一种基于小波变换的状态空间飞行器轨迹预测方法和系统

本说明书涉及轨迹预测领域，特别涉及一种基于小波变换的状态空间飞行器轨迹预测方法和系统。

背景技术：

1、空间轨迹预测是指对目标飞机在过去一段时间内的三维轨迹进行分析，进而预测其在未来一段时间内的飞行轨迹。在一些特殊飞行场景中，对于飞机的轨迹预测可以有效进行威胁评估、目标追踪、机动决策等关键任务，对目标飞机运动的精准预测对于一部分场景的应用起到重要作用。

2、飞机的轨迹预测方法在早期依赖空气动力学模型与状态估计算法，空气动力学模型通过对飞行器性能、状态、环境、意图等多方面影响，对飞机运动进行建模实现其轨迹预测；状态估计算法通过构造状态转移急诊估算飞机下一时刻的状态。然而这些方法建模参数数量庞大且预测长度受限，难以应用于真实环境。随着人工智能技术的兴起，深度神经网络开始应用于目标轨迹预测。此方向在发展初期使用各种序列模型如lstm、rnn、gru等进行轨迹预测，shi等人使用lstm神经网络构建了4d轨迹预测模型，相较于传统马尔可夫模型取得明显优势。sekhon等人使用具有注意力机制的lstm网络进行自主船只预测，该模型结合了空间和时间注意机制以及空间和时间权重，以便可以关注信息的不同区域。随着对轨迹预测长度与精度更高的要求，研究开始使用transformer模型进行长序轨迹预测。nguyen等人提出traisformer模型，通过对轨迹数据进行网格化嵌入获取更加有利于模型学习的数据表征并使用transformer网络进行迭代式船舶轨迹预测。guo等人针对民航轨迹预测任务提出flightbert模型，模型提出了一种称为属性相关性注意的新型注意块来明确捕获速度属性对相应位置维度的影响，提升transformer模型对轨迹属性信息的挖掘能力。

3、然而，现有技术仅考虑轨迹数据的时序信息而忽略数据中存在的有用频域信息，同时这些模型对于长轨迹的输入表征能力较弱，输出预测效果较差，在更长序列轨迹预测任务中仍会出现较大的预测失准现象。

技术实现思路

1、本说明书实施例之一提供一种基于小波变换的状态空间飞行器轨迹预测方法。所述基于小波变换的状态空间飞行器轨迹预测方法包括：

2、s1：获取目标飞行器原始轨迹的历史观测序列；

3、s2：通过离散小波变换提取所述历史观测序列的频域特征；

4、s3：构建状态空间预测模型并进行训练，所述状态空间预测模型由transformer编码器、mamba状态空间模块以及transformer解码器构成，将所述历史观测序列的频域特征输入训练好的状态空间轨迹预测模型，生成未来预测轨迹的频域特征；

5、s4：将所述未来预测轨迹的频域特征通过逆小波变换还原飞行器的轨迹序列，确定预测结果。

6、本说明书实施例之一提供一种基于小波变换的状态空间飞行器轨迹预测系统包括：

7、获取模块，用于获取目标飞行器原始轨迹的历史观测序列；

8、特征提取模块，用于通过离散小波变换提取所述历史观测序列的频域特征；

9、轨迹预测模块，用于构建状态空间预测模型并进行训练，所述状态空间预测模型由transformer编码器、mamba状态空间模块以及transformer解码器构成，将所述历史观测序列的频域特征输入训练好的状态空间轨迹预测模型，生成未来预测轨迹的频域特征；

10、确定模块，用于将所述未来预测轨迹的频域特征通过逆小波变换还原飞行器的轨迹序列，确定预测结果。

11、本说明书实施例之一提供一种基于小波变换的状态空间飞行器轨迹预测装置，包括处理器，所述处理器用于执行基于小波变换的状态空间飞行器轨迹预测方法。

12、本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行基于小波变换的状态空间飞行器轨迹预测方法。

技术特征：

1.一种基于小波变换的状态空间飞行器轨迹预测方法，其特征在于，包括：

2.如权利要求1所述的基于小波变换的状态空间飞行器轨迹预测方法，其特征在于，所述s2通过离散小波变换提取所述历史观测序列的频域特征，还包括：

3.如权利要求1所述的基于小波变换的状态空间飞行器轨迹预测方法，其特征在于，所述生成未来预测轨迹的频域特征的具体步骤包括：

4.如权利要求1所述的基于小波变换的状态空间飞行器轨迹预测方法，其特征在于，状态空间预测模型的训练包括：

5.一种基于小波变换的状态空间飞行器轨迹预测系统，其特征在于，包括：

6.一种基于小波变换的状态空间飞行器轨迹预测装置，包括处理器，所述处理器用于执行权利要求1～4中任一项所述的基于小波变换的状态空间飞行器轨迹预测方法。

7.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～4任一项所述的基于小波变换的状态空间飞行器轨迹预测方法。

技术总结
本发明公开了一种基于小波变换的状态空间飞行器轨迹预测方法，包括以下步骤：获取目标飞行器原始轨迹的历史观测序列；通过离散小波变换提取所述历史观测序列的频域特征；构建状态空间预测模型并进行训练，所述状态空间预测模型由Transformer编码器、Mamba状态空间模块以及Transformer解码器构成，将所述历史观测序列的频域特征输入训练好的状态空间轨迹预测模型，生成未来预测轨迹的频域特征；将所述未来预测轨迹的频域特征通过逆小波变换还原飞行器的轨迹序列，确定预测结果，本发明基于小波变换以及嵌入Mamba的Transformer模型，提高了轨迹预测在各维度上的预测速度以及预测结果的准确性。

技术研发人员：司旭,李明璐,郝海洋,周治丞,潘启迪,梁菁
受保护的技术使用者：电子科技大学
技术研发日：
技术公布日：2024/12/10