一种基于Transformer编码器与LSTM的飞机轨迹预测方法

作     者：李明阳 鲁之君 曹东晶 曹世翔 LI Mingyang;LU Zhijun;CAO Dongjing;CAO Shixiang

作者机构：北京空间机电研究所北京100094 

出 版 物：《航天返回与遥感》 (Spacecraft Recovery & Remote Sensing)

年 卷 期：2024年第45卷第2期

页      面：163-176页

核心收录：

学科分类：07[理学] 08[工学] 0706[理学-大气科学] 

基　　金：国家自然科学基金(42271448)。 

主　　题：轨迹预测 Transformer编码器 神经网络 飞机目标 Transformer-Encoder-LSTM模型 

摘      要：为了解决飞机目标机动数据集缺失的问题,文章利用运动学建模生成了丰富的轨迹数据集,为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题,提出了一种结合Transformer编码器和长短期记忆网络(Long Short Term Memory,LSTM)的飞机目标轨迹预测方法,即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示,提高了模型能力。通过与一些经典神经网络模型进行对比分析,发现在数据集上,新方法的平均位移误差减小到0.22,显著优于CNN-LSTMAttention模型的0.35。相比其他网络,该算法能够提取复杂轨迹中的隐藏特征,在面对飞机连续转弯、大机动转弯的复杂轨迹时,能够保证模型的鲁棒性,提升了对于复杂轨迹预测的准确性。