【论文阅读】航迹预测

1.海上船只目标融合探测及态势感知方法研究（博士）
文章目标是获取多种传感器的数据，并完成关联融合，再经过推理挖掘获得更多的信息，用以完成对船只当前状态的感知并预测未来意图，为海事管理部门监管与预警提供技术支持。有效提高海事管理部门的监管效率。
文章基于高频地波雷达目标航迹跟踪技术提出了基于模糊联合概率关联的卡尔曼预测算法，通过 VBUKF 滤波器预测航迹，融入FJPDA 算法将预测的值与实际测量值关联，验证算法性能。
在高频地波雷达目标航迹跟踪技术的基础上关联高频地波雷达航迹、AIS 航迹与星载 SAR（Synthetic Aperture Radar，SAR）点迹，融入多门限判决方法实现三种传感器的互相关联，依据三种传感器相互关联的结果，以船只目标为研究对象，建立多特征数据集。
在获取目标相关的多维特征数据条件下，提出一种基于主客观组合赋权的模糊评判态势估计算法，定义了五个意图风险等级，评估目标当前的量化态势。
针对当前状态目标的态势，出一种基于改进粒子群优化的 GRU（Gate Recurrent Unit, GRU）神经网络算法预测目标未来的“势”，预测未来意图。
缺点：当前SAR数据分辨率不够高；算法运行速度和实时性差；目标的行动和意图的具体联系不够清晰。

2.基于博弈的空中目标航迹预测及攻防对抗研究（硕士）
文章背景是基于未来空战各国注重发展无人机作战技术，探究在未来高动态、高复杂度、高维度的空战战场环境下，如何快速准确获取敌方状态信息、评估敌方的战术意图并据此预测对方未来时刻的状态，通过“预知”未来一段时间的信息辅助我方无人机的机动决策，从而大大提升制胜的可能。
文章提出一种融合意图信息的航迹预测算法，利用传统矩阵博弈进行双方态势分析，从而进行意图分析预测，同时针对空战博弈过程中存在的维度爆炸问题，使用深度强化学习作为自主机动决策的模型方法。
提出了两种航迹预测算法，一种是融合机动识别和航迹匹配进行长时间的航迹预测；另一种是融合无人机轨迹中的作战意图与历史航迹信息，预测航迹。在预测算法的基础上构建了空战博弈模型，用航迹预测模型奖励重塑机动决策模块。
缺点：实时性差；仿真环境理想，仿真模型简单；

3.基于CNN-LSTM-attention模型航迹预测研究（期刊）
研究背景是国内航空拥堵越来越严重，航迹预测可以影响空域资源分配、航路畅通等问题，与航空器冲突检测、航迹优化、终端区域飞行流量评估等领域的研究密不可分。
文章借鉴过往航迹数据，从冗杂的航迹数据中提取特征之间的内在联系，通过神经网络模型挖掘航迹特征的演变规律，进而将其有效应用于航迹特征的预测过程中，将神经网络预测模型CNN- LSTM和注意力机制两者的优势深度融合，并以此来解决航空器航迹预测问题。
缺点是模型训练和数据处理部分还有待改进。

4.一种基于AIS数据的航迹预测半监督学习方法研究（期刊）
航迹预测是对船舶、飞行器未来某个时间所处位置的预测。传统的航迹预测主要采用船舶当前目标航向、航速外推的方法，然而航迹数据往往规模巨大，且受大气海洋环境、周边运动目标等诸多因素影响，不能达到很好的预测精度。为有效利用历史舰船自动识别系统(Automatic Identification System,AIS)相关数据，提高航迹预测精度，提出一种先聚类，后回归的半监督学习方法，采用K-Means聚类算法对历史航迹数据进行航向的有效分类，再根据单条航迹，采用支持向量回归模型(Support Vector Regression,SVR)对当前航迹按照聚类结果进行概率偏离优化，从而得到航迹预测点，对监控海上目标行动意图，维护我国海洋权益具有重要意义。
缺点是针对长短航期和近海区效果较好，远海区不行。