論文の概要: Design of UAV flight state recognition and trajectory prediction system
based on trajectory feature construction
- arxiv url: http://arxiv.org/abs/2401.15564v1
- Date: Sun, 28 Jan 2024 04:14:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:38:15.461022
- Title: Design of UAV flight state recognition and trajectory prediction system
based on trajectory feature construction
- Title（参考訳）: 軌道特徴構造に基づくUAV飛行状態認識・軌道予測システムの設計
- Authors: Xingyu Zhou and Zhuoyong Shi
- Abstract要約: 本稿では,UAV飛行状態認識に基づくUAV軌道予測の精度向上手法を提案し,その精度を2つの予測モデルを用いて検証する。
1) PCA-DAGSVMに基づくUAV飛行状態認識モデルは良好な認識効果を示し,2)従来のUAV軌道予測モデルと比較すると,飛行状態認識に基づく予測モデルは予測誤差を効果的に低減することができる。
- 参考スコア（独自算出の注目度）: 4.8624842606821845
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the impact of artificial intelligence on the traditional UAV industry,
autonomous UAV flight has become a current hot research field. Based on the
demand for research on critical technologies for autonomous flying UAVs, this
paper addresses the field of flight state recognition and trajectory prediction
of UAVs. This paper proposes a method to improve the accuracy of UAV trajectory
prediction based on UAV flight state recognition and verifies it using two
prediction models. Firstly, UAV flight data acquisition and data preprocessing
are carried out; secondly, UAV flight trajectory features are extracted based
on data fusion and a UAV flight state recognition model based on PCA-DAGSVM
model is established; finally, two UAV flight trajectory prediction models are
established and the trajectory prediction errors of the two prediction models
are compared and analyzed after flight state recognition. The results show
that: 1) the UAV flight state recognition model based on PCA-DAGSVM has good
recognition effect. 2) compared with the traditional UAV trajectory prediction
model, the prediction model based on flight state recognition can effectively
reduce the prediction error.
- Abstract（参考訳）: 従来のUAV産業における人工知能の影響により、自律型UAV飛行は現在ホットな研究分野となっている。
本稿では,自律飛行UAVの重要技術研究の需要に基づいて,UAVの飛行状態認識と軌道予測の分野について述べる。
本稿では,UAV飛行状態認識に基づくUAV軌道予測の精度向上手法を提案し,その精度を2つの予測モデルを用いて検証する。
第一に、UAV飛行データ取得およびデータ前処理を行い、第二に、PCA-DAGSVMモデルに基づくUAV飛行状態認識モデルに基づいてUAV飛行軌跡の特徴を抽出し、最後に、2つのUAV飛行軌跡予測モデルを確立し、2つの飛行状態認識後の軌道予測誤差を比較し、解析する。
結果はこう示しています
1) PCA-DAGSVMに基づくUAV飛行状態認識モデルは良好な認識効果を有する。
2) 従来のUAV軌道予測モデルと比較して,飛行状態認識に基づく予測モデルは予測誤差を効果的に低減することができる。
関連論文リスト
- Landing Trajectory Prediction for UAS Based on Generative Adversarial Network [10.243874682724677]
GAN(Generative Adversarial Network)に基づく無人航空機システムの着陸軌道予測モデルを提案する。
GANは長年開発されてきた高名なニューラルネットワークである。
また、提案モデルを評価するために、実際のパイロットが手動で操縦するドローン制御の2600回以上の軌道を含む、実際のUAV着陸データセットを作成する。
論文 参考訳（メタデータ） (2024-11-21T18:34:33Z) - VECTOR: Velocity-Enhanced GRU Neural Network for Real-Time 3D UAV Trajectory Prediction [2.1825723033513165]
シーケンスベースニューラルネットワークにおけるGRU(Gated Recurrent Units)を用いた新しいトラジェクトリ予測手法を提案する。
我々は、合成と実世界のUAV軌跡データの両方を使用し、幅広い飛行パターン、速度、機敏性を捉えています。
GRUベースのモデルは、平均二乗誤差(MSE)を2×10-8に抑えながら、最先端のRNNアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2024-10-24T07:16:42Z) - Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。
この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文 参考訳（メタデータ） (2023-12-18T09:05:28Z) - A Novel Deep Neural Network for Trajectory Prediction in Automated
Vehicles Using Velocity Vector Field [12.067838086415833]
本稿では,データ駆動学習に基づく手法と,自然に着想を得た概念から生成された速度ベクトル場(VVF)を組み合わせた軌道予測手法を提案する。
精度は、正確な軌道予測のための過去の観測の長い歴史の要求を緩和する観測窓の減少と一致している。
論文 参考訳（メタデータ） (2023-09-19T22:14:52Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳（メタデータ） (2023-03-17T13:58:06Z) - AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。
我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。
私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文 参考訳（メタデータ） (2022-09-19T03:34:59Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - Unsupervised Intrusion Detection System for Unmanned Aerial Vehicle with
Less Labeling Effort [8.8519643723088]
以前の方法ではデータセットに大規模なラベル付け作業が必要だったため、モデルでは以前にトレーニングされたことのない攻撃を特定できなかった。
本稿では,教師なし学習を用いたIDSを提案する。これは,飛行データから攻撃の種類をラベル付けしないようにするものである。
我々は、良性飛行データのみを用いてオートエンコーダを訓練し、そのモデルが良性飛行と攻撃中の飛行において異なる復元損失をもたらすことを確認した。
論文 参考訳（メタデータ） (2020-11-01T15:52:22Z) - An Improved Deep Convolutional Neural Network-Based Autonomous Road
Inspection Scheme Using Unmanned Aerial Vehicles [12.618653234201089]
この研究は、改良された畳み込みニューラルネットワーク(CNN)モデルであり、道路のクラック、ポットホール、黄色のレーンを検出するための実装である。
黄色の車線検出・追跡の目的は、WIFIまたは5G媒体を介して、道路の亀裂や穴を検知・報告しながら、黄色い車線を追従し、無人航空機(UAV)の自律航法を実現することである。
論文 参考訳（メタデータ） (2020-08-14T04:35:10Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。