一种合作类无人机轨迹实时预测方法及系统技术方案

本发明专利技术公开一种合作类无人机轨迹实时预测方法及系统。该方法包括：获取合作类无人机带时间戳的位置信息；根据所述合作类无人机带时间戳的位置信息选取距当前时刻最近的k个轨迹点的位置坐标，得到预测飞行轨迹的输入向量；根据所述预测飞行轨迹的输入向量对轨迹点进行动态定权，得到输入向量对应的权值向量；根据所述权值向量，基于加权最小二乘法，确定多项式轨迹预测输出模型；根据所述多项式轨迹预测输出模型对合作类无人机轨迹进行实时预测。本发明专利技术能够精确匹配合作类无人机飞行过程中不同的飞行模态，提高对合作类无人机未来短时飞行轨迹的实时预测精度。时飞行轨迹的实时预测精度。时飞行轨迹的实时预测精度。

【技术实现步骤摘要】
一种合作类无人机轨迹实时预测方法及系统


[0001]本专利技术涉及合作类无人机轨迹预测领域，特别是涉及一种合作类无人机轨 迹实时预测方法及系统。

技术介绍

[0002]合作类无人机，指在飞行过程中通过通信链路共享机型、实时飞行状态等 信息的合作类无人机。在我国，合作类无人机在飞行过程中，需要按照一定频 率向指定监管平台上传其实时运行数据(运营信息、位置和高度等)。目前通 过监管平台对合作类无人机飞行的监管还只是停留在监视层面，若能基于平台 所获取的数据，实现对合作类无人机未来飞行轨迹的实时预测，将能够更好地 满足合作类无人机空中交通管理的需求。
[0003]轨迹预测，即利用运动目标历史轨迹数据，对目标未来一段时间可能的位 置进行预测。根据轨迹预测原理的不同可分为有模预测和无模预测两大类。有 模预测基于所建立的目标运动方程，结合预测目标当前状态，对目标轨迹进行 预测。这类预测方法所使用的目标运动模型通常在一定的理想条件下建立的。 由于目前运行在空域中的合作类无人机性能参数不一，且可能受到地形、风向 等众多复杂因素的影响，针对单一合作类无人机建立精确运动模型是比较困难 的。不同于有模预测，无模预测将轨迹数据看作时间序列，将轨迹预测问题抽 象为时序预测问题，并认为影响因素对预测目标运动轨迹的影响机理都隐含在 时间序列的变化规律中，由此回避了对复杂运动的建模问题。比较有代表性的 轨迹预测方法包括基于高斯混合模型的轨迹预测方法、基于神经网络的轨迹预 测方法、基于马尔科夫模型的轨迹预测方法和基于曲线拟合的轨迹预测方法 等。其中，前三种预测方法都需要大量的历史数据对预测模型进行训练，且计 算量较大，难以满足合作类无人机轨迹实时预测的需求。相比之下，曲线拟合 轨迹预测方法具有所需数据少，计算量小，响应速度快等优点，已有部分研究 将其运用到合作类无人机飞行轨迹的预测之中。曲线拟合通常采用多项式模型 作为拟合函数，即多项式拟合，多项式模型的阶次需要预先给定，所采用的最 小二乘原理也更侧重于对整体历史轨迹的拟合。在合作类无人机飞行机动性较 强，飞行轨迹较为复杂时，传统多项式拟合预测算法可能难以准确把握合作类 无人机的飞行趋势，其固定阶次的多项式模型也可能难以精确匹配合作类无人 机飞行过程中不同的飞行模态，从而导致预测精度的下降。

技术实现思路

[0004]本专利技术的目的是提供一种合作类无人机轨迹实时预测方法及系统，能够精 确匹配合作类无人机飞行过程中不同的飞行模态，提高对合作类无人机未来短 时飞行轨迹的实时预测精度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种合作类无人机轨迹实时预测方法，包括：
[0007]获取合作类无人机带时间戳的位置信息；
[0008]根据所述合作类无人机带时间戳的位置信息选取距当前时刻最近的k个 轨迹点的位置坐标，得到预测飞行轨迹的输入向量；
[0009]根据所述预测飞行轨迹的输入向量对轨迹点进行动态定权，得到输入向量 对应的权值向量；
[0010]根据所述权值向量，基于加权最小二乘法，确定多项式轨迹预测输出模型；
[0011]根据所述多项式轨迹预测输出模型对合作类无人机轨迹进行实时预测。
[0012]可选的，所述根据所述合作类无人机带时间戳的位置信息选取距当前时刻 最近的k个轨迹点的位置坐标，得到预测飞行轨迹的输入向量，具体包括：
[0013]根据所述合作类无人机带时间戳的位置信息选取距当前时刻最近的k个 轨迹点的位置坐标并进行标准化，得到标准化的位置坐标；
[0014]根据所述标准化的位置坐标，确定预测飞行轨迹的输入向量。
[0015]可选的，所述根据所述预测飞行轨迹的输入向量对轨迹点进行动态定权， 得到输入向量对应的权值向量，具体包括：
[0016]根据所述预测飞行轨迹的输入向量，得到合作类无人机当前一段时间的飞 行复杂程度；
[0017]根据所述飞行复杂度采用公式w
i
＝(1.5-λ)
k-i
对轨迹点进行动态定权，得到 输入向量对应的权值向量；
[0018]其中，λ＝sigmoid(d
·
S)，d∈R
*
，sigmoid(x)为常用的单增函数，对于 有sigmoid(x)∈[0.5,1)，λ为权值衰减系数，由于(d
·
S)∈[0，∞)，有 λ∈[0.5，1)，S为飞行复杂程度。
[0019]可选的，所述根据所述权值向量基于加权最小二乘法，确定多项式轨迹预 测输出模型，具体包括：
[0020]根据所述权值向量，基于加权最小二乘法，构建正规方程组；
[0021]根据所述正规方程组，确定多项式模型参数；
[0022]根据所述多项式模型参数，得到多个以时间为自变量的多项式轨迹预测模 型；
[0023]根据多个所述多项式轨迹预测模型中，确定预测误差最小的多项式轨迹预 测模型，将所述预测误差最小的多项式轨迹预测模型作为最终的多项式轨迹预 测输出模型。
[0024]一种合作类无人机轨迹实时预测系统，包括：
[0025]位置信息获取模块，用于获取合作类无人机带时间戳的位置信息；
[0026]输入向量确定模块，用于根据所述合作类无人机带时间戳的位置信息选取 距当前时刻最近的k个轨迹点的位置坐标，得到预测飞行轨迹的输入向量；
[0027]权值向量确定模块，用于根据所述预测飞行轨迹的输入向量对轨迹点进行 动态定权，得到输入向量对应的权值向量；
[0028]多项式轨迹预测输出模型确定模块，用于根据所述权值向量，基于加权最 小二乘法，确定多项式轨迹预测输出模型；
[0029]预测模块，用于根据所述多项式轨迹预测输出模型对合作类无人机轨迹进 行实时预测。
[0030]可选的，所述输入向量确定模块，具体包括：
[0031]标准化单元，用于根据所述合作类无人机带时间戳的位置信息选取距当前 时刻
最近的k个轨迹点的位置坐标并进行标准化，得到标准化的位置坐标；
[0032]输入向量确定单元，用于根据所述标准化的位置坐标，确定预测飞行轨迹 的输入向量。
[0033]可选的，所述权值向量确定模块，具体包括：
[0034]飞行复杂程度确定单元，用于根据所述预测飞行轨迹的输入向量，得到合 作类无人机当前一段时间的飞行复杂程度；
[0035]权值向量确定单元，用于根据所述飞行复杂度采用公式w
i
＝(1.5-λ)
k-i
对轨 迹点进行动态定权，得到输入向量对应的权值向量；
[0036]其中，λ＝sigmoid(d
·
S)，d∈R
*
，sigmoid(x)为常用的单增函数，对于 有sigmoid(x)∈[0.5,1)，λ为权值衰减系数，由于(d
·
S)∈[0，∞)，有 λ∈[0.5，1)，S为飞行复杂程度。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种合作类无人机轨迹实时预测方法，其特征在于，包括：获取合作类无人机带时间戳的位置信息；根据所述合作类无人机带时间戳的位置信息选取距当前时刻最近的k个轨迹点的位置坐标，得到预测飞行轨迹的输入向量；根据所述预测飞行轨迹的输入向量对轨迹点进行动态定权，得到输入向量对应的权值向量；根据所述权值向量，基于加权最小二乘法，确定多项式轨迹预测输出模型；根据所述多项式轨迹预测输出模型对合作类无人机轨迹进行实时预测。2.根据权利要求1所述的合作类无人机轨迹实时预测方法，其特征在于，所述根据所述合作类无人机带时间戳的位置信息选取距当前时刻最近的k个轨迹点的位置坐标，得到预测飞行轨迹的输入向量，具体包括：根据所述合作类无人机带时间戳的位置信息选取距当前时刻最近的k个轨迹点的位置坐标并进行标准化，得到标准化的位置坐标；根据所述标准化的位置坐标，确定预测飞行轨迹的输入向量。3.根据权利要求1所述的合作类无人机轨迹实时预测方法，其特征在于，所述根据所述预测飞行轨迹的输入向量对轨迹点进行动态定权，得到输入向量对应的权值向量，具体包括：根据所述预测飞行轨迹的输入向量，得到合作类无人机当前一段时间的飞行复杂程度；根据所述飞行复杂度采用公式w
i
＝(1.5-λ)
k-i
对轨迹点进行动态定权，得到输入向量对应的权值向量；其中，λ＝sigmoid(d
·
S)，d∈R
*
，sigmoid(x)为常用的单增函数，对于有sigmoid(x)∈[0.5,1)，λ为权值衰减系数，由于(d
·
S)∈[0，∞)，有λ∈[0.5，1)，S为飞行复杂程度。4.根据权利要求1所述的合作类无人机轨迹实时预测方法，其特征在于，所述根据所述权值向量基于加权最小二乘法，确定多项式轨迹预测输出模型，具体包括：根据所述权值向量，基于加权最小二乘法，构建正规方程组；根据所述正规方程组，确定多项式模型参数；根据所述多项式模型参数，得到多个以时间为自变量的多项式轨迹预测模型；根据多个所述多项式轨迹预测模型中，确定预测误差最小的多项式轨迹预测模型，将所述预测误差最小的多项式轨迹预测模型作为最终的多项式轨迹预测输出模型。5.一种合作类无人机轨迹实时预测系统，其特征在于，包括：位置信息获取模块，用于获取...

【专利技术属性】
技术研发人员：张洪海，吴卿刚，羊钊，刘皞，胡明华，谢华，田文，钟罡，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：