使用增强型CNN-LSTM网络的飞行轨迹预测
机器学习
2024-05-01 v1
摘要
针对近距离空战中战斗机高速、战术机动多样性以及态势变化瞬时性导致的飞行轨迹预测精度低的问题，本文提出一种增强型CNN-LSTM网络作为战斗机飞行轨迹预测方法。首先，我们使用CNN从战斗机轨迹数据中提取空间特征，使用社交池化模块聚合多架战斗机的空间特征以捕获轨迹中的地理信息和位置关系，并使用注意力机制捕获空战中突变的轨迹特征；随后，我们利用LSTM的记忆特性提取时间特征，以捕获轨迹中的长期时间依赖性；最后，融合时间和空间特征以预测敌机的飞行轨迹。大量仿真实验验证，与原始CNN-LSTM方法相比，所提方法在ADE和FDE指标上分别提高了32%和34%，从而提升了轨迹预测精度。
引用
@article{arxiv.2404.19218,
title = {Flight Trajectory Prediction Using an Enhanced CNN-LSTM Network},
author = {Qinzhi Hao and Jiali Zhang and Tengyu Jing and Wei Wang},
journal= {arXiv preprint arXiv:2404.19218},
year = {2024}
}