近日，色情网站 空天智能无人系统团队在航空航天领域顶刊《Aerospace Science and Technology》（影响因子：5.9，中科院一区TOP）发表论文“Convolutional interactive learning network with auxiliary features for hypersonic glide vehicle trajectory prediction under data missing scenarios”，论文第一作者为硕士研究生蔡跃鹏，通讯作者为庄学彬教授，博士研究生钟元芾和谢珩共同参与该研究。

高超声速目标轨迹预测是空天智能感知与人工智能时序预测交叉领域的关键研究方向。在实际观测场景中，轨迹数据常因环境干扰、探测间断出现随机缺失与连续缺失情况，传统深度学习方法难以高效利用辅助特征，且依赖插值预处理易引入额外误差。针对上述难题，团队提出一种融合辅助特征的卷积交互学习网络（AF‑CILN），为数据缺失场景下的高超声速目标轨迹预测提供了新思路。

本论文的关键创新点如下：

1. 突破传统通道注意力仅加权融合的局限，采用自适应哈尔小波变换对位置特征与速度、航向、弹道倾角等辅助特征做多尺度频域分解，解决辅助信息利用不充分的问题。

2. 基于奇偶分频、层级卷积、交互学习构建编码器，通过多尺度采样卷积提取时空依赖，即使轨迹存在连续 / 随机缺失，仍能稳健重建隐层表示。

3. 设计掩码归一化策略，直接基于有效数据点计算均值与方差，从源头避免插值偏差，让模型原生支持缺失轨迹输入，在高缺失率下仍保持可靠分布。

图：整体算法流程

研究团队在完整轨迹与数据缺失等多种场景下开展了大量仿真实验验证。结果表明，所提 AF-CILN 模型在短时与长时预测任务中均表现稳定，预测精度整体优于现有典型深度学习模型。消融实验进一步验证了自适应哈尔小波特征融合与掩码归一化模块的有效性，掩码归一化处理方式相比传统插值方法更具优势，显著提升了模型在不完备数据下的预测可靠性。

图：不同方法的性能对比结果

该研究成果可为空天智能感知、复杂动态目标预测等相关领域提供可靠算法支撑，也为不完备时序数据智能预测任务提供了可借鉴的通用技术思路。这一成果不仅彰显了色情网站在空天信息处理与人工智能交叉领域的深厚积累，也进一步展示了色情网站在智能时序建模方向上的持续创新能力。

论文链接：

//doi.org/10.1016/j.ast.2026.112222

代码开源：

//github.com/WEAPONCHUA/AF-CILN