基于EMD-DESN的无人机集群航迹目的地预测

TN911.7; 无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测.为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,DESN)的UAV集群航迹目的地预测算法.为使集群运动模型更真实地模拟UAV集群作战过程,本文引入航向误差时变方差,改进了Olfati-Saber集群运动模型的虚拟领导项.为处理因群内的协同作用和集群航向误差导致的运动非平稳性,引入了EMD,对UAV航迹序列进行重构.考虑到获...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 1; pp. 290 - 299
Main Authors 薛锡瑞, 黄树彩, 韦道知, 吴建峰
Format Journal Article
LanguageChinese
Published 空军工程大学防空反导学院,陕西西安 710051 2024
Subjects
deep echo state network(DESN)
无人机集群
improved Olfati-Saber mode
目的地预测
经验模态分解
destination prediction
深度回声状态网络
改进Olfati-Saber模型
unmanned aerial vehicle(UAV)cluster
empirical mode decomposition(EMD)
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.01.33

Cover

More Information
Summary:TN911.7; 无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测.为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,DESN)的UAV集群航迹目的地预测算法.为使集群运动模型更真实地模拟UAV集群作战过程,本文引入航向误差时变方差,改进了Olfati-Saber集群运动模型的虚拟领导项.为处理因群内的协同作用和集群航向误差导致的运动非平稳性,引入了EMD,对UAV航迹序列进行重构.考虑到获知航迹的时序性,设计了滑窗结构,采用DESN对重构航迹的不同时段进行目的地预测.仿真实验结果表明,本文提出的EMD-DESN算法较基本DESN算法能以更高的准确度预测UAV集群航迹目的地,并能更早地实现稳定的正确预测.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.01.33