基于误差修正NLSTM神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景.无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势.首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究.接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆(ENLSTM)神经网络预测模型.ENLSTM在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高.最后使用BP、RNN、LSTM和ENLSTM四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论:循环神经网络相对BP神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM模型对于无人机的航迹预测具有更好的效果.