采用循环神经网络的战场空中飞行目标型号辨识方法

作者：王明阳^*

来源：电讯技术, 2022, 62(07): 845-851.

• 战场空中飞行目标
• 目标识别
• 型号辨识
• 机器学习
• 循环神经网络
• 长短时记忆网络

针对战场空中飞行目标型号辨识不清的问题，提出了一种采用长短时记忆(Long Short-Term Memory, LSTM)循环神经网络的战场空中飞行目标型号辨识方法。以飞行目标航迹态势数据为数据源，分析数据不同特征特点，设计增加基于数据原有特征的派生特征，构建并训练基于LSTM循环神经网络的目标型号分类器，形成目标型号序列化智能辨识模型，实现仅依赖于航迹的战场空中飞行目标型号时序化准确辨识。经实测数据验证，所提方法识别准确率达到96.73%,F1分数达到0.968 3,较梯度提升树模型方法识别准确率至少提高了1.02%,而F1分数至少提高了0.013 2,证明了所提方法的有效性。