[发明专利]一种航空器位置预测的方法及装置

说明书

本发明实施例提供了航空器位置预测的方法及装置，包括：获取航空器的前k个时刻的位置数据，将前k个时刻的位置数据输入到神经网络NN1中，输出符合航空器当前运动状态的运动状态模型的模型类型，按照模型类型，使用前m+1个时刻的位置数据，计算运动状态模型的模型参数，得到运动状态模型，基于符合航空器当前运动状态的运动状态模型，计算下一时刻航空器可能处于的位置，作为航空器的位置预测值；应用本发明实施例，通过使用神经网络NN1快速准确地选择最合适的运动状态方程，解决了使用传统卡尔曼滤波算法时运动状态方程更新周期长的问题，使得航空监控系统能够准确地监视到航空器的位置信息。与现有技术相比，提高了航空器位置预测的准确度。

技术领域

本发明涉及航空器位置预测的技术领域，特别涉及一种航空器位置预测的方法及装置。

背景技术

随着运输业的发展和国民经济的增长，民用航空业也在蓬勃发展，使得国内通用航空飞行量不断增长，这就对全球范围航空器的位置监控提出了更高要求。一系列的航空事故都凸显航空器监视的紧迫性和必要性。

在航空器监视领域，一般会使用雷达测量航空器的位置，然后选择合适的滤波算法处理雷达数据，对航空器的未来位置进行预测，进而对航空器飞行活动进行监视和控制，保证飞行安全和有秩序飞行。

在目前的航空器监视系统中，一般采用卡尔曼滤波算法对雷达数据进行处理。其主要思想是根据当前时刻的测量值和预测值更新系统的状态矩阵，然后根据已更新的状态矩阵，通过计算预测下一时刻的航空器位置。

然而采用上述方法，当航空器在非匀速直线运动状态时，状态方程的更新需要相对较长的时间周期，导致在该周期内的航空器位置预测精度过低。

发明内容

本发明实施例的目的在于提供一种基于神经网络的航空器位置预测方法，使得航空监视系统能够对航空器的位置进行精准地预测。具体技术方案如下：

为了达到上述目的，本发明实施例提供了一种航空器位置预测方法，所述方法包括：

获得航空器的前k个时刻的位置数据；

将前k个时刻的所述位置数据输入到神经网络NN1中，输出符合所述航空器当前运动状态的运动状态模型的模型类型，其中，所述神经网络NN1为基于第一样本数据进行训练得到的，所述第一样本数据包括样本航空器的样本位置数据，以及所述样本航空器的与所述样本位置数据对应的已知运动状态模型；

按照所述模型类型，使用前m+1个时刻的位置数据，计算所述运动状态模型的模型参数，得到所述运动状态模型；

基于符合所述航空器当前运动状态的所述运动状态模型，计算下一时刻所述航空器可能处于的位置，作为所述航空器的位置预测值。

进一步的，所述位置预测值为第一阶段位置预测值；在所述计算下一时刻所述航空器可能处于的位置之后，还包括：

将所述第一阶段位置预测值输入到神经网络NN2中，输出偏移值，其中，所述神经网络NN2为基于第二样本数据进行训练得到的，所述第二样本数据包括样本航空器的样本第一阶段位置预测值，以及所述样本航空器的实际位置数据，所述样本第一阶段位置预测值为使用所述神经网络NN1对所述样本航空器进行位置预测得到的；

将所述偏移值与所述第一阶段位置预测值相加，得到所述航空器的位置预测结果。

进一步的，所述获得航空器的前k个时刻的位置数据，包括：

获得雷达测量得到的航空器的前k个时刻的原始位置数据，其中，所述原始位置数据为极坐标状态下的数据；

将前k个时刻所述航空器的所述原始位置数据，从极坐标状态下转化为大地直角坐标系状态下的数据，得到所述航空器的前k个时刻的位置数据。