本发明专利技术公开了一种飞行器航迹高缺失率下的填补方法和装置，方法包括：S1.提取包括时刻、经度、维度和高度的航迹数据；S2.将提取的航迹数据进行归一化；S3.将归一化的航迹数据与缺失模式进行匹配，匹配完成后按相同比例选取各缺失模式下的航迹数据作为航迹数据集，并按照比例将航迹数据集分为训练集、测试集和验证集；S4.向航迹缺失填补模型中输入缺失航迹，模型输出填补后的航迹数据，模型的确定过程为：构建包括带缺失标识的航迹嵌入模块、无损失特征编码模块和非对称航迹特征解码模块的航迹缺失填补模型，并根据训练集、测试集和验证集对航迹缺失填补模型进行训练。解决了对于高缺失率的航迹填补精度低且填补速度慢的不足。足。足。
【技术实现步骤摘要】
一种飞行器航迹高缺失率下的填补方法和装置
[0001]本专利技术涉及飞行器航迹数据缺失填补领域，尤其涉及一种飞行器航迹高缺失率下的填补方法和装置。
技术介绍
[0002]由于系统错误或其他故障，监视设备收集到的飞行位置通常在某些不同的时刻或连续的时间段丢失或无效。虽然ADS
‑
B设备的普及大大降低了空中交通中目标监测的难度，但由于经济或安全问题，它仍未能在许多发展中国家得到广泛应用。此外，ADS
‑
B设备的通信可靠性也一直是其应用的主要障碍之一。在实际应用中，由于飞行器航迹的缺失通常是连续的，因此在ATCSs中的监测设备的恢复非常困难，这给现有的插值方法带来了巨大的挑战。
[0003]基于深度学习的航迹填补方法一类是设计一种深层的神经网络结构，通过底层网络神经元组合提取成高层的抽象特征。此类方法大多还采用卷积神经网络作为骨干网络，以利用卷积神经网络固有的局部连接性和权值共享性大幅度地减小模型参数的规模。但是卷积神经网络特征感受不全和采用池化层使得特征丢失的问题难以避免。另一类生成模型类方法，该方法通过设置一个生成器用于生成填补航迹，再设置一个判别器用于判断填补航迹和真实航迹随机的输入。此类方法目前大多数的深度生成模型都是自回归的，即它们根据之前的航迹对当前时间步的值进行建模。然而，在航迹高缺失率的情况下，需要对长时间航迹序列进行建模，此类模型通常会出现累计误差，填补的航迹点的精度较低，难以满足实际需要。显然，受限于特征表示能力，现有的基于深度学习的航迹填补方法面临着性能不足的瓶颈，己无法应对日益复杂的空域环境与航空器的飞行运行模式。同时，由于传统自回归类模型，例如循环神经网络（Recurrent Neural Networks，RNN）和长短期记忆网络（Long Short
‑
Term Memory，LSTM）需要对输入的航迹点数据进行顺序处理，必须递归地处理每个输入航迹点，这会导致模型需要多次递归运算才能完成缺失航迹的填补工作，导致了较大的计算开销和较低的填补效率。此外，这些传统自回归类模型的设计通常较为复杂，意味着它们有更多的参数，进一步导致推理时间的增加。
技术实现思路
[0004]本专利技术的目的在于克服现有技术中所存在对于高缺失率的航迹填补精度低且填补速度慢的不足，提供一种飞行器航迹高缺失率下的填补方法和装置。
[0005]为了实现上述专利技术目的，本专利技术提供了以下技术方案：一种飞行器航迹高缺失率下的填补方法，包括以下步骤：S1.提取包括时刻、经度、维度和高度的航迹数据；S2.将提取的航迹数据进行归一化；S3.将归一化的航迹数据与缺失模式进行匹配，匹配完成后按相同比例选取各缺失模式下的航迹数据作为航迹数据集，并按照比例将航迹数据集分为训练集、测试集和验
证集；S4.向航迹缺失填补模型中输入缺失航迹，航迹缺失填补模型输出填补后的航迹数据，航迹缺失填补模型的确定过程为：构建包括带缺失标识的航迹嵌入模块、无损失特征编码模块和非对称航迹特征解码模块的航迹缺失填补模型，并使用步骤S3中的训练集、测试集和验证集对航迹缺失填补模型进行训练。
[0006]优选地，在步骤S1中，在提取包括时刻、经度、维度和高度的航迹数据时，先从ATC系统中提取航迹报文数据，对航迹报文数据进行解码，并对解码后的数据进行数据清洗。
[0007]优选地，在步骤S3中，缺失模式包括起飞缺失模式、平飞缺失模式、降落缺失模式和随机缺失模式。
[0008]优选地，在步骤S4中，带缺失标识的航迹嵌入模块包括块嵌入组件和缺失位置编码组件，块嵌入组件接收缺失航迹序列X并将其中的每个已知航迹点按照时间顺序组织为航迹矩阵T，航迹矩阵T经张量扁平化操作变为一个维度的列向量V并输入到全连接层，缺失航迹序列X转化为高维缺失航迹序列，缺失位置编码组件对已知和未知的航迹点分别加上不同的编码信息，缺失位置编码组件包括缺失标志编码器和固定位置编码器，缺失位置编码器给高维缺失航迹序列中的航迹点添加一维缺失标记编码，用公式描述为：，其中，为添加一维缺失标识编码后的航迹表示，，为一个维度为（L，（d+1））的向量空间，d代表高维缺失航迹序列的维度值，L为高维缺失航迹序列的长度，d和L均为正整数，固定位置编码器给高维缺失航迹序列中的航迹点添加固定位置编码，用公式描述为：，其中，代表固定位置编码矩阵中第i行，第2j列上的元素值，将和相加，用公式描述为：，其中，P为添加位置编码组件后的高维航迹向量，为与维度大小相一致的固定位置编码矩阵。
[0009]优选地，在步骤S4中，无损失特征编码模块包括N个Transformer Block，N≧2且为整数，用于从高维航迹向量P中学习航迹点的高维特征表示，用公式描述为：，其中，E代表从高维航迹向量P中学习的高维特征序列；
Transformer Block中包括多头组注意力组件、多层感知器和2个层标准化。
[0010]优选地，在步骤S4中，E与固定位置编码的元素相加，并将结果传输给非对称航迹特征解码模块，用公式描述为：，其中，代表将E添加固定位置编码特征后的高维特征序列。
[0011]优选地，非对称航迹特征解码模块与无损失航迹特征编码模块相互独立，并且二者内部神经参数大小和模块大小均不同，非对称航迹特征解码模块包括1个Transformer Block和1个多层感知器，Transformer Block对采用全局自注意力机制，解码生成完整航迹的高维特征表示序列；多层感知器对生成的完整航迹高维特征表示序列进行降维处理，以映射到低维的特征向量空间后进行特征重组，最终输出完整的航迹序列。
[0012]优选地，在步骤S4中，采用损失函数、自监督训练方法和Adam优化器进行模型训练，损失函数在不同的缺失模式下，计算损失采用的航迹点不同，损失函数的计算公式如下：，其中，为第i个航迹点的第j个元素的真实值，为第i个航迹点的第j个元素的模型输出值，元素指的是经度、维度和高度，H为航迹缺失填补模型按照缺失模式取的航迹点总个数，为正整数，M为每个航迹点的元素个数，为常量3。
[0013]一种飞行器航迹缺失填补装置，包含至少一个处理器和至少一个与处理器通信连接的存储器，所述存储器存储有被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行所述方法的任意步骤。
[0014]与现有技术相比，本专利技术的有益效果：1.本专利技术通过构建包括带缺失标识的航迹嵌入模块、无损失特征编码模块和非对称航迹特征解码模块的航迹缺失填补模型，对缺失的航迹点进行填补，解决了填补的航迹点的精度低，不满足实际需要的问题；2.带缺失标识的航迹嵌入模块中的缺失位置编码组件对已知和未知的航迹点，分别加上不同的编码信息，以此充分利用先验知识，使得模型尽可能的恢复未知的航迹信息，提高了航迹填补精度；3.无损失特征编码模块包括多头组注意力组件、多层感知器和2个层标准化不包括池化层，避免了因采用池化层带来的航迹点特征丢失的问题，进一步提高了航迹填补精度；4.非对称本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种飞行器航迹高缺失率下的填补方法，其特征在于，包括以下步骤：S1.提取包括时刻、经度、维度和高度的航迹数据；S2.将提取的航迹数据进行归一化；S3.将归一化的航迹数据与缺失模式进行匹配，匹配完成后按相同比例选取各缺失模式下的航迹数据作为航迹数据集，并按照比例将航迹数据集分为训练集、测试集和验证集；S4.向航迹缺失填补模型中输入缺失航迹，航迹缺失填补模型输出填补后的航迹数据，航迹缺失填补模型的确定过程为：构建包括带缺失标识的航迹嵌入模块、无损失特征编码模块和非对称航迹特征解码模块的航迹缺失填补模型，并使用步骤S3中的训练集、测试集和验证集对航迹缺失填补模型进行训练。2.根据权利要求1所述的一种飞行器航迹高缺失率下的填补方法，其特征在于，在步骤S1中，在提取包括时刻、经度、维度和高度的航迹数据时，从ATC系统中提取航迹报文数据，对航迹报文数据进行解码，并对解码后的数据进行数据清洗。3.根据权利要求1所述的一种飞行器航迹高缺失率下的填补方法，其特征在于，在步骤S3中，缺失模式包括起飞缺失模式、平飞缺失模式、降落缺失模式和随机缺失模式。4.根据权利要求3所述的一种飞行器航迹高缺失率下的填补方法，其特征在于，在步骤S4中，带缺失标识的航迹嵌入模块包括块嵌入组件和缺失位置编码组件，块嵌入组件接收缺失航迹序列X并将其中的每个已知航迹点按照时间顺序组织为航迹矩阵T，航迹矩阵T经张量扁平化操作变为一个维度的列向量V并输入到全连接层，缺失航迹序列X转化为高维缺失航迹序列，缺失位置编码组件对已知和未知的航迹点分别加上不同的编码信息，缺失位置编码组件包括缺失标志编码器和固定位置编码器，缺失位置编码器给高维缺失航迹序列中的航迹点添加一维缺失标记编码，用公式描述为：，其中，为添加一维缺失标识编码后的航迹表示，，为一个维度为（L，（d+1））的向量空间，d代表高维缺失航迹序列的维度值，L为高维缺失航迹序列的长度，d和L均为正整数，固定位置编码器给高维缺失航迹序列中的航迹点添加固定位置编码，用公式描述为：，其中，代表固定位置编码矩阵中第i行，第2j列上的元素值，将和相加，用公式描述为：，其中，P为添加位置编码组件后的高维航迹向量，为...
【专利技术属性】
技术研发人员：黄国新，林毅，郭东岳，杨红雨，韩云祥，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。