基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

基于航迹质量评估的雷达和ADS-B数据融合方法

雷达和广播式自动相关监视系统（ADS-B）的数据融合是监视“黑飞”无人机和飞鸟等目标的有效手段,然而两种传感器跟踪性能差异较大且易波动,会带来融合精度下降问题。提出一种基于航迹质量评估的雷达和ADS-B 数据融合方法,首先量化评估局部航迹精度、数据更新次数和传感器测量误差对局部航迹质量的影响,其次综合计算局部航迹的质量加权因子,最后基于分布式融合结构完成异步航迹融合处理。结果表明：本文提出的融合处理方法能有效提高融合跟踪精度,在传感器跟踪性能出现波动的情况下,跟踪误差均优于传统航迹融合方法。实际工程应用中的融合效果也验证了本文方法有助于实现对低空合作和非合作式目标的综合监视。     

无人机爬升转弯航迹预测

信息获取、自动精确打击等使得无人机已成为不可缺少的武器。快速精确的航迹预测可以提高作战效率,提供及时、最优的冲突解决方案。针对无人机的优良特性,首先优化无人机的航迹模型,并对其可行性进行理论推导,重点研究了以最大功率爬升转弯过程,验证了优化后的过程优于普通爬升转弯模型。此航迹预测方法可以快速得出航迹特征点以及到达航迹特征点的时间。     

基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

海上目标雷达与 AIS航迹时空匹配方法

针对海上目标的雷达与船舶自动识别系统(Automatic Identification System,AIS)中,航迹之间存在的时空不匹配现象,提出了在空间对准之后结合海上航迹运动特点,对 AIS航迹数据进行插值对准雷达目标航迹的方法,在解决雷达与 AIS航迹之间时空不匹配问题的同时,最大程度减小插值误差。该方法根据船舶航向变化率,结合航速航向法和内插外推法的优势,针对不同航迹特点自动选择最佳的插值配准方法,实现海上目标的雷达与 AIS航迹点的自动插值和时空对齐。仿真实验结果表明,所提方法针对海上目标复杂运动,可以自动匹配选择最佳插值方法,有效降低误差,实现雷达与 AIS航迹之间的时空匹配。     

基于交互式多模型滤波算法的航迹预测

航空器航迹预测是空中交通冲突探测与解脱,以及进离场管理等空中交通管制自动化系统的重要组成部分。基于混杂系统理论,描述航空器在水平面的运动模型,并针对航空器运动的多样性和不确定性提出了利用交互式多模型的航空器航迹预测算法。将算法应用于航空器的航迹预测,并与单一模型的卡尔曼滤波、α-β滤波和α-β-γ滤波的仿真预测结果对比,结果表明算法的有效性。     

基于AIDL的气象模型4D航迹预测

随着飞行流量的增加,提高空域利用率及安全性需要更精准的预测航迹作为飞行管理的参考依据。基于地空实时信息交换技术AIDL,将影响航迹预测精度的不确定性因素气象模型考虑在内,提出改进模型,并建立相应的4D航迹预测算法,运用AIDL语言实现多类势态信息、多用户有效分享、空地、空空、地地的协同决策。通过仿真计算及建立交互模型,考虑实际气象条件的飞行轨迹,将AIDL运用到实时交互通信中,对于提高轨迹预测的精度以及提高空域利用率具有实际应用价值。     

一种航路4D航迹预测的方法

4D航迹预测是空管自动化系统中的一项核心技术,能够提高空域的利用率和安全性。为了在航路上快速准确的预测航空器的飞行轨迹,提出一种预测航路4D航迹的方法。首先利用Supermap制作航路网络,然后根据航空器的性能参数,推测各时间点的航空器位置,从而得到航路上航空器的飞行航迹,并通过实例进行了说明,为航迹预测提供一定参考。     

基于卡尔曼滤波的数据融合技术在系统航迹中的研究与应用

本文针对空中交通管制自动化系统输出的系统航迹在边界地区出现多重目标和跳跃点的问题,提出了一种对系统航迹进行二次融合的方法,建立了状态方程和测量方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法.将系统航迹传输时延转换为空中目标的距离,用卡尔曼滤波方法对数据中的噪声进行滤波.对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性.最后将该算法用于系统航迹中,也取得了良好的效果.     

雷达目标特征融合的一种方法

由于雷达探测精度、噪声干扰、电磁干扰等因素的影响,使得利用目标的单一特征进行目标识别的识别率受到了限制。针对这一情况,提出了一种基于灰色理论的雷达目标特征融合方法。计算每类目标的各个特征与其相应模板的关联度,然后计算每类目标的综合关联度,由此进行目标识别。结果表明,该方法能够提高雷达目标的识别率。     

基于航迹分割的航空器噪声预测模型

根据航空器的航迹来预测其影响区域的噪声情况,基于航迹的几何特性,将航迹分成直线段航迹和曲线段航迹两个基本航迹元素;确定了直线段和曲线段的各自影响范围之后,分别计算各航迹段对它们影响区域的噪声值贡献情况;统计了各个航迹段对监测点的噪声影响之后,综合得出整个航迹段对监测点的噪声影响,从而建立了航空器航迹噪声预测的模型。将该模型计算的结果分别和软件模拟数据、实际监测数据进行对比分析,发现该模型在航迹段内对监测点噪声均值的预测较为准确,监测点噪声峰值预测结果更接近实测数据。     

基于多信息加权融合的降维航迹关联算法

针对分布式3个传感器多目标的航迹相关算法如果直接计算时间和花费都比较高这一问题,提出降维航迹关联算法。该算法先利用2个传感器的目标位置估计点构造航迹相关代价矩阵,求出最优解,再利用这个最优解与第3个传感器的目标位置估计点构建航迹相关代价矩阵,进一步得到三维航迹相关配对。针对单信息系统不稳定这一问题,提出了融合多个特征信息的加权算法。该算法利用熵权法赋予各种不同信息的权重进行加权融合,转化为单信息问题。仿真结果说明本文所给出的新算法不仅减小了目标跟踪误差而且其时间花费较少,因此,新算法是可行的。     

基于多特征尺度特征融合的航空指挥动作识别

视觉辅助引导系统(Visual aided Guide System,VaGS)是未来航空运输必不可少的重要组成部分,可以大大节省地面指挥和引导资源,提高安全性。VaGS的核心技术是识别地面指挥员手势并将其转化为指令。介绍了一种新的高效手势识别体系结构,它主要包括2个部分:(1)采用多尺度浅层结构进行特征学习,将全局身体姿态特征与局部手势特征提这两种尺度特征进行融合;(2)所提取的特征输入到超限学习机(Exteme Learning Machine,ELM)中进行分类,输出指令。实验结果表明,在自建的40个类别的航空指挥动作数据集中,准确率达到98.5%,单帧用时0.13 ms。     

基于异构特征信息匹配的车辆自主定位方法研究

针对车辆在GNSS拒止条件下的定位需求,提出了一种基于多源异构特征信息联合匹配的自主定位方法,并从数据库建立和匹配方法2个方面分别进行了分析研究。提出了基于众包数据的特征信息库建立方法,通过地磁、WLAN、蓝牙、蜂窝网等信息对众包数据进行分段与聚类,利用提出的DBSCAN算法进行地图重构;此外,还提出了基于HMM模型的异构特征联合匹配定位方法,可将多种传感器提供的观测量以特征方式进行联合匹配。试验结果表明,该方法可以很好地解决GNSS拒止条件下的车辆自主定位问题。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

一种基于亚临界响应的颤振稳定性边界预测新方法

基于地面模态试验事先获取的结构模态参数,通过弹性机翼在气流中的亚临界响应,解算出作用在机翼上的非定常模态气动力系数。以弹性机翼的模态位移作为系统输入,模态气动力系数作为系统输出,通过辨识方法获得弹性机翼振动的气动力模型。在时域内耦合结构运动方程和气动力模型,建立基于试验数据的气动弹性稳定性分析模型。通过分析系统稳定性随动压的变化规律,获得弹性机翼的颤振稳定性特性。与经典颤振边界外推方法的主要区别在于该方法实质上只需要一次亚临界响应试验即可预测颤振临界点,可极大降低颤振试验的风险和成本。该方法既可用于颤振风洞试验,也可用于颤振试飞。     

基于区间灰数的分布式多目标航迹关联算法

 研究了存在系统误差条件下分布式多目标航迹关联问题,以异地配置的2D组网雷达为背景,分析了时变系统误差对雷达上报航迹的影响,将误差影响下的目标定位看做一种认知不确定性,并给出两种用区间灰数描述这一不确定性的方法。由此提出了一种航迹关联算法,该算法以区间相离度作为衡量航迹间差异信息的测度,建立灰色关联分析模型,并根据灰关联度排序给出航迹关联对。通过对算法的约束条件进行深层次分析,给出了使用算法的先决条件。在常见系统误差环境下的蒙特卡罗仿真结果表明,算法具有良好的抗差性能和较广泛的适用性。