1 民航航空器适航审定技术重点实验室
2 安全科学与工程学院, 天津 300000
广播式自动相关监视(ADS-B)协议公开、无认证措施等特点, 使其易受消息修改攻击。首先,分析了攻击者攻击意图与攻击路径选择的关联性;然后, 为了应对通过1090ES链路、机载网络等实施的消息修改攻击, 提出了经特征处理的TriLSTM-SVDD模型进行欺骗数据检测。仿真结果表明, TriLSTM模型预测误差显著小于LSTM模型, TriLSTM-SVDD模型则以98.9%的准确率识别出0.01°的纬度值偏差、0.02°的经度值偏差和50 m的高度值偏差。
广播式自动相关监视(ADS-B) 异常检测 航迹预测 飞机防撞 Automatic Dependent Surveillance-Broadcast (ADS-B) anomaly detection trajectory prediction aircraft collision avoidance
1 海军工程大学, 武汉 430000
2 中国人民解放军92057部队, 广东 湛江 524000
针对船舶轨迹的历史轨迹相似性低、预测精度不高等问题, 基于序列到序列(Seq2Seq)模型提出一种轨迹预测算法——vSeq2Seq。首先, 用一阶差分法处理AIS数据, 降低时间依赖性, 减弱通信延迟产生的干扰, 突出船只运动规律; 然后, 采用滑窗法处理数据, 构建模型数据集, 通过Seq2Seq模型进行可变步长的轨迹预测。实验结果证明, vSeq2Seq算法能够从船只轨迹中提取出轨迹变化特征, 针对船只不同运动状态改变预测步长、灵活地进行预测, 对比传统LSTM模型和GRU模型, 预测精度有显著提升。
序列到序列 轨迹预测 可变步长 滑窗法 sequence to sequence trajectory prediction variable step sizes sliding window method
中国矿业大学信息与控制工程学院，江苏 徐州 221008
针对视频行人重识别中的目标行人大范围遮挡的问题，将具有时间关联性、不受遮挡影响的行人轨迹预测与行人重识别相结合，提出一种基于时空轨迹融合的遮挡视频行人重识别算法。首先，从时间与空间域出发，实现符合社会属性的精确行人轨迹坐标预测；其次，构建时空轨迹融合特征，将视频序列中的表观视觉特征与行人轨迹中的坐标数据有效结合，有效缓解查询集中遮挡问题对重识别性能造成的影响；最后，构建适用于所提算法的轨迹融合数据集MARS_traj，并通过实验证明所提算法对遮挡视频重识别性能的有效提升。
图像处理 机器视觉 视频行人重识别 目标遮挡 行人轨迹预测 激光与光电子学进展
2023, 60(10): 1010021
昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室，云南 昆明 650500
行人轨迹预测能够有效降低行人轨迹突变造成的碰撞风险，在智能交通及监控系统等领域有着广泛应用。目前已有的研究大多利用无向图卷积网络对行人间的社会交互关系进行建模，这种方法缺少对行人隐藏状态关联性的考虑，容易产生行人间的冗余交互。针对这一问题，提出一种基于注意力机制和稀疏图卷积的行人轨迹预测模型（DASGCN），通过构建深度注意力机制，捕捉行人间运动隐藏状态的关联性，从而准确地提取行人运动状态特征。进一步提出自调节稀疏方法，减小冗余信息带来的运动轨迹偏差，解决行人密集无向交互的问题。将所提模型在ETH和UCY数据集上进行验证，其平均位移误差（ADE）和最终位移误差（FDE）分别达到0.36和0.63。实验结果表明，DASGCN对行人轨迹的预测能力要优于传统算法。
图像处理 深度注意力 图卷积神经网络 轨迹预测 稀疏交互 激光与光电子学进展
2023, 60(10): 1010013
为提高航空器航迹预测的准确性, 考虑航路限制、成本指数以及航空器性能限制, 提出一种基于多目标约束的航空器下降段航迹预测方法。根据航空器性能数据、特征参数、航路限制及成本指数要求, 采用动力学理论动态分析并预测各航段多维状态数据。利用航空器数据记录器中的一条真实航迹的起飞、爬升和巡航数据预测优化其下降航迹。仿真结果表明, 对比真实航迹, 预测航迹及多维状态数据可随成本指数及航路的约束动态调整, 满足航路限制并提高了燃油利用率。
航迹预测 多目标约束 动力学分析 航路限制 燃油利用率 trajectory prediction multi-objective constraints dynamic analysis route restrictions fuel efficiency
1 中国科学院智能红外感知重点实验室，中国科学院上海技术物理研究所，上海 200083
2 中国科学院大学，北京 100049
3 国科大杭州高等研究院，浙江 杭州 310024
红外运动目标的轨迹预测在车辆、行人监控和天基遥感探测等军民用领域有着广泛的应用。当目标的相对运动速度较高时，受读出速率及积分时间固定的影响，传统全视场成像信息获取方法所得的目标轨迹点稀疏，难以满足目标轨迹预测的精度要求。针对以上问题，提出了一种基于动态开窗的快速运动目标信息获取方法。首先对观测区域进行全视场成像，捕获到运动目标后，对目标及其邻域开窗以提高成像帧频。通过分析探测场景辐射特性对系统工作参数的影响获取判别矩阵，实现开窗参数的动态调节，从而提升目标轨迹点密度。最后利用目标轨迹预测结果更新开窗位置以实现对单目标的全视场覆盖监测。实验结果表明，对于中波红外演示系统，与全视场成像信息获取方法相比，该方法将系统获取的目标轨迹点密度提高了16倍，系统轨迹预测精度提升了2.6倍，且所需的数据传输带宽降低了25%。该研究可为智能化红外感知系统的设计提供有益参考。
红外探测 动态开窗 快速运动目标 轨迹预测 infrared detection dynamic windowing(DW) fast moving targets trajectory prediction 红外与激光工程
2022, 51(3): 20210164
1 空军工程大学防空反导学院,西安 710000
2 中国人民解放军95835部队,新疆 马兰 741000
由于三维轨迹是一个具有连续性和交互性的复杂时间序列,因此,针对无人机飞行轨迹预测问题,结合深度学习理论特点,提出了一种基于双向门控循环单元的无人机飞行轨迹预测方法,进一步提高了轨迹信息的利用率。首先,建立无人机飞行动力模型,仿真获得不同状态的飞行轨迹样本; 其次,利用均方误差作为损失函数,确定了双向门控循环单元轨迹预测模型的隐藏层节点参数和迭代次数; 最后,利用Adamax算法对双向门控循环单元模型进行优化,实现了无人机飞行轨迹的预测。实验结果表明,双向门控循环单元模型在X,Y,Z轴方向上预测结果的平均绝对误差均在5.0 m内,且轨迹预测平均用时约4.2 ms,与循环神经网络、门控循环单元相比,其预测效果更佳,具有良好的应用价值。
无人机 轨迹预测 双向GRU 飞行仿真 时间序列 UAV trajectory prediction bidirectional GRU flight simulation time series
1 空军工程大学航空工程学院,西安 710038
2 中国人民解放军95974部队,河北 沧州 061000
针对传统态势评估方法只考虑当前时刻静止态势, 难以对整个空战态势情况进行评估和不具有预见性的局限, 提出了一种基于改进MGM(1,N)轨迹预测的态势评估方法。首先, 根据 MGM(1,N)预测模型难以描述变量间线性关系的不足, 建立了基于背景值优化的改进 MGM(1,N)预测模型; 然后建立了基于非参量法的空战态势优势模型, 用来定量描述各空战态势影响因素; 利用灰色关联度计算各指标权重, 考虑并建立了多时刻时序权重的计算方法。通过对实际空战数据进行仿真, 改进方法的预测精度好于传统MGM(1,N)方法, 态势评估结果不仅能够准确反映战场态势, 而且能够有效反映空战态势的变化趋势, 具备良好的预见性。
空战 态势评估 轨迹预测 背景值优化 优势函数 灰色关联度 air combat situation assessment trajectory prediction background value optimization dominant function grey correlation degree
辽宁工程技术大学软件学院, 辽宁 葫芦岛 125105
提出一种结合群体交互信息和个体运动信息的生成对抗网络GI-GAN。首先,利用编码层中的双向长短期记忆网络BiLSTM提取观测时段内所有行人自身的运动行为隐藏特征;其次,基于双注意力模块,计算与轨迹生成关联度较高的个体运动信息和群体交互信息;最后,利用生成对抗网络进行全局联合训练,获得反向传播误差和各层的合理网络参数,解码器利用已获取的上下文信息生成多条合理预测轨迹。实验表明,与S-GAN模型相比,GI-GAN模型的平均位移误差和绝对位移误差分别降低了8.8%和9.2%,并且预测轨迹具有更高的精度和合理多样性。
图像处理 行人轨迹预测 双注意力模块 生成对抗网络 双向长短期记忆网络 激光与光电子学进展
2020, 57(14): 141016
上海应用技术大学电气与电子工程学院, 上海 201418
为了改善差分灰狼预测算法的早熟收敛、搜索能力不均衡、容易陷入局部最优等问题,提出了一种改进的混合灰狼优化(HGWO)预测算法,可自适应改进和调整差分进化中的变异算子、交叉算子和变异策略。嵌入具有分类预测功能的支持向量机(SVM),同时引入莱维飞行全局搜索更新狼群位置,优化SVM核函数参数γ和惩罚因子C,构建了HGWO-SVM预测算法预测推焦车大车道内物体的运动轨迹。结果表明,与已有算法相比,该算法对行人、自行车、电瓶车、电动三轮车、大中小型四轮汽车的位置预测相对实际值的误差分别降低了4.21、4.14、7.91、2.03、25.53个百分点,预测时间减少了8.8~10 s。可以克服焦炉恶劣的环境影响,准确预测推焦车车道内运动对象的轨迹,为推焦车无人化运行提供主动安全的预测控制方法。
支持向量机 灰狼优化算法 差分进化 莱维飞行 目标跟踪 轨迹预测 激光与光电子学进展
2020, 57(12): 122801
