基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

作者：李战武; 张帅^*; 乔英峰; 王强; 姜勇; 张飞

来源：兵器装备工程学报, 2023, 44(07): 209-216.

• 机动轨迹预测
• 空战数据分析
• 多层次时间序列
• Self-Attention
• 多步轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列，具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题，文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型，获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析，具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失，进行了目标轨迹的5步预测，预测结果和评价指标均优于CNN-LSTM、LSTM模型。

• 单位
  空军工程大学