基于FCN-BiGRU的空中目标意图识别方法

作者：丁鹏; 宋亚飞^*

来源：航空兵器, 2023, 30(05): 57-65.

DOI：10.12132/ISSN.1673-5048.2023.0002

• 深度学习
• 空中目标
• 意图识别
• 全卷积网络
• 双向门控循环单元

随着科学技术的发展和作战方式的改变，对于敌方作战意图的推理开始进入战场，防空作战决策对于意图识别的准确率有更高的要求，现有的知识图谱、专家网络和深度神经网络等方法在识别的精度上还存在差距，难以满足防空作战的需求。因此，本文结合卷积神经网络和循环神经网络的优点设计了一种用于空中目标意图识别的深度学习模型FCN-BiGRU,全卷积网络(FCN)可以提取空战数据中的复杂局部特征，双向门控循环单元(BiGRU)用来捕捉空战意图数据的时序特征，通过消融实验和对比实验证明，FCN-BiGRU模型的意图识别准确率达到98.71%,超过现有空中目标意图识别模型1.14%,为防空作战决策提供了更有力的依据。

• 单位
  空军工程大学防空反导学院