基于LSTM-KF的无人机航迹跟踪算法

摘要

在量测信息有限的情况下,针对使用单一运动模型的卡尔曼滤波(KF)算法难以应对无人机航道跟踪的问题,提出了一种新颖的将长短期记忆网络(LSTM)和KF算法结合的LSTM-KF算法。首先,使用LSTM预测目标平均速度和瞬时速度的方法解决了非参数模型在位置预测任务中泛化能力差的问题。其次,分析了KF算法使用运动模型的预测局限性,提出利用LSTM的预测结果修正运动模型的预测结果的方法,来降低预测误差。修正后的预测结果与量测数据结合,实现对目标的状态估计。最后,将所提LSTM-KF算法在生成的轨迹上进行了验证,仿真结果证明,LSTM-KF算法比已有模型具有更高的跟踪精度和更强的鲁棒性。