基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测 |
| |
引用本文: | 李战武,张帅,乔英峰,王强,姜勇,张飞.基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测[J].兵器装备工程学报,2023(7):209-216. |
| |
作者姓名: | 李战武 张帅 乔英峰 王强 姜勇 张飞 |
| |
作者单位: | 1. 空军工程大学航空工程学院;2. 93066部队 |
| |
摘 要: | 空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。
|
关 键 词: | 机动轨迹预测 空战数据分析 多层次时间序列 Self-Attention 多步轨迹预测 |
|
|