基于半监督学习与神经网络的飞行器轨迹预测系统技术方案

本发明专利技术公开了一种基于半监督学习与神经网络的飞行器轨迹预测系统，用于预测对抗环境中飞行器的运动轨迹，包括飞行器检测仪表、飞行器轨迹数据库、扩展卡尔曼滤波模块、数据预处理模块、飞行器轨迹分类模块、自主学习模块以及飞行器轨迹显示控制模块。本发明专利技术首先针对抗环境中飞行器轨迹数据带有的噪声干扰，利用扩展卡尔曼滤波进行消除，并做进一步的数据预处理；采用半监督学习算法将飞行器轨迹分类，应用跳跃连接长短时间记忆网络对每个不同类别的飞行器轨迹分别训练，降低了模型的复杂度，提高了预测的准确性。

【技术实现步骤摘要】

本专利技术涉及对抗环境飞行器轨迹预测领域、数据处理、深度学习领域，尤其涉及一种基于半监督学习与神经网络的飞行器轨迹预测系统。

技术介绍

1、在现代战争中，空军实力体现了一个国家的整体战斗实力，提升空军的作战能力对于维护我国国家安全至关重要。近十年来，随着人工智能的发展，无人作战飞行器的应用引起了各国的关注。具有自主对抗能力的无人战斗机具有观察、定向、决策和行动(ooda)环节。目标轨迹预测作为一个关键环节，发挥着重要的观测作用，为无人驾驶飞行器未来的自主决策提供了目标轨迹状态信息。战术机动轨迹预测是基于先验知识或历史轨迹特征信息，对目标在未来时刻的战术机动意图和轨迹状态信息进行预测。战术机动轨迹预测可分为两类：模型驱动方法和数据驱动方法。

2、模型驱动的机动轨迹预测方法基于一定的先验知识，根据目标的运动规律建立精确的动力学或运动学模型。基于动力学或运动学模型的轨迹预测方法要求较高的模型精度，但对目标的初始状态和模型参数非常敏感。模型驱动的机动轨迹预测方法一般采用卡尔曼滤波器(kf)或扩展卡尔曼滤波器(ekf)算法来刻画系统状态的递推规律。通常，本文档来自技高网...

【技术保护点】

1.一种基于半监督学习与神经网络的飞行器轨迹预测系统，其特征在于，该系统包括：飞行器检测仪表、飞行器轨迹数据库、扩展卡尔曼滤波模块、数据预处理模块、飞行器轨迹分类模块、自主学习模块以及飞行器轨迹显示控制模块。

2.根据权利要求1所述的基于半监督学习与神经网络的飞行器轨迹预测系统，其特征在于：数据预处理模块用以进行飞行器轨迹数据的预处理，采用如下过程完成：

3.根据权利要求1所述的基于半监督学习与神经网络的飞行器轨迹预测系统，其特征在于：飞行器轨迹分类模块用以进行轨迹分类，便于后续的模型训练与实时预测，采用如下过程完成：

4.根据权利要求1所述的基于半监...

【技术特征摘要】

1.一种基于半监督学习与神经网络的飞行器轨迹预测系统，其特征在于，该系统包括：飞行器检测仪表、飞行器轨迹数据库、扩展卡尔曼滤波模块、数据预处理模块、飞行器轨迹分类模块、自主学习模块以及飞行器轨迹显示控制模块。

2.根据权利要求1所述的基于半监督学习与神经网络的飞行器轨迹预测系统，其特征在于：数据预处理模块用以进行飞行器轨迹数据的预处理，采用如下过程完成：

3.根据权利要求1所述的基于半监督学习与神经网络的飞行器轨迹预测...

【专利技术属性】
技术研发人员：邝思威，张承龙，王飞，曹宇飞，魏然，赵强，罗天航，刘兴高，
申请(专利权)人：浙江大学，
类型：发明
国别省市：