[发明专利]基于循环神经网络的目标航迹预测方法

权利要求书

1.基于循环神经网络的目标航迹预测方法，其特征在于，包括以下步骤：

步骤1：对同一型号雷达不同场景下的量测点迹数据和跟踪航迹数据进行收集，剔除异常数据，形成雷达量测原始数据集，根据雷达海空探测类别，利用合作目标信息接收设备，收集舰船或飞机合作目标航迹，形成合作目标航迹原始数据集；

步骤2：采用时空多维一体可视化方法，对三类数据在同一张视图上显示，参考同时段同区域的合作目标航迹数据，比对量测点迹数据和跟踪航迹数据，人工修正或剔除雷达量测原始数据集中所有错误跟踪航迹数据；

步骤3：确定循环神经网络形式为一对一形式，一个输入对应一个输出，并基于简单循环神经网络、门限循环神经网络、长短记忆循环神经网络或引入注意力机制的增强循环神经网络，构建目标航迹预测循环神经网络；

步骤4：基于目标航迹时间位置信息，设定训练样本特征向量，对于雷达量测原始数据集和合作目标航迹原始数据集中每个目标航迹数据，分别进行训练样本求取、样本截取和序列头部添加开始标示数据处理，以生成雷达探测航迹训练集和合作目标航迹训练集，进一步通过标准化预处理，生成无量纲雷达探测航迹训练集和合作目标航迹训练集；

步骤5：采用循环神经网络训练方法，基于合作目标航迹训练集和雷达探测航迹训练集，对目标航迹预测循环神经网络进行训练优化，生成与雷达相匹配的目标航迹预测方法;

其中，步骤4具体包括：

步骤4.1：基于目标航迹时间位置信息，构建样本特征向量，求取目标航迹样本，一种合理的基本样本特征向量由相邻时刻航迹点的时间差、位置差、位置差除以时间差元素构成，而更复杂更高维的样本特征向量通过对基本样本特征向量进行非线性函数或核函数变换得到；

步骤4.2：为避免后续训练中可能存在的梯度弥散和爆炸问题，结合采用的循环神经网络结构，对目标航迹样本进行截取，并在得到的序列头部添加开始标示数据，生成最终的训练样本，其中开始标示数据维度与样本向量一致；

步骤4.3：基于雷达量测原始数据集和合作目标航迹原始数据集中目标航迹数据，按照步骤4.2训练样本求取方法，分别计算生成雷达探测航迹训练集和合作目标航迹训练集，并进一步进行标准化预处理，生成无量纲雷达探测航迹训练集和合作目标航迹训练集。

2.如权利要求1所述的基于循环神经网络的目标航迹预测方法，其特征在于，所述步骤1具体包括以下子步骤：

步骤1.1：对同一雷达或同一型号不同雷达在不同时段、不同区域，对不同目标的量测点迹数据和跟踪航迹数据进行收集，剔除异常数据，形成雷达量测原始数据集，用于雷达独有航迹预测特征学习；

步骤1.2：根据雷达海空探测类别，利用合作目标信息接收设备，大量收集舰船或飞机合作目标航迹数据，形成合作目标航迹原始数据集，用于目标共性航迹预测特征学习。

3.如权利要求1所述的基于循环神经网络的目标航迹预测方法，其特征在于所述步骤2具体包括以下子步骤：

步骤2.1：从雷达量测原始数据集中选取设定时段内量测点迹数据和跟踪航迹数据，同时从合作目标航迹原始数据集选取相同时段相同区域合作目标航迹数据；

步骤2.2：采用时空多维一体可视化方法，对三类数据进行联合显示，其中联合显示是指三类数据在同一张视图上进行显示，时空多维是指同时提供至少X方向-Y方向、时间-X方向、时间-Y方向三类视图，X方向、Y方向指雷达量测点迹数据和跟踪航迹数据所在同一直角坐标系的X方向和Y方向，一体是指多维视图存在联动，即选择任意视图中的一个量测点或航迹，在其他视图中相同量测点或航迹也要突出显示；

步骤2.3：基于多维视图，参考合作目标航迹数据，比对量测点迹数据和跟踪航迹数据，对错误跟踪航迹数据进行人工修正或剔除；

步骤2.4：按照步骤2.1~步骤2.3，对雷达量测原始数据集中所有跟踪航迹数据进行处理，确保雷达跟踪航迹正确无误。