CN116993778B 一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方法 （西北工业大学）

一种基于时间序列智能平滑的高速机动目本发明涉及一种基于时间序列智能平滑的方法通过设计的多尺度航迹平滑模块和Transformer神经网络时序预测进一步获取目标2建立机动目标运动模型与量测模型分别获取机动目标的真值航迹和设计多尺度移动平均模块对量测航迹进行平滑处理；所述多尺度移动平均模块具体x构建神经网络，将平滑和拟合后的量测航迹作为神经网络采用训练好的神经网络对量测航迹进行实时预测并进行2.根据权利要求1所述的一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方速直线运动CA三种运动模型航迹库并将其随机组合来模拟真实机动目3.根据权利要求1所述的一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方4.根据权利要求1所述的一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方式中，.X表示K个时刻的TFoT拟合航迹；表示对应K个时刻的真值航迹，分别表示量测航迹中的最小值和最大值，分别表示归一化处理后的35.根据权利要求1所述的一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方使用多头自注意力机制捕捉序列元素之间的依赖关系来对目标航在编码器子模块中加入残差连接和层归一化改善网络并通过前馈神经网络增强模型通过维度调整全连接网络和双向LSTM组成的解码器进一步获取目标6.根据权利要求1所述的一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方表示将最新采样时刻的状态估计更新至总航迹状态估计中；表示神经网络对第k7.一种权利要求1所述的基于时间序列智能平滑的高速机动目标跟踪误差补偿方法的9.一种计算机可读存储介质，其特征在于存储有4[0003]文献“Jointsmoothingandtrackingbasedoncontinuous_timetargettrajectoryfunctionfitting”首次提出连续时间轨迹函数(TrajectoryFunctionof较大噪声量测影响和精确填补相邻采样间隔间的目标航迹是本发明的主[0005]针对现有经典方法严重依赖于目标运动的精确先验知识和TFoT受限于观测噪声[0007]一种基于时间序列智能平滑的高速机动目标跟踪误差补偿方法，其特征在于包5速圆周运动CT和匀加速直线运动CA三种运动模型航迹库并将其随机组合来模拟真实机动[0028]在编码器子模块中加入残差连接和层归一化改善网络并通过前馈神经网络增强[0029]通过维度调整全连接网络和双向LSTM组成的解码器进一步获取目标状态的精确[0031]⃞.x=Model(z.x)6方法旨在基于TFoT目标跟踪方法通过设计的多尺度航迹平滑模块和Transformer神经网络高精度的实时跟踪，其利用多尺度航迹平滑模块能够显著消除噪声对运动轨迹拟合的影响，同时借助Transformer的自注意力机制提取观测序列的全局特征来实现TFoT目标跟踪[0048]在时间序列长时预测中，目标运动趋势建模和季节性建模是该领域研究的重7取航迹的更精确状态估计。深度学习在自然语言处理和计算机视觉领域取得了巨大成功，带有自注意力机制的Transformer由于其强大的序列建模能力被认为是最具潜力的模型架构而被深入研究，本发明基于Transformer设计了合理的目标运动时序特征提取和精确估[0051]采用基于状态空间模型的二维航迹生成方法来构建匀速直线运动(ConstantVelocity，CV)、匀速圆周运动(ConstantTurn，CT)和匀加速直线运动(ConstantK个采样时刻真值航迹和量测航迹数据对作为单条训练数据对。机动目标运动模型与量测8t[0070]选取多项式阶次为1来拟合相应时间窗的航迹，通过最小化拟合残差估计系数参数λ:[0072]式中，j=h(F(t;》));|λ|是正则项；ρ是正则参数。通过确定的连续时间轨迹函[0074]对经过上述步骤处理后的真值航迹与量测航迹组成的训练数据对进行归一化处[0082]步骤5_2：使用多头自注意力机制捕捉序列元素之间的依赖关系来对目标航迹全9y)(13)[0086]步骤5_3：在编码器子模块中加入残差连接和层归一化改善网络并通过前馈神经[0087]残差连接主要解决当网络很深时误差向后传递会越来越弱的问题，如图3中编码[0089]步骤5_4：通过维度调整网络和双向LSTM组成的解码器进一步获取目标状态的精[0090]维度调整网络为简单的全连接网络以调整编码器输出的维度来适应双向LSTM的度调整网络和双向LSTM组成的解码器能够进一步提高模型对于时间序列的表达能力和泛围15s≤tsingle≤25s，航迹初始位置ini_po围_10°≤turn_rate≤10°,位置过程噪声标准差和速度过程噪声标准差pos_pnsd＝10m，[0104]步骤2：使用多尺度移动平均模块平滑量测航迹并用TFoT目标跟踪方法进行运动[0105]多尺度移动平均模块参数设置滑窗步长stride＝1，设置平滑窗口大小kernel_[0108]步骤3_1：按照对应的量测航迹的最大最小值作为尺度归一化处理TFoT状态估计多头注意力数设置为num_head＝8，前馈神经网络参数设置为input_size＝128，output_标观测航迹值采用本发明提出的方法得到目标状态的精确估计，并实时更新获取完整航括多项式时间轨迹函数拟合(拟合阶次分别为一阶和二阶)和交互多模型(Intera