针对复杂空战环境下无人机航迹预测精度不足的问题,提出基于深度学习中长短期记忆(Long Short Term Memory,LSTM)网络的一种航迹预测方法。采用Afsim兵棋推演软件构建1V2空战对抗场景,通过清洗输出样本,获得了空战无人机航迹、姿态及角...针对复杂空战环境下无人机航迹预测精度不足的问题,提出基于深度学习中长短期记忆(Long Short Term Memory,LSTM)网络的一种航迹预测方法。采用Afsim兵棋推演软件构建1V2空战对抗场景,通过清洗输出样本,获得了空战无人机航迹、姿态及角速度多种特征数据集;搭建航迹预测LSTM网络模型,采用训练集对隐藏单元与时间步长敏感性分析;将测试集输入LSTM模型进行预测精度与时效性验证。LSTM网络模型综合长期记忆无人机状态信息的变化与上一时刻记忆得到预测值,解决了传统预测模型不能结合长期信息综合预测的弊端;并且采用大量学习的方式缩短了预测时间。结果表明:LSTM网络模型航迹预测绝对误差较小且时效性较强,可为空战航迹预测提供一定的参考。展开更多
文摘针对复杂空战环境下无人机航迹预测精度不足的问题,提出基于深度学习中长短期记忆(Long Short Term Memory,LSTM)网络的一种航迹预测方法。采用Afsim兵棋推演软件构建1V2空战对抗场景,通过清洗输出样本,获得了空战无人机航迹、姿态及角速度多种特征数据集;搭建航迹预测LSTM网络模型,采用训练集对隐藏单元与时间步长敏感性分析;将测试集输入LSTM模型进行预测精度与时效性验证。LSTM网络模型综合长期记忆无人机状态信息的变化与上一时刻记忆得到预测值,解决了传统预测模型不能结合长期信息综合预测的弊端;并且采用大量学习的方式缩短了预测时间。结果表明:LSTM网络模型航迹预测绝对误差较小且时效性较强,可为空战航迹预测提供一定的参考。
