空军工程大学学报

作者：王堃1，周志崇2，曲凯2，曹明松2，胡延达3

单位：1.93886部队, 乌鲁木齐, 830001；2. 空军工程大学空管领航学院, 西安, 710051；3. 陕西师范大学计算机科学学院，西安，710119\

关键词：航迹预测;注意力机制;卷积神经网络;循环神经网络

基于数学模型或统计模型的传统航迹预测方法存在一定的局限性，无法满足现代航空领域对于高效、准确、实时的航迹预测需求。针对此问题，提出基于注意力机制的CNN-LSTM模型的实时航迹预测方法。该模型首先使用一维卷积对航迹数据的多维度特征进行提取，从而减少输入特征的数量。其次利用获取的多维度时序数据作为LSTM的输入，通过LSTM提取上下文的信息。最后使用注意力机制为LSTM中不同时序节点的输出赋予权重，达到聚焦关键航迹信息的作用。经过实验验证：本文的模型与LSTM模型和CNN-LSTM模型相比，预测出的路径更接近真实航迹；文中的模型比LSTM模型的平均预测误差降低了29.7%，比CNN-LSTM模型降低了25.4%。综上所述，文中方法可以显著提高航迹预测的精度。

来源：2023年第6期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2023年第6期