买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于图注意力混合神经网络的多航空器4D轨迹预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119443151B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411513106.1，技术领域涉及：G06N3/042；该发明授权一种基于图注意力混合神经网络的多航空器4D轨迹预测方法是由李桂毅;欧阳宇翔;凌珑丝雨;徐辅旺设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于图注意力混合神经网络的多航空器4D轨迹预测方法在说明书摘要公布了：本发明公开了一种基于图注意力混合神经网络的多航空器4D轨迹预测方法，属于航空技术领域。利用Transformer和长短期记忆网络提取空域内不同航空器历史轨迹隐含信息，将空域内航空器视为节点并构建航空器连接网络图，航空器隐含信息和航空器连接网络图通过图注意力网络进行建模，用于捕获航空器之间的交互信息。图注意力网络将整合空域内所有航空器的轨迹隐含信息并实进行共享和更新，最后通过两个基于长短时记忆网络的解码器对航空器轨迹隐含特征信息进行解码，融合两个解码器的输出通过全连接层输出预测轨迹，相比不考虑航空器空间交互信息的方法提高了飞行轨迹预测的准确性，而准确的轨迹预测技术为后续风险感知技术和冲突解脱技术提供了支撑。

本发明授权一种基于图注意力混合神经网络的多航空器4D轨迹预测方法在权利要求书中公布了：1.一种基于图注意力混合神经网络的多航空器4D轨迹预测方法，其特征在于，该方法包含如下步骤： S1、提取航空器历史轨迹数据，对轨迹数据进行预处理； S2、对数据进行差分变换，构建模型训练数据集； S3、构建基于图注意力混合神经网络多航空器轨迹预测模型； S4、基于预处理的轨迹数据对预测模型进行训练，基于训练好的模型对多架次航空器轨迹进行实时协同预测; 其中，图注意力混合神经网络包括轨迹编码器模块、轨迹解码器模块和轨迹特征融合预测模块； 步骤S3、构建基于图注意力混合神经网络多航空器轨迹预测模型，包括 1轨迹编码器模块：根据输入的多航空器历史位置状态信息，对航迹进行多重编码和特征提取，并通过图注意力网络提取出航空器之间的空间交互特征，整合多航空器的历史状态隐含信息， 2轨迹解码器模块：对编码器提取出的多航空器历史状态隐含信息进行解码，采用多个LSTM作为解码器将这些信息映射到未来航迹位置上， 3轨迹特征融合预测模块：整合航迹解码器的输出信息，这些信息通过融合输入到神经网络线性层，从而输出未来轨迹位置达到轨迹预测的目的； 多航空器4D轨迹预测的轨迹编码器模块包括： 1LSTM-GAT编码器：首先将航空器的历史轨迹信息嵌入到高纬度向量得到轨迹的高 纬表示，随后空域内每个航空器均通过 同一个M-LSTM模块提取轨迹时序隐含信息， 其中，表示t时间步LSTM的隐含状态，为M-LSTM的权重，所有航空器每个时间步的 隐含信息将被输入到GAT网络得到考虑航空器之间交互的特征信息： 其中，是一个非线性函数，是航空器在t时刻的聚合隐藏状态，其中包含其他航空 器的空间影响，每个时间步的空间特征信息将输入到一个新的LSTM,称为G-LSTM来显式地 建模空间交互的时间相关性， 其中，是的权重，表示节点i在t时刻考虑交互的特征向量，最后对两个 LSTM输出隐含信息进行融合得到t时刻的融合时空特征信息： 其中，为多层感知器，融合时空特征信息向量； 2Transformer编码器：该模块利用多头注意力机制提取航空器历史轨迹状态信息的 全局深层特征，首先将航空器i的历史状态信息，通过轨迹编码嵌入得到嵌入向量，将嵌入向量和位置编码矩阵PE相加得到位置编码后的结果： 将航空器轨迹的嵌入轨迹信息作为Transformer编码器模块的输入，计算 矩阵： 其中，，，和为线性函数，并且在所有航空器之间共享，将矩阵输入到 多头注意力机制从而有效的捕捉整体序列中的相关信息，得到多头注意力的输出： 得到多头注意力的输出后，Transformer模型的前馈网络由全连接层组成，模型将其输出通过残差归一化层后进入LSTM层，起到了对自注意机制层信息的整合作用，前馈网络层FFN的计算过程表示为： 式子中，表示归一化层的输入；为可以学习的权重和偏置，分别表示输入的均值和方差；为防止方差为0产生的计算错误， 由此得到，前馈网络层的输出和残差归一化的输出的轨迹隐含特征信息： 多航空器4D轨迹预测的轨迹解码器模块： 解码器用于生成未来轨迹序列，考虑到未来轨迹的具有很强的时序相关性，采用两个LSTM分别对LSTM-GAT编码器和Transformer编码器输出的两个隐含信息进行解码，这两个LSTM解码器分别称为D-LSTM和T-LSTM， 其中，为的权重，为线性层，为轨迹局部特征， 其中为T-LSTM的权重，为线性层，为轨迹全局特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210007 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。