一种基于全卷积神经网络的空中目标战术意图识别模型
李乐民
宋亚飞
王鹏
王科
空军工程大学防空反导学院,西安,710051
摘要：针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点.全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战意图数据的时序特征.通过消融实验和对比实验结果表明,MLSTM-FCN模型在意图识别准确率、反应速度和抗干扰能力方面明显优于现有的空中目标意图识别模型,取得了 sota的结果,为指挥员在进行空中作战决策时提供更有效的依据.
关键词：意图识别空中目标深度学习全卷积网络长短记忆神经网络压缩与激励模块
分类号：V219(基础理论及试验)TP173(自动化基础理论)V917(航空、航天)
资助基金：国家自然科学基金(61806219)国家自然科学基金(61703426)国家自然科学基金(61876189)陕西省自然科学基础研究计划项目(2021JM-226)陕西省高校科协青年人才托举计划项目(20190108)陕西省高校科协青年人才托举计划项目(20220106)陕西省创新能力支撑计划项目(2020KJXX-065)
论文发表日期：2024-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 98-106 )
英文信息