期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于组稀疏卡尔曼滤波的多步轨迹预测方法
被引量：
5
1
作者
王娜
罗亮
+1 位作者
彭锟
张鑫海
《空军工程大学学报》
CSCD
北大核心
2023年第6期70-77,共8页
提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码,通过一次学习建立简单的多步线性回归预测模型,克服了传统方法未能充分利用历史数据而导致预测精度降低的问题;再利用最小角回归算法来计算该模型的稀疏系数,...
提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码,通过一次学习建立简单的多步线性回归预测模型,克服了传统方法未能充分利用历史数据而导致预测精度降低的问题;再利用最小角回归算法来计算该模型的稀疏系数,进一步改善模型系数估计的准确性;然后改进了卡尔曼滤波算法,并结合上述组稀疏编码算法,来确保预测结果的精确性;最后通过与传统BP、长短时记忆网络和组稀疏编码方法的仿真比较,验证了所提方法的有效性。
展开更多
关键词
多步轨迹预测
组稀疏编码
卡尔曼滤波
最小角回归
在线阅读
下载PDF
职称材料
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
2
作者
孙溪晨
李伟兵
+2 位作者
黄昌伟
付佳维
冯君
《兵工学报》
EI
CAS
CSCD
北大核心
2024年第S01期51-59,共9页
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimensi...
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimension Convolutional neural network-Long short-term memory-Attention, 1D CNN-LSTM-ATT)的一维轨迹多步超前预测模型。将所提模型与CNN-LSTM、LSTM模型分别进行单步和多步预测对比分析;实现对于目标轨迹的从T时刻到未来任意T+K时刻的高精度实时多步超前预测。实验结果表明:无论是单步还是多步预测,1D CNN-LSTM-ATT模型预测的评价指标明显优于其他2个模型;1D CNN-LSTM-ATT模型预测500步(即10 s)的累计预测误差在射程方向为82.83 m,高度方向为11.68 m,横偏方向为0.07 m,为实施弹体拦截及时响应提供了重要保障。
展开更多
关键词
轨迹
多步
超前
预测
深度学习
自注意力机制
CNN-LSTM模型
在线阅读
下载PDF
职称材料
基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测
被引量：
9
3
作者
李战武
张帅
+3 位作者
乔英峰
王强
姜勇
张飞
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第7期209-216,共8页
空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-a...
空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention,ATT)和卷积神经网络(convolutional neural network,CNN)-长短期记忆网络(long short-term memory,LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。
展开更多
关键词
机动
轨迹
预测
空战数据分析
多层次时间序列
Self-Attention
多步轨迹预测
在线阅读
下载PDF
职称材料
题名
基于组稀疏卡尔曼滤波的多步轨迹预测方法
被引量：
5
1
作者
王娜
罗亮
彭锟
张鑫海
机构
天津工业大学控制科学与工程学院
天津市电气装备智能控制重点实验室
微光机电系统技术教育部重点实验室(天津大学)
出处
《空军工程大学学报》
CSCD
北大核心
2023年第6期70-77,共8页
基金
天津市重点研发计划项目(19YFHBQY00040)
微光机电系统技术教育部重点实验室(天津大学)开放基金(MOMST2016-4)。
文摘
提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码,通过一次学习建立简单的多步线性回归预测模型,克服了传统方法未能充分利用历史数据而导致预测精度降低的问题;再利用最小角回归算法来计算该模型的稀疏系数,进一步改善模型系数估计的准确性;然后改进了卡尔曼滤波算法,并结合上述组稀疏编码算法,来确保预测结果的精确性;最后通过与传统BP、长短时记忆网络和组稀疏编码方法的仿真比较,验证了所提方法的有效性。
关键词
多步轨迹预测
组稀疏编码
卡尔曼滤波
最小角回归
Keywords
multi-step trajectory prediction
group sparse coding
Kalman filtering
least angle regression
分类号
TN953 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
2
作者
孙溪晨
李伟兵
黄昌伟
付佳维
冯君
机构
南京理工大学瞬态物理全国重点实验室
南京理工大学机械工程学院
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2024年第S01期51-59,共9页
基金
智剑实验室(火箭军工程大学)开放基金项目(024-ZJSYS-KF02-10)
航空航天结构力学及控制全国重点实验室开放基金项目(MCMS-E-0423Y01)。
文摘
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimension Convolutional neural network-Long short-term memory-Attention, 1D CNN-LSTM-ATT)的一维轨迹多步超前预测模型。将所提模型与CNN-LSTM、LSTM模型分别进行单步和多步预测对比分析;实现对于目标轨迹的从T时刻到未来任意T+K时刻的高精度实时多步超前预测。实验结果表明:无论是单步还是多步预测,1D CNN-LSTM-ATT模型预测的评价指标明显优于其他2个模型;1D CNN-LSTM-ATT模型预测500步(即10 s)的累计预测误差在射程方向为82.83 m,高度方向为11.68 m,横偏方向为0.07 m,为实施弹体拦截及时响应提供了重要保障。
关键词
轨迹
多步
超前
预测
深度学习
自注意力机制
CNN-LSTM模型
Keywords
trajectory multi-step-ahead prediction
deep learning
self-attention mechanism
CNN-LSTM model
分类号
TJ301 [兵器科学与技术—火炮、自动武器与弹药工程]
在线阅读
下载PDF
职称材料
题名
基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测
被引量：
9
3
作者
李战武
张帅
乔英峰
王强
姜勇
张飞
机构
空军工程大学航空工程学院
[
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第7期209-216,共8页
基金
研究生创新实践基金项目(CXJ2022001)。
文摘
空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention,ATT)和卷积神经网络(convolutional neural network,CNN)-长短期记忆网络(long short-term memory,LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。
关键词
机动
轨迹
预测
空战数据分析
多层次时间序列
Self-Attention
多步轨迹预测
Keywords
maneuvering trajectory prediction
analysis of air combat data
multi-level time series
Self-Attention
multi-step trajectory prediction
分类号
V246 [航空宇航科学与技术—飞行器设计]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于组稀疏卡尔曼滤波的多步轨迹预测方法
王娜
罗亮
彭锟
张鑫海
《空军工程大学学报》
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
2
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
孙溪晨
李伟兵
黄昌伟
付佳维
冯君
《兵工学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测
李战武
张帅
乔英峰
王强
姜勇
张飞
《兵器装备工程学报》
CAS
CSCD
北大核心
2023
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
