡數(shù)據(jù)進行濾波和歸一化處理；