【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及無人機位置預(yù)測，具體的是基于可信ukf-bilstm的無人機位置預(yù)測方法及系統(tǒng)。
技術(shù)介紹
1、當(dāng)無人機在進行工作時，不可避免地會受到外界環(huán)境的影響，這類如風(fēng)、氣旋等因素會導(dǎo)致無人機的運動軌跡產(chǎn)生偏離。這類偏離會對無人機正常的飛行、工作產(chǎn)生一定的影響。
2、在利用kalman濾波對無人機進行跟蹤和預(yù)測過程中，由于各種外界環(huán)境的影響，無法對無人機的位置變化進行精確的建模，同時，無人機的運動為非線性運動，需要近似化技術(shù)進行處理，這些都會導(dǎo)致無人機的位置變化模型與實際模型不匹配，嚴重影響濾波器的性能。
3、現(xiàn)有的針對該現(xiàn)象的算法大多是利用自適應(yīng)技術(shù)對不準(zhǔn)確的模型參數(shù)進行估計。但是，這些估計的方法往往只能對單一的不準(zhǔn)確參數(shù)進行估計，如sage-husa濾波在對過程噪聲和測量噪聲協(xié)方差進行同時估計時不可避免地會產(chǎn)生發(fā)散的現(xiàn)象，很大程度上限制了模型參數(shù)估計的效果。同時，大部分自適應(yīng)濾波的可解釋性較差，不能從模型層面準(zhǔn)確說明如何對模型匹配性進行提高，且無法對模型的匹配性進行準(zhǔn)確的量化。
4、現(xiàn)如今，隨著對天空探索的不斷深入，無人機的預(yù)測算法也在迅速發(fā)展，通過對無人機進行精確的跟蹤和預(yù)測，是無人機順利完成任務(wù)的重要保障，所以目前研究無人機位置預(yù)測的熱潮仍在持續(xù)，期望能夠進一步提升預(yù)測精度。
技術(shù)實現(xiàn)思路
1、為解決上述
技術(shù)介紹
中提到的不足，本專利技術(shù)的目的在于提供基于可信ukf-bilstm的無人機位置預(yù)測方法及系統(tǒng)。
2、第一方面，本
3、獲取無人機位置數(shù)據(jù)，將無人機位置數(shù)據(jù)輸入至預(yù)先建立的bilstm模型內(nèi)進行訓(xùn)練，輸出得到無人機位置變化模型；
4、獲取無人機位置的觀測值，將無人機位置的觀測值輸入至無人機位置變化模型內(nèi)對無人機位置變化進行預(yù)測，輸出得到無人機位置預(yù)測結(jié)果。
5、結(jié)合第一方面，在第一方面的某些實現(xiàn)方式中，該方法還包括：所述無人機位置數(shù)據(jù)的采集過程包括：
6、配備支持rtk技術(shù)的無人機和地面參考站，地面參考站作為rtk系統(tǒng)的固定基準(zhǔn)點。
7、對rtk基站進行設(shè)置，通過無線電或網(wǎng)絡(luò)將無人機上的rtk接收器與基站鏈接，實現(xiàn)設(shè)備間的通信。
8、在無人機飛行過程中，位置數(shù)據(jù)和其他傳感器數(shù)據(jù)會保存在無人機的內(nèi)部存儲器中，或通過無線傳輸實時傳送至地面站進行存儲。
9、結(jié)合第一方面，在第一方面的某些實現(xiàn)方式中，該方法還包括：所述將無人機位置數(shù)據(jù)輸入至預(yù)先建立的bilstm模型內(nèi)進行訓(xùn)練，輸出得到無人機位置變化模型的計算公式如下：
10、xi,k|k-1＝bilstm(xi,k-1)
11、式中，xi,k-1為k-1時刻的sigma采樣點，xi,k|k-1為非線性傳遞后的xi,k-1。
12、結(jié)合第一方面，在第一方面的某些實現(xiàn)方式中，該方法還包括：所述將無人機位置的觀測值輸入至無人機位置變化模型內(nèi)對無人機位置變化進行預(yù)測的過程：
13、非線性傳遞：
14、
15、由和進行sigma采樣得到xi,k-1：
16、
17、sigma點集經(jīng)過非線性傳遞后的結(jié)果如下：
18、
19、更新濾波增益、估計值和誤差協(xié)方差：
20、
21、
22、式中，采樣點數(shù)為2n+1，為濾波器計算誤差協(xié)方差，為計算測量誤差協(xié)方差，ω為慣性權(quán)重，為濾波器假設(shè)的過程噪聲協(xié)方差；λ為比例因子；h(·)為量測函數(shù)；k為增益矩陣；為先驗誤差測量誤差互協(xié)方差。
23、結(jié)合第一方面，在第一方面的某些實現(xiàn)方式中，該方法還包括：可信度求解過程和公式如下：
24、
25、可信度被設(shè)置為：
26、
27、將損失函數(shù)設(shè)置為
28、第二方面，為了達到上述目的，本專利技術(shù)公開了基于可信ukf-bilstm的無人機位置預(yù)測系統(tǒng)，包括：
29、模型訓(xùn)練模塊，用于獲取無人機位置數(shù)據(jù)，將無人機位置數(shù)據(jù)輸入至預(yù)先建立的bilstm模型內(nèi)進行訓(xùn)練，輸出得到無人機位置變化模型；
30、位置預(yù)測模塊，用于獲取無人機位置的觀測值，將無人機位置的觀測值輸入至無人機位置變化模型內(nèi)對無人機位置變化進行預(yù)測，輸出得到無人機位置預(yù)測結(jié)果。
31、結(jié)合第二方面，在第二方面的某些實現(xiàn)方式中，該系統(tǒng)還包括：所述模型訓(xùn)練模塊無人機位置數(shù)據(jù)的采集過程包括：
32、配備支持rtk技術(shù)的無人機和地面參考站，地面參考站作為rtk系統(tǒng)的固定基準(zhǔn)點。
33、對rtk基站進行設(shè)置，通過無線電或網(wǎng)絡(luò)將無人機上的rtk接收器與基站鏈接，實現(xiàn)設(shè)備間的通信。
34、在無人機飛行過程中，位置數(shù)據(jù)和其他傳感器數(shù)據(jù)會保存在無人機的內(nèi)部存儲器中，或通過無線傳輸實時傳送至地面站進行存儲。
35、模型訓(xùn)練模塊將無人機位置數(shù)據(jù)輸入至預(yù)先建立的bilstm模型內(nèi)進行訓(xùn)練，輸出得到無人機位置變化模型的計算公式如下：
36、xi,k|k-1＝bilstm(xi,k-1)
37、式中，xi,k-1為k-1時刻的sigma采樣點，xi,k|k-1為非線性傳遞后的xi,k-1；
38、位置預(yù)測模塊將無人機位置的觀測值輸入至無人機位置變化模型內(nèi)對無人機位置變化進行預(yù)測的過程：
39、非線性傳遞：
40、
41、由和進行sigma采樣得到xi,k-1：
42、
43、sigma點集經(jīng)過非線性傳遞后的結(jié)果如下：
44、
45、更新濾波增益、估計值和誤差協(xié)方差：
46、
47、式中，采樣點數(shù)為2n+1，為濾波器計算誤差協(xié)方差，為計算測量誤差協(xié)方差，ω為慣性權(quán)重，為濾波器假設(shè)的過程噪聲協(xié)方差；λ為比例因子；h(·)為量測函數(shù)；k為增益矩陣；為先驗誤差測量誤差互協(xié)方差；
48、位置預(yù)測模塊可信度求解過程和公式如下：
49、
50、可信度被設(shè)置為：
51、
52、將損失函數(shù)設(shè)置為
53、在本專利技術(shù)的又一方面，為了達到上述目的，公開了一種終端設(shè)備，包括存儲器、處理器及存儲在存儲器中并能夠在處理器上運行的計算機程序，所述存儲器中存儲有能夠在處理器上運行的計算機程序，所述處理器加載并執(zhí)行計算機程序時，采用了如上所述的基于可信ukf-bilstm的無人機位置預(yù)測方法。
54、在本專利技術(shù)的另一方面，為了達到上述目的，公開了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有計算機程序，其特征在于，所述計算機程序被處理器加載并執(zhí)行時，采用了如上所述的基于可信ukf-bilstm的無人機位置預(yù)測方法。
55、本專利技術(shù)的本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于可信UKF-BiLSTM的無人機位置預(yù)測方法，其特征在于，方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于可信UKF-BiLSTM的無人機位置預(yù)測方法，其特征在于，所述無人機位置數(shù)據(jù)的采集過程包括：
3.根據(jù)權(quán)利要求2所述的基于可信UKF-BiLSTM的無人機位置預(yù)測方法，其特征在于，所述將無人機位置數(shù)據(jù)輸入至預(yù)先建立的BiLSTM模型內(nèi)進行訓(xùn)練，輸出得到無人機位置變化模型的計算公式如下：
4.根據(jù)權(quán)利要求1所述的基于可信UKF-BiLSTM的無人機位置預(yù)測方法，其特征在于，所述將無人機位置的觀測值輸入至無人機位置變化模型內(nèi)對無人機位置變化進行預(yù)測的過程：
5.根據(jù)權(quán)利要求4所述的基于可信UKF-BiLSTM的無人機位置預(yù)測方法，其特征在于，可信度求解過程和公式如下：
6.基于可信UKF-BiLSTM的無人機位置預(yù)測系統(tǒng)，其特征在于，包括：
7.根據(jù)權(quán)利要求6所述的基于可信UKF-BiLSTM的無人機位置預(yù)測系統(tǒng)，其特征在于，所述模型訓(xùn)練模塊無人機位置數(shù)據(jù)的采集過程包括：
8.一種終端設(shè)備
9.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有計算機程序，其特征在于，所述計算機程序被處理器加載并執(zhí)行時，采用了權(quán)利要求1至5中任一項所述的基于可信UKF-BiLSTM的無人機位置預(yù)測方法。
...【技術(shù)特征摘要】
1.基于可信ukf-bilstm的無人機位置預(yù)測方法，其特征在于，方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于可信ukf-bilstm的無人機位置預(yù)測方法，其特征在于，所述無人機位置數(shù)據(jù)的采集過程包括：
3.根據(jù)權(quán)利要求2所述的基于可信ukf-bilstm的無人機位置預(yù)測方法，其特征在于，所述將無人機位置數(shù)據(jù)輸入至預(yù)先建立的bilstm模型內(nèi)進行訓(xùn)練，輸出得到無人機位置變化模型的計算公式如下：
4.根據(jù)權(quán)利要求1所述的基于可信ukf-bilstm的無人機位置預(yù)測方法，其特征在于，所述將無人機位置的觀測值輸入至無人機位置變化模型內(nèi)對無人機位置變化進行預(yù)測的過程：
5.根據(jù)權(quán)利要求4所述的基于可信ukf-bilstm的無人機位置預(yù)測方法，其特征在于，可信度求解過程和公式如下...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：葛泉波，陳宇航，
申請(專利權(quán))人：南京信息工程大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。