一种基于HC-TCN-MLP的无人机轨迹预测方法

本发明公开了一种基于HC‑TCN‑MLP的无人机轨迹预测方法。该发明采用了具有编码器‑解码器结构的时间卷积网络‑多层感知机(Temporal Convolutional Network‑Multiple Layer Perception，TCN‑MLP)模型：其中，编码器采用TCN提取无人机飞行状态数据中的局部时序特征，解码器采用MLP增强非线性表示能力。针对传统全自回归递归多步预测中易产生误差累积的问题，引入混合修正机制(Hybrid Correction，HC)，在预测过程中动态融合部分真实观测数据，从而有效抑制长时域预测误差的扩散。最后，构建基于TCN‑MLP与HC的HC‑TCN‑MLP无人机多步轨迹预测模型实现高精度的飞行轨迹预测效果。实验结果表明，该方法较传统模型在轨迹预测精度和鲁棒性方面具有显著优势，针对弱通信环境中有效传感器信息缺失的场景，可通过预测为无人机在复杂动态环境中的安全自主运行提供可靠支持。