本发明专利技术提供一种基于长短时记忆神经网络的无人机跟踪方法，包括获取无人机的原始数据集，并进行分类；对原始数据集进行处理，得到训练集；构建无人机航迹的长短时记忆跟踪神经网络；对构建的跟踪神经网络进行充分训练并输出训练后的跟踪神经网络；采集待跟踪的无人机量测数据；将量测数据输入至训练后的跟踪神经网络中，获取目标实时状态估计；本发明专利技术基于大量目标无人机真实状态数据和量测数据，从而在实现在无人机的运动模式下均取得稳定、良好的预测效果，并训练得到与雷达相匹配的目标无人机跟踪网络，通过训练后的网络的学习能力预测参数，该方法下得到的跟踪网络具有准确率高、适用范围广、实用效果好等优点，实现长时间高精度目标跟踪。度目标跟踪。度目标跟踪。
【技术实现步骤摘要】
基于长短时记忆神经网络的无人机跟踪方法、装置、存储介质及计算机设备
[0001]本专利技术涉及机器视觉中的水果分类
，具体为一种基于长短时记忆神经网络的无人机跟踪方法、系统、存储介质及计算机设备。
技术介绍
[0002]近年来，目标跟踪是雷达数据处理的核心关键技术，其通过航迹起始、综合波门、以及航迹数据互联可以建立雷达每帧量测数据与目标航迹间的对应关系，实时更新目标的运动轨迹和运动参数，从而实现对目标的追踪。其中，无人机跟踪算法属于目标跟踪的一环，包括状态预测、卡尔曼滤波等部分，其作为目标跟踪的核心处理模块至关重要。现有的目标跟踪算法隐藏在航迹起始模块之后，基于起批航迹和实时量测进行目标状态实时估计。而常用的基本目标跟踪算法则包括基于匀速模型的目标跟踪算法、基于常加速度模型的目标跟踪算法、基于协同转弯模型的目标跟踪算法、基于交互式多模型的目标跟踪算法等。
[0003]公开号为CN110610512A提供的一种基于BP神经网络融合卡尔曼滤波算法的无人机目标跟踪方法，其通过融合BP神经网络与卡尔曼滤波算法，从而准确预测无人机目标跟踪过程中目标被障碍物遮挡时目标的中心位置坐标，从而提高无人机目标跟踪的稳定性，但是该跟踪方法存在模型简单、能力有限、泛化性不足等问题，在实际跟踪中，由于目标运动模型未知，该算法跟踪滤波效果时好时坏，难以在目标任何运动模式下均取得稳定、良好的预测效果。同时现有预测方法还存在参数无法确定的问题，需要人工进行反复的修改和调试，并且调试后的航迹预测效果也难以达到最优。综上所述，现有的目标跟踪方法存在模型简单、复杂度低、通适性差、缺乏学习能力等问题，难以实现长时间高精度目标跟踪问题。
技术实现思路
[0004]本专利技术的目的在于提供一种基于长短时记忆神经网络的无人机跟踪方法、系统、存储介质及计算机设备，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于长短时记忆神经网络的无人机跟踪方法，包括以下步骤：
[0007]S1:获取无人机的原始数据集，并进行分类；
[0008]S2:对原始数据集进行处理，得到训练集；
[0009]S3:构建无人机航迹的长短时记忆跟踪神经网络；
[0010]S4:对构建的跟踪神经网络进行充分训练并输出训练后的跟踪神经网络；
[0011]S5:采集待跟踪的无人机量测数据；
[0012]S6:将量测数据输入至训练后的跟踪神经网络中，获取目标实时状态估计。
[0013]优选的，所述步骤S1中获取无人机的原始数据集具体包括以下步骤：
[0014]S101:通过雷达采集无人机的量测数据和目标真实状态数据；
[0015]S102:对采集到的数据进行凝聚；
[0016]S103:将凝聚后点跟雷达终端一个单元的杂波值进行比较，若点幅值大于单元杂波值的三倍，则认为是可以起批的目标；
[0017]S104:根据单元杂波值和冻结因子决定后续时刻单元杂波值是否更新；
[0018]S105:利用角度信息从所有量测中筛选出与航迹进行关联的点迹，包括角度限制和时间限制；
[0019]S106:对经过以上步骤处理完的点迹数据进行量纲转换，得到经过处理后的原始数据集。
[0020]优选的，所述步骤S1中对所述原始数据集进行分类包括根据场景和时间段分类。
[0021]优选的，所述步骤S2具体包括以下步骤：
[0022]S201:将数据按照Min
‑
Max标准化方式进行等比例放缩，完成标准化预处理；
[0023]S202:将原始数据集中的量测数据按照每一个时间点对应的量测信息存储进一维矩阵里，然后将进行多次蒙特卡罗仿真的相同时间点的量测信息存储进一个二维数组里，最后将不同时间点对应的量测存储进一个三维数组中得到训练基础数据集；
[0024]S203:将每一个时间点对应的目标真实状态信息存储进一维矩阵里，然后将进行多次蒙特卡罗仿真的相同时间点的目标真实状态信息存储进一个二维数组里，最后将不同时间点对应的真实状态存储进一个三维数组中得到训练标签数据集；
[0025]S204:将得到的不同场景下的训练基础数据和训练标签数据进行整合，得到一个分别包含完整训练基础数据集和训练标签数据集的三维矩阵。
[0026]优选的，所述步骤S3具体包括以下步骤：
[0027]S301:进行神经网络的层数、每层神经元数量以及所采用的激励函数的设定，设定神经网络的层数为输入层、隐含层和输出层，从而搭建基本的长短时神经网络模型；
[0028]S302:将输入层节点数设置为量测维数，隐含层节点数设置为目标状态维数，输出层节点数设置为目标状态维数。
[0029]优选的，所述步骤S4具体包括以下步骤：
[0030]S401:打乱训练数据集和标签数据集的数据，保证对应关系不变；
[0031]S402:设置好网络的训练参数，损失函数设置为均方误差函数,优化器设置为自适应矩估计,批大小设置为1，批次设置为100；
[0032]S403:将训练数据、训练标签输入到网络中进行训练，并计算损失值和准确率；
[0033]S404:调整修改跟踪神经网络的Epoch和优化器模型参数，重复进行训练；
[0034]S405:当损失值和准确率达到收敛时，结束训练并输出记忆神经网络。
[0035]优选的，所述步骤S5中无人机航行量测数据通过雷达进行采集，所述量测数据信息包括无人机的时序和其对应的坐标信息。
[0036]为实现上述目的，本专利技术另外还提供一种基于长短时记忆神经网络的无人机跟踪系统，其中，所述系统包括：
[0037]数据获取分类模块，用于获取无人机的原始数据集，并进行分类；
[0038]数据集处理模块，用于对原始数据集进行处理，得到训练集；
[0039]神经网络构建模块，用于构建无人机航迹的长短时记忆跟踪神经网络；
[0040]网络训练模块，用于对构建的跟踪神经网络进行充分训练并输出训练后的跟踪神
经网络；
[0041]量测数据采集模块，用于采集待跟踪的无人机量测数据；以及；
[0042]目标状态估计模块，用于将量测数据输入至训练后的跟踪神经网络中，获取目标实时状态估计。
[0043]为实现上述目的，本专利技术另外还提供一种基于长短时记忆神经网络的无人机跟踪存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时能够实现上述的无人机跟踪方法的步骤。
[0044]为实现上述目的，本专利技术另外还提供一种基于长短时记忆神经网络的无人机跟踪计算设备，其中，所述计算设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人机跟踪算法程序，所述无人机跟踪程序配置为实现权上述的无人机跟踪方法的步骤。
[0045]与现有技术相比，本专利技术的有益效果是：
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于，包括以下步骤：S1:获取无人机的原始数据集，并进行分类；S2:对原始数据集进行处理，得到训练集；S3:构建无人机航迹的长短时记忆跟踪神经网络；S4:对构建的跟踪神经网络进行充分训练并输出训练后的跟踪神经网络；S5:采集待跟踪的无人机量测数据；S6:将量测数据输入至训练后的跟踪神经网络中，获取目标实时状态估计。2.根据权利要求1所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S1中获取无人机的原始数据集具体包括以下步骤：S101:通过雷达采集无人机的量测数据和目标真实状态数据；S102:对采集到的数据进行凝聚；S103:将凝聚后点跟雷达终端一个单元的杂波值进行比较，若点幅值大于单元杂波值的三倍，则认为是可以起批的目标；S104:根据单元杂波值和冻结因子决定后续时刻单元杂波值是否更新；S105:利用角度信息从所有量测中筛选出与航迹进行关联的点迹，包括角度限制和时间限制；S106:对经过以上步骤处理完的点迹数据进行量纲转换，得到经过处理后的原始数据集。3.根据权利要求2所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S1中对所述原始数据集进行分类包括根据场景和时间段分类。4.根据权利要求1所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S2具体包括以下步骤：S201:将数据按照Min
‑
Max标准化方式进行等比例放缩，完成标准化预处理；S202:将原始数据集中的量测数据按照每一个时间点对应的量测信息存储进一维矩阵里，然后将进行多次蒙特卡罗仿真的相同时间点的量测信息存储进一个二维数组里，最后将不同时间点对应的量测存储进一个三维数组中得到训练基础数据集；S203:将每一个时间点对应的目标真实状态信息存储进一维矩阵里，然后将进行多次蒙特卡罗仿真的相同时间点的目标真实状态信息存储进一个二维数组里，最后将不同时间点对应的真实状态存储进一个三维数组中得到训练标签数据集；S204:将得到的不同场景下的训练基础数据和训练标签数据进行整合，得到一个分别包含完整训练基础数据集和训练标签数据集的三维矩阵。5.根据权利要求所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所...
【专利技术属性】
技术研发人员：周杨磊，刘子健，查志贤，徐忠祥，周著佩，陈宇，
申请(专利权)人：安徽耀峰雷达科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。