一种低空无人机监视和航迹预测方法技术

本发明专利技术提出了一种低空空域内的无人机监视方法并提供了一种低空无人机监视系统中基于LSTM的无人机航迹预测方法:RLSTM（Recurrent

【技术实现步骤摘要】
一种低空无人机监视和航迹预测方法


[0001]本专利技术属于无人机航迹预测领域，具体的说，涉及一种低空无人机监视和航迹预测方法。

技术介绍

[0002]无人机当前正处在一个日趋繁荣的发展形式之中，在许多领域诸如植保、电力巡检和通信等场景中得到了广泛的应用。当前低空空域内无人机的数量越来越多，因此对无人机实行空中交通管制是无人机未来各种应用场景实现的必要基础。但是无人机的飞行轨迹复杂多变，且态势数据的获取手段十分有限，这给航迹预测带来了非常大的难度。为了解决以上难题，具有信息更新速度快、地面站建设成本低等突出优点，且大量应用于民航客机的位置信息获取的ADS
‑
B是可选的技术手段之一。我们提出了许多的多方案来解决该问题，该专利技术也将解决低空无人机的跟踪和监视作为无人机管制中的着力点。
[0003]无人机载ADS
‑
B OUT系统按照一定的时间间隔向所在空域广播自身的态势信息，这些信息按照时间顺序组成。LSTM在预测时序数据时由于其自身独特的结构，相比其他的神经网络具有更高的预测精度，可以记住更长时间步的特征信息。我们提出了一种基于ADS
‑
B获取无人机飞行过程中三维定位数据的系统结构，并根据已有的无人机ADS
‑
B Out广播的信息通过循环使用LSTM预测未来时间步的无人机飞行航迹趋势。

技术实现思路

[0004]本专利技术针对现有技术的不足，提供一种低空无人机监视和航迹预测方法，具体方案如下：一种低空无人机监视和航迹预测方法，包括以下步骤：
[0005]步骤1，将空域划分为若干子空域，子空域由一个总控制站进行无人机监视，每个子空域配备有一个ADS
‑
B地面基站，每个子空域中有n架无人机，子空域g内无人机i通过若干颗GPS卫星进行定位得到当前时刻t无人机i的位置信息；
[0006]步骤2，将步骤1中无人机i接收到的位置信息U
g
(i)，利用机载ADS
‑
B OUT在广播时刻t向子空域g内广播飞行态势信息U
g
(i)
t
；
[0007]步骤3，将步骤2中广播出去的ADS
‑
B信息，通过子空域g内负责ADS
‑
B信息接收的地面基站BS
g
接收；
[0008]步骤4，将步骤3中地面基站BS接收到的ADS
‑
B信息发送给管制中心；
[0009]步骤5，将步骤4中发送给管制中心的信息，按照无人机的编号把航迹数据进行按ADS
‑
B广播时刻的先后按序存储为无人机航迹DU
g
(i)等待后续预测监视；
[0010]步骤6，将子空域g内已存储的无人机航迹数据集作为训练数据进行训练得到预测航迹模型Pre1；
[0011]步骤7，将步骤6中得到的预测模型Pre1，并使用已接收的无人机航迹DU
g
(i)的数据对Pre1进行训练并更新得到预测模型Pre2；
[0012]步骤8，取步骤7中的预测模型Pre2，对待预测航迹进行预测得到未来两个广播时
刻t+1和t+2的预测数据；
[0013]步骤9，在广播时刻t+1，取预测模型Pre2，对待预测航迹进行预测得到未来两个广播时刻t+2和t+3的预测数据；如此重复进行预测直到航迹结束。
[0014]每架无人机的飞行数据U＝(Lat，Lon，Alt)，其中Lat为纬度，Lon为经度，Alt为高度。
[0015]子空域g内无人机i通过4颗GPS卫星进行定位得到当前时刻t无人机i的位置信息。
[0016]步骤6中，训练得到预测航迹模型Pre1的具体方法为：
[0017]首先将管制中心已经存储的空域g内各无人机航迹数据作为模型的初始训练集；
[0018]在将数据输入LSTM模型训练之前进行ADS
‑
B数据的预处理，采用的方法是均值归一化：
[0019][0020][0021][0022]其中，和分别为输入航迹纬度，经度和高度的均值，和分别为输入航迹纬度，经度和高度的标准差，Lat
g
(i)
t
，Lon
g
(i)
t
，Alt
g
(i)
t
分别为无人机i在t时刻纬度，经度和高度，分别为无人机i在t时刻纬度，经度和高度经过均值归一化后的数据；将经过均值归一化后的无人机航迹数据航迹数据和输入到训练模型中进行训练得到相对应的归一化预测航迹数据测航迹数据和归一化纬度、经度和高度的预测值与归一化输入数据的差值分别为数据的差值分别为和
[0023][0024][0025][0026]多维度MSE函数：
[0027][0028]其中，n为模型中无人机航迹点的数量；
[0029]利用梯度反向传播的方法实现α的最小化，
[0030]每次训练过程中随机选取一个广播时刻作为模型训练数据的起点，然后将包括起点在内的n个连续的航迹点作为模型的输入数据，输入数据之后的2个广播时刻的航迹点作为预测数据，训练结束后得到初始低空空域无人机航迹预测模型Pre1。
[0031]与现有技术相比，本专利技术具有以下优点：
[0032]本专利技术充分利用了ADS
‑
B在获取无人机飞信态势信息中的灵活性与实时性优势。
ADS
‑
B是应用在通航飞机上的一种通用位置信息获取手段，具有信息更新频率快，建站成本低，定位精度高等技术优势。在该专利技术中，我们利用ADS
‑
B作为无人机的定位数据源，因此，地面基站对无人机飞行状态的实时性掌控能力将得到提高。
[0033]本专利技术充分利用LSTM在处理时序数据时，性能相较于其他神经网络具有更好的精度和善于学习到时序数据间的隐藏关系。并且在学习完训练集后，相较于直接对新获取的航迹数据利用模型进行预测，循环利用LSTM对模型进行新一轮的更新，在整个预测过程中实现模型的自适应修正，大大提高了预测模型对被跟踪无人机航迹的预测精度，优化了系统性能。
附图说明
[0034]图1为本专利技术中低空空域内基于ADS
‑
B的无人机航迹监视系统组成；
[0035]图2为本专利技术中所提出的算法流程图；
[0036]图3为低空空域内基于ADS
‑
B的无人机航迹监视系统内真实航迹与预测航迹对比示意图；
[0037]图4为图3中被跟踪无人机航迹的三维平均航迹预测误差。
[0038]图5为本专利技术中提出的算法与其他机器学习算法的预测误差对比。
[0039]图6为图5中各测试集使用本专利技术提出的算法与其他机器学习算法的预测误差对比。
具体实施方式
[0040]下面结合说明书附图和实施例对本专利技术技术方案做进一步的详细说明，本专利技术的实施方式包括但不限于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低空无人机监视和航迹预测方法，其特征在于：包括以下步骤：步骤1，将空域划分为若干子空域，子空域由一个总控制站进行无人机监视，每个子空域配备有一个ADS
‑
B地面基站，每个子空域中有n架无人机，子空域g内无人机i通过若干颗GPS卫星进行定位得到当前时刻t无人机i的位置信息；步骤2，将步骤1中无人机i接收到的位置信息U
g
(i)，利用机载ADS
‑
B OUT在广播时刻t向子空域g内广播飞行态势信息U
g
(i)
t
；步骤3，将步骤2中广播出去的ADS
‑
B信息，通过子空域g内负责ADS
‑
B信息接收的地面基站BS
g
接收；步骤4，将步骤3中地面基站BS接收到的ADS
‑
B信息发送给管制中心；步骤5，将步骤4中发送给管制中心的信息，按照无人机的编号把航迹数据进行按ADS
‑
B广播时刻的先后按序存储为无人机航迹DU
g
(i)等待后续预测监视；步骤6，将子空域g内已存储的无人机航迹数据集作为训练数据进行训练得到预测航迹模型Pre1；步骤7，将步骤6中得到的预测模型Pre1，并使用已接收的无人机航迹DU
g
(i)的数据对Pre1进行训练并更新得到预测模型Pre2；步骤8，取步骤7中的预测模型Pre2，对待预测航迹进行预测得到未来两个广播时刻t+1和t+2的预测数据；步骤9，在广播时刻t+1，取预测模型Pre2，对待预测航迹进行预测得到未来两个广播时刻t+2和t+3的预测数据；如此重复进行预测直到航迹结束。2.根据权利要求1所述的一种低空无人机监视和航迹预测方...

【专利技术属性】
技术研发人员：董超，张仪凡，贾子晔，张磊，吴启晖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：