基于LSTM与1DCNN的导弹轨迹预测方法

针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory, LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network, 1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。     

基于无轨迹卡尔曼滤波神经网络的SINS初始对准方法

针对扩展卡尔曼滤波算法的缺点,研究了基于无轨迹卡尔曼滤波的神经网络算法.建立了捷联惯导系统在大失准角下的误差方程和适用于初始对准的神经网络模型,研究了基于扩展卡尔曼滤波和无轨迹卡尔曼滤波的神经网络算法,将基于无轨迹卡尔曼滤波的神经网络学习算法应用于捷联惯导系统大失准角条件下的初始对准中.仿真结果表明,在大失准角条件下,用训练好的神经网络进行初始对准是可行的,且基于无轨迹卡尔曼滤波的神经网络算法可提高初始对准精度.     

学习流体仿真中的高效长时序运动预测（英文）

快速准确的进行流体仿真是一个具有挑战性的任务，基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展，为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长时序流体仿真运动预测算法。这一模型专注于将通过神经网络预测的速度和密度场基于纳维-斯托克斯方程获得的仿真数据在宏观尺度上进行匹配。通过使用基于全卷积U型网络的自动编码器和基于LSTM网络的时序预测子网络，本文模型在时间演化过程中更好地保持了视觉宏观相似性，并实现了显著的计算速度提升。本文方法实现了对流体场演化的宏观分布的准确和快速的长时序运动预测。在一系列二维和三维的仿真数据的基准测试上证明了本文算法的有效性和高效性。     

机场三维态势呈现中IMMKF平滑ADS-B数据

针对基于广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)数据进行机场三维态势呈现的应用,研究了在态势显示的第一步,ADS-B数据精度不高、不平滑问题,预处理后数据可以用于后续插值生成高帧率的航迹数据。交互式多模型卡尔曼滤波(interacting multiple model Kalman filter, IMMKF)算法可以较好地解决机场场面运动目标ADS-B轨迹数据的实时平滑问题。首先,根据飞机的真实运动情况建立了飞机的匀加速运动、匀速转弯运动及匀速运动模型,然后利用卡尔曼滤波Singer模型与IMM相结合的IMMKF算法对场面飞机的ADS-B轨迹进行了跟踪滤波,达到目标轨迹光滑的效果。实验结果表明,与多种经典的滤波方法相比, IMMKF方法在保证了光滑性的情况下跟踪失败概率低,可实时计算,精度能满足要求。     

基于循环神经网络的船舶航迹预测

在海事搜救、海关缉私等应用中,对目标船舶进行航迹预测是一个关键问题。为提高预测的精度和效率,提出了一种基于循环神经网络的船舶航迹预测方法,该方法包含数据预处理和神经网络预测两个部分。在数据预处理中,设计了一种基于对称分段路径距离的数据预处理方法,消除了大量冗余数据及噪声的影响;在神经网络预测中,构建了基于门控循环单元的循环神经网络模型,实现船舶位置信息精准且高效的预测。通过大量船舶自动识别系统数据进行了对比实验,实验结果证明了方法的实用性和有效性。     

基于LSTM和残差网络的雷达有源干扰识别

针对目前雷达干扰识别方法存在人工特征提取难、强噪声环境下识别率不高的问题，提出了一种基于长短时记忆(long short-term memory, LSTM)网络和残差网络相结合的雷达有源干扰识别方法。输入有源压制干扰原始时域序列数据，搭建深度学习网络模型对不同干噪比下的干扰信号进行分类识别。仿真结果表明：在干噪比为0 dB的情况下，该方法对4类雷达有源干扰信号的识别准确率均高于98.3%,与单纯的残差网络和卷积神经网络(convolutional neural networks, CNN)等其他深度学习算法相比，具有更佳的网络性能，验证了该算法的有效性。     

基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。     

面向多元未知环境的基于深度高斯过程组合导航轨迹预测方法

传统惯导/卫导组合导航在多元复杂环境下易受干扰，从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象，展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process, DGP)辅助估计位置的方法减小组合导航误差，提高定位性能。基于DGP的辅助导航方法不仅可以预测无人驾驶车辆的标称轨迹，同时可以预测各时刻位置可信区间的概率分布，为基于深度学习模型的数据融合预测方法提供了严格的理论解释性。真实历史数据下的多重对比实验表明，该算法较传统深度神经网络算法具有更高的精度和可靠性。基于DGP的辅助导航方式能有效提高全球卫星定位系统信号失锁时的导航模型性能，实验表明相对于纯惯性导航系统(integral navigation system, INS)解算和长短期记忆(long and short term memory, LSTM)进行导航信号补偿定位精度分别提高了97.32%和52.13%。     

基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段, 通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响, 其轨迹预报相比自由段与再入段更具挑战性。为此, 本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先, 根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本; 其次, 设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法; 最后, 与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比, 表明了所提方法在主动段轨迹预报上的优越性。     

基于改进凸优化算法的多机编队突防航迹规划

为更好地发挥多机编队在低空突防作战中的优势，对已有的凸优化算法进行改进，提出一种多机编队低空突防航迹规划方法。首先，根据低空突防任务特点进行问题建模，包含多机编队航迹规划模型、障碍物模型以及任务分配评估模型。其次，提出基于匈牙利算法的集群任务分组概念，设计更符合战场需求和运动学规律的预规划航迹。之后，考虑新类型的外部障碍物和不同任务小组间的组间避障，通过对约束进行合理的近似与凸优化，实现多机安全飞行。最后，通过对比仿真，验证所提改进方法的可行性和有效性。结果表明，改进后的航迹规划算法能实现对低空突防任务的合理分配，求解效率和成功率均有所提高，对新加入的障碍有良好的避障效果。     

基于速度障碍法的多UAV可飞行航迹优化生成

研究无人飞行器(unmanned aerial vehicle, UAV)在线可飞行航迹的自主规划对UAV适应非结构化环境、提高机动作战能力具有重要的现实意义。提出了一种基于Pythagorean-Hodograph (PH)曲线的UAV在线航迹生成算法,可以根据UAV当前的飞行状态、目标点信息及传感器探测信息实时规划出曲率连续的可避碰飞行航迹。考虑系统动态性能约束,采用分布估计算法对航迹参数进行优化选取,提出基于区间选优的全局精英个体概率选择机制,提高了航迹生成的速度及精度。根据速度障碍法原理,结合PH曲线的特点,给出了高动态环境下多UAV的实时动态避碰规划算法,该算法能使轨迹快速趋近于目标。对一组UAV的航迹规划在不同环境下进行了仿真实验,仿真结果证明了算法的有效性和实用性。     

NSHV机动目标跟踪的自适应模型算法

临近空间高超声速飞行器具有飞行轨迹多变、机动性强等特点,而周期性的滑跃式飞行是其常用的重要机动形式。将目标加速度建模为时间自相关的随机过程,结合“当前”统计模型的自适应跟踪思想,提出了一种针对临近空间高超声速飞行器机动目标跟踪的模型。采用容积卡尔曼滤波算法分别对单模型和交互式多模型进行了蒙特卡罗仿真分析,结果表明该模型在跟踪临近空间高超声速飞行器时有较好的跟踪精度和适用性。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

特定多任务下飞机航迹规划研究

为了更好地完成航空特定任务，提出了特定多任务下飞机航迹规划模型。采用栅格法建立战场环境模型，根据复杂、真实战场环境以及作战要求，提出了距离、油耗、任务完成度、地对空威胁和空对空威胁5个目标航迹规划的模型。根据特定任务的要求，分析了满足任务的各种需求，给出了评估任务完成度指标。根据该问题的特点，提出一种两阶段的航迹规划求解算法。第一个阶段用简化二维路径规划模型计算多任务顺序，第二阶段根据多任务顺序使用改进A*算法求解多目标栅格优化问题，解决了A*算法不能处理时变优化问题情况。仿真结果表明该方法能很好地解决多任务、多目标航迹规划问题，比目前的算法更高效。     

一种基于数据融合的机动目标跟踪预测算法

在机动目标的运动跟踪中,为了减小搜索区域,需要对下一时刻目标位置进行预测。本文以医疗康复领域中基于视频的运动分析为背景,针对二维平面中静止背景的运动目标提出一种基于数据融合的预测跟踪方法。首先采用多项式拟合算法和基于“当前”模型的改进卡尔曼滤波算法分莉对运动目标进行位置预铡,然后采用数据融合的方法得到最终的预测结果．最后用计算机仿真和实验对所提出的预测算法进行了验证,结果表明本文算法与多项式拟合和卡尔曼滤波算法相比,预测误差更小,跟踪精度更高。     

生成式中断航迹接续关联方法

传统中断航迹接续关联(track segment consecutive association, TSCA)方法基于假设的目标运动模型, 利用大量先验信息完成关联任务, 存在参数过多、计算复杂、推理时间长等缺点。为了解决以上问题, 提出一种基于注意力机制的生成式TSCA方法。首先设计航迹态势图生成模块, 将原始航迹数据转换为航迹态势图, 作为生成对抗网络的输入。针对航迹噪声影响大和航迹运动特征、中断特征难以提取的问题, 基于生成对抗网络和注意力机制, 设计航迹关联网络, 滤除航迹噪声并完成TSCA。仿真结果证明了所提网络的有效性, 在关联精度和关联速度两方面都超过现有算法。     

AdaBoost-PSO-LSTM网络实时预测机动轨迹

针对自主空战中轨迹预测难以同时保持高预测精度和短预测时间的问题, 提出一种自适应增强的粒子群优化长短期记忆网络预测方法。首先,建立三自由度无人机动力学模型, 解决机动轨迹的数据来源问题。其次,分析长短期记忆网络, 并引入在线预测的滑动模块输入矩阵, 利用粒子群优化算法代替传统基于时间的反向传播算法进行网络内部权值更新; 同时为解决优化算法非定向性问题, 提出数据共享方法。然后,为进一步提高预测精度, 采用自适应增强算法搭建外框架, 通过控制弱预测器的数量平衡预测精度与预测时间。最后, 在一段变化较为频繁的轨迹进行预测, 与5种神经网络预测方法进行比较, 结果表明所提方法能够较好地满足精度和时间要求。     

飞行航迹解耦控制器设计

许多经典的飞行控制系统中,基本飞行控制器纵向和横侧向解耦,可以通过控制飞机的姿态达到跟随参考飞行航迹的目的。对于采用该系统的飞机,当执行航迹跟随任务时,需要设计一种新的解耦控制算法,该算法根据最优参考航迹,将飞机航迹控制指令转化为飞行控制系统所需要的解耦姿态控制指令。给出了由该算法构成的解耦控制器结构,并将其与飞行航迹控制器以及基本姿态控制器结合,共同完成航迹跟随任务。最后通过仿真实验,验证了算法的有效性。     

基于先验信息的多假设模型中断航迹关联算法

针对经典的中断航迹关联算法在机动目标环境下航迹预测准确性差、关联效果恶化严重的问题,提出基于先验信息的多假设运动模型中断航迹关联算法。所提算法充分利用目标属性、目标运动特征、使用场景等先验信息,基于多假设思想,建立多种可能的目标运动模型并实施航迹预测,基于位置和速度信息的模糊相关函数描述预测航迹与新起始航迹的模糊匹配关系,最后基于多项式拟合原理连接满足关联关系的新、老航迹。经仿真验证,在中断区间目标发生机动运动的条件下,所提算法的关联效果相对于经典的中断航迹关联算法有显著提升。所提算法对于复杂环境具有较强的适应能力,经50次蒙特卡罗仿真,在中断时间小于18个滤波周期条件下,机动目标的平均正确关联率达到90%以上,机动环境的全局关联正确率达到85%以上。     

基于任务分配的多飞行器协同航迹规划

在综合考虑飞行器编队的飞行代价和作战效果的基础上, 研究了基于任务分配的多飞行器协同航迹规划方法, 构建了结合任务分配的飞行器编队协同航迹规划模型, 设计了分解式协同航迹规划算法, 可以有效地对多目标存在的情况进行综合权衡, 得到合理的任务分配和航迹规划方案. 仿真算例表明, 这种航迹规划方法不仅能保证各飞行器选择合理的协同航迹, 也使得作战任务可以获得最佳作战效果, 有效地提高编队作战的效费比.