基于 RNN 增强 IMM-KF 与 ADS-B 数据的无人机轨迹跟踪
系统与控制
2023-12-27 v1 系统与控制
摘要
随着自主无人机 (UAV) 使用的增加，确保持续跟踪和控制它们至关重要，特别是当无人机在地面站 (GSs) 的通信范围之外运行时。传统的无人机监视方法，如卫星通信、地面移动网络和雷达，受到高成本和延迟的限制。自动相关监视广播 (ADS-B) 凭借其实时能力、易于部署和成本 affordable 等优势，成为一种很有前景的无人机监视方法。因此，我们在本工作中采用 ADS-B 进行无人机轨迹跟踪。然而，传输数据中固有的噪声为精确跟踪无人机构成了障碍。为此，我们提出了循环神经网络增强的交互式多模型卡尔曼滤波 (RNN-enhanced IMM-KF) 算法用于无人机轨迹滤波。具体而言，该算法利用 RNN 捕捉无人机的机动行为和 ADS-B 数据中的噪声水平。此外，在 RNN 的辅助下，通过自适应调整 IMM-KF 的过程噪声矩阵和观测噪声矩阵，实现了准确的无人机跟踪。所提出的算法有助于地面站在无人机轨迹偏离时及时做出决策，并提高空域安全。最后，通过综合仿真，与传统 IMM-KF 相比，所提出算法的总均方根误差降低了 28.56%。
引用
@article{arxiv.2312.15721,
title = {UAV Trajectory Tracking via RNN-enhanced IMM-KF with ADS-B Data},
author = {Yian Zhu and Ziye Jia and Qihui Wu and Chao Dong and Zirui Zhuang and Huiling Hu and Qi Cai},
journal= {arXiv preprint arXiv:2312.15721},
year = {2023}
}