无人机的广泛应用一直是近年来军事领域、民用领域研究与攻克的重要的课题,自从无人机问世以来,由于其造价低、使用方便、易操作等特点,在现代战争与各个领域中发挥着重要的作用。在无人机技术飞速发展的同时,各国对于无人机应用体系的研究也在不断进行。在当前世界中,以美国为首的军事大国相继建立了全方位的无人机体系来应对增强其军事实力。在当前互联网技术飞速发展的大环境下,无人机路径预测是其中重要的一部分。本文以无人机的运动过程为研究对象,通过将循环神经网络与启发式阈值相结合,研究在无人机飞行过程中的路径预测算法,提出自己对于路径预测的一些算法。本文针对无人机飞行过程进行建模研究,通常来讲,无人机的飞行过程视为连续变量的动态的变化的系统,通过采用微分学的一些操作手段来处理运行轨迹,利用非齐次变系数微分方程来推导出满足当前路径的微分表达式。但是微分方程的拟合效果是非常复杂的,无人机在实际的飞行过程中受多种因素的影响,有时并不能有效地来拟合真实的运行轨迹。利用建模手段,更易挖掘数据内部特征,并通过实验证明,该方法的有效性。把循环神经网络引入到路径预测上面来,利用循环神经网络在处理时间序列上面的优势,把无人机运动的轨迹点按照时间进行预处理,并对轨道上面的点的特征进行设计与提取,得出循环神经网络的训练样本,并对传统的循环神经网络进行一系列的改进,得出按照样本训练出的模型。同时利用训练模型得出预测点并预测出未来一定时间窗口内位置点的位置信息。通过仿真实验来验证循环神经网络对于路径预测的有效性,实验证明,循环神经网络在无人机路径预测方面具有良好的效果。本文针对在路径预测方面对于既定阈值对于预测效果的不足之处,采用启发式阈值的处理方法,对数据进行判断,得出相应的逻辑回归的训练样本。并把训练样本集合进行训练来得到相应的模型,基于模型得到飞行轨迹上面用来做处理的路径点的权值的大小序列,对路径预测上面的点进行有效的筛选,有效的避免在路径预测上面出现过拟合的问题。通过仿真实验来验证理论上的可行性,并取得良好的效果。结合以上所论述的各个方面,本文提出一种无人机路径预测算法,在一定的时间窗口下,有效的对无人机路径进行预测。通过仿真实验,证明了该算法的有效性,并取得良好的实验效果。在文章的结尾,总结了研究的内容和成果,并展望在未来可以进行的工作。