飞行器轨迹预测方法及装置、电子设备、存储介质与流程

本公开涉及飞行器轨迹预测，特别涉及一种飞行器轨迹预测方法及装置、电子设备、存储介质。

背景技术：

1、目前，飞行器短期轨迹预测技术可以分为目标跟踪和轨迹预测两个部分。目标的连续跟踪是轨迹预测的基础，常用的目标跟踪方法为卡尔曼滤波方法。由于目标跟踪问题属于非线性问题，故扩展卡尔曼滤波方法、无迹卡尔曼滤波方法等也被广泛应用。轨迹预测问题的实质是时间序列预测问题，目前常用的轨迹预测方法包括基于神经网络的方法、基于曲线拟合的方法等。

2、然而，基于神经网络的轨迹预测方法往往受限于训练样本规模，故在仅具有较少量测数据情况下其预测精度较低。基于曲线拟合的轨迹预测方法首先在连续跟踪的基础上采用双正弦和函数拟合目标的加速度，然后通过拟合曲线预测加速度信息，进而推导出未来时刻目标轨迹，这使得该方法不仅计算量大，过程也较为繁琐。

技术实现思路

1、本公开旨在至少解决现有技术中存在的问题之一，提供一种飞行器轨迹预测方法及装置、电子设备、存储介质。

2、本公开的一个方面，提供了一种飞行器轨迹预测方法，所述飞行器轨迹预测方法包括：

3、构建飞行器机动模型和探测系统量测模型；

4、基于所述飞行器机动模型和所述探测系统量测模型，采用扩展卡尔曼滤波算法对飞行器进行轨迹跟踪，得到对应的跟踪轨迹信息；

5、基于所述跟踪轨迹信息，采用切线法对所述飞行器进行轨迹预测。

6、可选地，所述飞行器机动模型表示为下式（1）：

7、（1）

8、其中， t为采样周期，为飞行器的机动频率， w( k)为 k时刻离散的白噪声序列，表示 k时刻飞行器的加速度均值， xk、 yk、 zk分别表示 k时刻飞行器在以雷达位置为原点的东北天坐标系下的x轴、y轴、z轴位置坐标，分别表示 xk、 yk、 zk的一阶导数，分别表示 xk、 yk、 zk的二阶导数， xk+1、 yk+1、 zk+1分别表示 k+1时刻飞行器的x轴、y轴、z轴位置坐标，分别表示 xk+1、 yk+1、 zk+1的一阶导数，分别表示 xk+1、 yk+1、 zk+1的二阶导数， e为数学常数， i3×3表示3×3的单位矩阵，表示元素均为0的3×3矩阵。

9、可选地，所述探测系统量测模型表示为下式（2）：

10、（2）

11、其中，表示量测向量；表示探测距离；表示高低角；表示方位角；分别表示雷达的距离测量噪声、高低角测量噪声、方位角测量噪声，且满足，表示高斯分布，表示高斯分布的标准方差。

12、可选地，所述基于所述飞行器机动模型和所述探测系统量测模型，采用扩展卡尔曼滤波算法对飞行器进行轨迹跟踪，得到对应的跟踪轨迹信息，包括：

13、利用下式（3）进行状态预测，其中，表示基于飞行器在 k-1时刻的状态预测得到的飞行器在k时刻的状态，表示状态一步预测方程，表示飞行器在k-1时刻的状态估计：

14、（3）；

15、利用下式（4）预测误差的自相关矩阵，其中，表示基于 k-1时刻误差的自相关矩阵预测得到的k时刻误差的自相关矩阵，表示 k-1时刻误差的自相关矩阵，是 k-1时刻状态噪声的自相关矩阵，表示状态转移矩阵：

16、（4）；

17、利用下式（5）确定滤波增益矩阵，其中，是 k时刻的滤波增益矩阵，是 k时刻量测噪声的自相关矩阵，表示 k时刻的量测矩阵：

18、（5）；

19、利用下式（6）进行状态估计，其中，表示估计得到的飞行器在k时刻的状态，表示飞行器在k时刻的量测值，表示飞行器在k时刻的量测估计值：

20、（6）；

21、利用下式（7）确定状态估计误差的自相关矩阵，其中，表示 k时刻状态估计误差的自相关矩阵， i表示单位矩阵：

22、（7）；

23、重复上式（3）至上式（7）对应的步骤，循环进行滤波计算。

24、可选地，所述基于所述跟踪轨迹信息，采用切线法对所述飞行器进行轨迹预测，包括：

25、基于所述跟踪轨迹信息，选取所述飞行器对应的机动目标轨迹的关键位置坐标；

26、采用简单移动平均法对所述关键位置坐标进行处理，得到简单移动平均后的位置坐标；

27、基于所述简单移动平均后的位置坐标，采用切线法进行目标短期轨迹预测。

28、可选地，所述基于所述简单移动平均后的位置坐标，采用切线法进行目标短期轨迹预测，包括：

29、基于所述简单移动平均后的位置坐标，分别计算所述飞行器对应的机动目标短期内的运动方向在x轴、y轴、z轴上的分量，得到所述机动目标在x轴、y轴、z轴上的切线斜率；

30、根据所述机动目标在x轴、y轴、z轴上的切线斜率，对所述机动目标进行短期轨迹预测。

31、可选地，所述根据所述机动目标在x轴、y轴、z轴上的切线斜率，对所述机动目标进行短期轨迹预测，包括：

32、选取所述机动目标的最新位置作为外推的初始点，以采样周期作为步长，根据下式（8）更新所述机动目标的位置，得到所述机动目标的当前位置：

33、（8）

34、其中， t为所述探测系统量测模型的采样周期； kx、 ky、 kz分别为所述机动目标在x轴、y轴、z轴上的切线斜率； xend、 yend、 zend分别为所述最新位置中的x轴、y轴、z轴坐标； xi、 yi、 zi分别为所述当前位置中的x轴、y轴、z轴坐标。

35、本公开的另一个方面，提供了一种飞行器轨迹预测装置，所述飞行器轨迹预测装置包括：

36、构建模块，用于构建飞行器机动模型和探测系统量测模型；

37、跟踪模块，用于基于所述飞行器机动模型和所述探测系统量测模型，采用扩展卡尔曼滤波算法对飞行器进行轨迹跟踪，得到对应的跟踪轨迹信息；

38、预测模块，用于基于所述跟踪轨迹信息，采用切线法对所述飞行器进行轨迹预测。

39、本公开的另一个方面，提供了一种电子设备，包括：

40、至少一个处理器；以及，

41、与至少一个处理器通信连接的存储器；其中，

42、存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前文记载的飞行器轨迹预测方法。

43、本公开的另一个方面，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现前文记载的飞行器轨迹预测方法。

44、本公开相对于现有技术而言，构建了飞行器机动模型和探测系统量测模型，采用扩展卡尔曼滤波方法实现了目标的轨迹跟踪，得到对应的跟踪轨迹信息，并在跟踪轨迹信息的基础上，使用切线法对飞行器进行轨迹预测，不仅提高了目标轨迹预测的计算效率，还简化了目标轨迹预测的流程，有效解决了目前高机动飞行器轨迹预测算法计算量大、过程繁琐的问题。