[发明专利]一种低空无人机监视和航迹预测方法

说明书

本发明提出了一种低空空域内的无人机监视方法并提供了一种低空无人机监视系统中基于LSTM的无人机航迹预测方法:RLSTM（Recurrent‑LSTM），属于航迹预测领域，其在通过无人机载ADS‑B OUT发送定位数据，地面基站的ADS‑B IN接收定位信息后将数据发送给数据处理中心，数据中心对得到的数据进行训练和预测，得到未来两个ADS‑B广播时刻的预测航迹，相比于传统的LSTM和RNN等算法具有更高的预测精度。本发明的技术方案中，利用RLSTM对无人机ADS‑B飞行数据进行训练和预测，在每一次预测过程中将之前已经接收到的航迹数据进行训练得到新的预测模型，并将预测结果发送给空管部门进行后于跟踪和预警。

技术领域

本发明属于无人机航迹预测领域，具体的说，涉及一种低空无人机监视和航迹预测方法。

背景技术

无人机当前正处在一个日趋繁荣的发展形式之中，在许多领域诸如植保、电力巡检和通信等场景中得到了广泛的应用。当前低空空域内无人机的数量越来越多，因此对无人机实行空中交通管制是无人机未来各种应用场景实现的必要基础。但是无人机的飞行轨迹复杂多变，且态势数据的获取手段十分有限，这给航迹预测带来了非常大的难度。为了解决以上难题，具有信息更新速度快、地面站建设成本低等突出优点，且大量应用于民航客机的位置信息获取的ADS-B是可选的技术手段之一。我们提出了许多的多方案来解决该问题，该发明也将解决低空无人机的跟踪和监视作为无人机管制中的着力点。

无人机载ADS-BOUT系统按照一定的时间间隔向所在空域广播自身的态势信息，这些信息按照时间顺序组成。LSTM在预测时序数据时由于其自身独特的结构，相比其他的神经网络具有更高的预测精度，可以记住更长时间步的特征信息。我们提出了一种基于ADS-B获取无人机飞行过程中三维定位数据的系统结构，并根据已有的无人机ADS-BOut广播的信息通过循环使用LSTM预测未来时间步的无人机飞行航迹趋势。

发明内容

本发明针对现有技术的不足，提供一种低空无人机监视和航迹预测方法，具体方案如下：一种低空无人机监视和航迹预测方法，包括以下步骤：

步骤1，将空域划分为若干子空域，子空域由一个总控制站进行无人机监视，每个子空域配备有一个ADS-B地面基站，每个子空域中有n架无人机，子空域g内无人机i通过若干颗GPS卫星进行定位得到当前时刻t无人机i的位置信息；

步骤2，将步骤1中无人机i接收到的位置信息U_g(i)，利用机载ADS-BOUT在广播时刻t向子空域g内广播飞行态势信息U_g(i)_t；

步骤3，将步骤2中广播出去的ADS-B信息，通过子空域g内负责ADS-B信息接收的地面基站BS_g接收；

步骤4，将步骤3中地面基站BS接收到的ADS-B信息发送给管制中心；

步骤5，将步骤4中发送给管制中心的信息，按照无人机的编号把航迹数据进行按ADS-B广播时刻的先后按序存储为无人机航迹DU_g(i)等待后续预测监视；

步骤6，将子空域g内已存储的无人机航迹数据集作为训练数据进行训练得到预测航迹模型Pre₁；

步骤7，将步骤6中得到的预测模型Pre₁，并利用新接收的无人机航迹DU_g(i)的数据对Pre₁进行训练并更新得到预测模型Pre₂；

步骤8，取步骤7中的预测模型Pre₂，对待预测航迹进行预测得到未来两个广播时刻t+1和t+2的预测数据；

步骤9，在广播时刻t+1，取预测模型Pre₂，对待预测航迹进行预测得到未来两个广播时刻t+2和t+3的预测数据；如此重复进行预测直到航迹结束。