典型文献
高超声速滑翔飞行器机动状态识别方法研究
文献摘要：
高超声速滑翔飞行器(HGV)的迅猛发展改变了传统的作战样式,开辟了军事斗争的新领域.对HGV的机动状态进行识别可以为威胁评估、轨迹预测和防御决策提供有力支撑.为提高HGV机动状态识别精度,该文提出一种基于注意力机制的卷积长短时记忆网络识别模型(AT-ConvLSTM).在对HGV进行机动建模和特性分析基础上,将HGV在空间的机动状态分为8类,构造了对应的特征识别参数,建立了包含不同初始条件和控制模式下HGV机动轨迹的轨迹库.推导了从雷达跟踪信息到特征识别参数的转换步骤,使用提出的状态识别模型对HGV机动轨迹的时空特征进行提取,并通过SoftMax分类器输出机动状态分类.最后,通过仿真实验对模型性能进行验证.结果表明,所提状态识别模型能够有效在线识别HGV机动状态,具有较好的实时性和准确性.
文献关键词：
高超声速;飞行器;状态识别;深度学习;机动建模
中图分类号：
作者姓名：
张君彪;熊家军;兰旭辉;陈新;李凡
作者机构：
空军预警学院预警情报系 武汉 430019;95980部队 襄阳 441000
文献出处：
引用格式：
[1]张君彪;熊家军;兰旭辉;陈新;李凡-.高超声速滑翔飞行器机动状态识别方法研究)[J].电子与信息学报,2022(12):4134-4143
A类：
机动建模
B类：
高超声速滑翔飞行器,状态识别,HGV,作战样式,军事斗争,新领域,威胁评估,轨迹预测,防御决策,识别精度,注意力机制,卷积长短时记忆网络,识别模型,AT,ConvLSTM,特征识别,识别参数,初始条件,控制模式,跟踪信息,换步,时空特征,SoftMax,分类器,状态分类,模型性能,在线识别
AB值：
0.280494
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
