基于时空图注意力网络的战斗机飞行轨迹预测
机器学习
2024-05-15 v1
摘要
快速准确地预测蓝方战斗机在近距空战中的飞行轨迹，有助于红方战斗机占据主导态势，这是后续空战的制胜因素。然而，由于先进战斗机的高速度乃至高超音速能力、战术机动的多样性以及态势转换的瞬时性，在预测精度方面难以满足实际作战应用的需求。为了提高预测精度，本文提出了一种使用编码器-解码器结构的时空图注意力网络（ST-GAT）来预测飞行轨迹。编码器采用嵌入多头自注意力机制的 Transformer 和 GAT 分支的并行结构。Transformer 分支网络用于提取历史轨迹的时间特征，并捕捉战斗机历史状态对未来轨迹的影响；而 GAT 分支网络用于提取历史轨迹的空间特征，并捕捉战斗机之间潜在的空间相关性。然后，我们将两个分支的输出拼接为一个新的特征向量，并将其输入到由全连接网络组成的解码器中，以预测蓝方战斗机的未来位置坐标。计算机仿真结果表明，与增强型 CNN-LSTM 网络（ECNN-LSTM）相比，所提出的网络显著提高了飞行轨迹的预测精度，在 ADE 和 FDE 指标上分别提升了 47% 和 34%，为后续自主作战任务提供了有力支持。
引用
@article{arxiv.2405.08034,
title = {Fighter flight trajectory prediction based on spatio-temporal graphcial attention network},
author = {Yao Sun and Tengyu Jing and Jiapeng Wang and Wei Wang},
journal= {arXiv preprint arXiv:2405.08034},
year = {2024}
}