一种基于BP神经网络算法的轨迹预测方法及装置制造方法及图纸

本发明专利技术提供了一种基于BP神经网络算法的轨迹预测方法及装置，其中，所述方法包括：获取连续时刻的目标航行轨迹表征数据；将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中；将所述训练完成的BP神经网络模型的输出结果作为表征数据的预测结果。利用对采集到的目标航行轨迹表征数据进行优化，使得输入到BP神经网络模型中的输入量与目标当前的运行轨迹相一致，并且通过对BP神经网络模型进行相应的优化，进一步提高了目标运动轨迹预测的准确性。

【技术实现步骤摘要】
一种基于BP神经网络算法的轨迹预测方法及装置
本专利技术属于目标探测
，尤其是涉及一种基于BP神经网络算法的轨迹预测方法及装置。
技术介绍
随着近年来科技的发展，无线电通信测向技术广泛应用在军事电子对抗中的无线电侦察与反侦察、军用目标无线电导航以及其他众多重要科学研究领域中。源定位技术通常运用于电子侦察设备中，电子侦察设备与主动雷达相对，在探测目标时自身保持无线电静默状态，仅靠接受辐射源目标发射的无线电信号，因此其隐蔽性较好，无源定位由于缺少信号的先验信息，通常只能获得目标信号的方位角、到达时等定位信息，应用上一般以测向定位为主。无源测向定位需要电子侦察平台分别在目标的不同方向上获取多个测向信息以及自身站址，才能解算出可靠的目标地理位置。现在战场瞬息万变，不仅需要能够快速准确的确定运动位置，同时也需要能够对其运行轨迹进行预测。
技术实现思路
有鉴于此，本专利技术旨在提出一种基于BP神经网络算法的轨迹预测方法及装置，以实现根据侦测得到的目标位置对其轨迹进行准确预测的目的。为达到上述目的，本专利技术的技术方案是这样实现的：一方面，本专利技术实施例提供了一种基于BP神经网络算法的轨迹预测方法，包括：获取连续时刻的目标航行轨迹表征数据；将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中；将所述训练完成的BP神经网络模型的输出结果作为表征数据的预测结果。进一步的，所述获取连续时刻的目标航行轨迹表征数据，包括：根据测向设备测得的信号源目标的方位角和俯仰角，结合测向天线经纬度，得到被测目标的位置数据；利用位置数据及其所附加的时间戳，得到被测目标的已有轨迹。进一步的，所述获取连续时刻的目标航行轨迹表征数据，还包括：对所述已有轨迹进行预处理，以使得所述已有轨迹与实际轨迹更为接近。进一步的，在将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中之前，所述方法还包括：建立BP神经网络模型。更进一步的，所述建立BP神经网络模型，包括：确定在3层BP神经网络中隐含层神经元数目和激活函数；计算各层输入输出，并计算输出层误差根据所述输出层误差修正权值与阈值，直至所述输出层误差满足要求。另一方面，本专利技术实施例还提供了一种基于BP神经网络算法的轨迹预测装置，包括：获取模块，用于获取连续时刻的目标航行轨迹表征数据；输入模块，用于将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中；预测模块，用于将所述训练完成的BP神经网络模型的输出结果作为表征数据的预测结果。进一步的，所述获取模块，用于：根据测向设备测得的信号源目标的方位角和俯仰角，结合测向天线经纬度，得到被测目标的位置数据；利用位置数据及其所附加的时间戳，得到被测目标的已有轨迹。进一步的，所述装置还包括：预处理模块，用于对所述已有轨迹进行预处理，以使得所述已有轨迹与实际轨迹更为接近。进一步的，所述装置还包括：建立模块，用于建立BP神经网络模型。更进一步的，所述建立模块，用于：确定在3层BP神经网络中隐含层神经元数目和激活函数；计算各层输入输出，并计算输出层误差根据所述输出层误差修正权值与阈值，直至所述输出层误差满足要求。相对于现有技术，本专利技术所述的基于BP神经网络算法的轨迹预测方法及装置具有以下优势：本专利技术实施例所述的基于BP神经网络算法的轨迹预测方法及装置，通过获取连续时刻的目标航行轨迹表征数据；将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中；将所述训练完成的BP神经网络模型的输出结果作为表征数据的预测结果。利用对采集到的目标航行轨迹表征数据进行优化，使得输入到BP神经网络模型中的输入量与目标当前的运行轨迹相一致，并且通过对BP神经网络模型进行相应的优化，进一步提高了目标运动轨迹预测的准确性。附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例一提供的基于BP神经网络算法的轨迹预测方法的流程示意图；图2为本专利技术实施例二提供的基于BP神经网络算法的轨迹预测装置的结构示意图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本专利技术中的具体含义。下面将参考附图并结合实施例来详细说明本专利技术。实施例一图1为为本专利技术实施例一提供的基于BP神经网络算法的轨迹预测方法的流程示意图，参见图1，所述基于BP神经网络算法的轨迹预测方法，包括：S110,获取连续时刻的目标航行轨迹表征数据。在本实施例中，可以利用测向设备获取目标的位置轨迹。示例性的，所述获取连续时刻的目标航行轨迹表征数据，可以包括：根据测向设备测得的信号源目标的方位角和俯仰角，结合测向天线经纬度，得到被测目标的位置数据；利用位置数据及其所附加的时间戳，得到被测目标的已有轨迹。具体的，可以由测向设备测得的信号源目标的方位角和俯仰角，结合测向天线经纬度，可以得到被测目标的位置数据，利用位置数据及其所附加的时间戳，就可以得到被测目标的已有轨迹。可选的，所述获取连续时刻的目标航行轨迹表征数据，还可包括：对所述已有轨迹进行预处理，以使得所述已有轨迹与实际轨迹更为接近。可选的，轨迹数据预处理可以主要采用过滤、平滑和插值这三种方式。过滤是指根据预设条件对轨迹数据进行过滤，筛选出需要的数据。需要选择过滤的点有如下特征：特别短的轨迹，含位置点很少或异常密集的轨迹，短时间内移动距离非常长或长时间内移动距离非常短的轨迹。还有一种情况是在本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络算法的轨迹预测方法，其特征在于，所述方法包括：/n获取连续时刻的目标航行轨迹表征数据；/n将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中；/n将所述训练完成的BP神经网络模型的输出结果作为表征数据的预测结果。/n

【技术特征摘要】
1.一种基于BP神经网络算法的轨迹预测方法，其特征在于，所述方法包括：
获取连续时刻的目标航行轨迹表征数据；
将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中；
将所述训练完成的BP神经网络模型的输出结果作为表征数据的预测结果。


2.根据权利要求1所述的基于BP神经网络算法的轨迹预测方法，其特征在于，所述获取连续时刻的目标航行轨迹表征数据，包括：
根据测向设备测得的信号源目标的方位角和俯仰角，结合测向天线经纬度，得到被测目标的位置数据；
利用位置数据及其所附加的时间戳，得到被测目标的已有轨迹。


3.根据权利要求2所述的基于BP神经网络算法的轨迹预测方法，其特征在于，所述获取连续时刻的目标航行轨迹表征数据，还包括：
对所述已有轨迹进行预处理，以使得所述已有轨迹与实际轨迹更为接近。


4.根据权利要求1所述的基于BP神经网络算法的轨迹预测方法，其特征在于，在将所述连续时刻的目标航行轨迹表征数据输入至训练完成的BP神经网络模型中之前，所述方法还包括：
建立BP神经网络模型。


5.根据权利要求4所述的基于BP神经网络算法的轨迹预测方法，其特征在于，所述建立BP神经网络模型，包括：
确定在3层BP神经网络中隐含层神经元数目和激活函数；
计算各层输入输出，并计算输出层误差
根据所述输出层误差修正权值与阈值，直...

【专利技术属性】
技术研发人员：王立玢，曹晓冬，何海星，王晗，苏玉婷，林桐，郭萌，杨磊，
申请(专利权)人：天津光电通信技术有限公司，
类型：发明
国别省市：天津;12