非完备信息下无人机空战目标意图预测

发布时间：2024-03-29 19:14

　　实际空战的复杂性和不确定性及部分空战信息未知性,给无人机空战目标意图预测带来巨大挑战.针对非完备信息下无人机空战目标意图预测问题,本文提出了一种基于长短时记忆(long shortterm memory, LSTM)网络的非完备信息下空战目标意图预测模型.采用分层的方法建立空战目标意图预测特征集,并将空战信息编码成时序特征,将专家经验封装成标签,引入三次样条插值函数拟合以及平均值填充法来修补不完备数据,利用自适应矩估计(adaptive moment estimation, Adam)优化算法,加快目标意图预测模型训练速度,以便有效地防止局部最优的问题.最后通过仿真验证了所建立的无人机空战目标意图预测模型能有效预测无人机空战目标意图.

【文章页数】：14 页

【部分图文】：

图6空战数据修补流程图

则称S(x)为函数f(x)关于节点x0,x1,...,xn的三次样条插值函数,其中˙S(x),¨S(x)为S(x)在区间[a,b]上的一阶导数和二阶导数.通过使用三次样条插值的方法,拟合实际空战曲线,从而近似估计缺失点的特征值.

图9(网络版彩图)训练集和测试集识别率变化曲线

从表3中预测准确率结果可知,当小部分缺失时,空战意图预测模型依然有较高的识别率,在数据缺失率达到30%时,空战意图预测模型识别率仍有90%,但是当数据缺失严重时,可能会丧失意图本身时序特征信息,所对应的识别率则会相应下降,与实际情况相符.4.3意图预测

图10(网络版彩图)不同模型识别对比图

表4为10次模型训练过程中训练的训练准确率和测试准确率,从表4中可知,基于LSTM的空战意图智能识别系统在不同数据集中均能有效识别空中目标作战意图,平均识别率高达94.06%,充分验证所提模型的可靠性.4.3.2模型准确性验证实验

图5无人机空战意图预测模型基本框架

本文基于LSTM网络设计了空战意图预测模型,该模型的基本流程为:(1)将传感器采集到的数据进行滤波,去除明显错误数据,并修补缺失数据;(2)对数据进行归一化处理,并将数据信息编码成特征向量;(3)将特征向量输入到LSTM网络中,并训练LSTM网络;(4)将LSTM网络的输出进行逻....

本文编号：3941173