基于LSTM的Encoder-Decoder多步轨迹预测技术

摘要

针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP).引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹.构造输入输出的轨迹数据对,将预测问题转化为有监督学习问题,研究多步预测过程中模型性能的变化,实现端到端的轨迹预测.仿真结果表明,该方法能够从历史轨迹数据中提取更多的轨迹特征,在多步轨迹预测中具有明显的优势.与KFTP和HMMTP算法相比,EDMTP的误差增长率分别同比下降了2.18％和3.52％,取得了较好的轨迹预测效果.