关键词：
深度学习
无人防空火箭炮
航迹预测
卷积神经网络
长短期记忆神经网络
摘要：
随着人工智能技术在军工领域的推进,飞行器技术得到了快速的发展,出现了各类高机动,高灵活的空中目标。这些目标轨迹复杂多样,传统目标航迹预测算法无法满足防空火箭炮对航迹预测的需求。因此设计一种能够对无人防空火箭炮数据进行分析处理以及预测未来航迹的软件,对火箭炮防空领域具有重要意义。本文针对无人防空火箭炮目标航迹预测技术展开了相关研究,主要工作内容如下:
(1)针对无人防空火箭炮原始数据复杂多样,难以处理的问题,本文提出一种基于正则表达式的数据提取算法以及一种基于线性插值的数据预处理算法。数据提取算法首先通过筛选无人防空火箭炮数据中的ID字段,然后使用加权平均的方法来得到雷达数据。但使用该算法获取到的雷达数据可能存在数据缺失、异常等问题,因此使用数据预处理算法对雷达数据进一步处理,以此得到标准航迹数据。实验结果表明,数据提取算法与数据预处理算法能够很好的解决雷达数据难处理的问题。
(2)针对无人防空火箭炮使用的传统目标航迹预测算法通用性差、预测精度低等问题,根据深度学习思想提出一种基于单一深度学习模型的无人防空火箭炮目标航迹预测方法。该方法设计了基于卷积、长短期记忆、双向长短期记忆神经网络的三种航迹预测模型,用于预测飞行器的航迹数据。实验结果表明,基于长短期记忆神经网络模型的预测精度最高达到了97%。
(3)针对单一深度学习模型训练所需时间长,并且无法充分提取航迹数据特征等问题,提出了基于卷积和长短期记忆融合的神经网络模型。该模型降低了训练所需时间以及提高了网络的学习效率。实验结果表明,融合模型预测精度比单一模型的预测精度更高达到了99%,并且训练模型花费的时间缩短了37.1%。
(4)针对航迹预测模型无法直接操作以及无法可视化等问题,利用QT设计并实现了无人防空火箭炮远程控制软件。该软件能够远程控制无人防空火箭炮各项设备,显示无人防空火箭炮传回的各项车体信息,并能根据无人防空火箭炮传回的数据进行航迹预测,预测结果会反馈给无人防空火箭炮,为其调整射击提前量提供数据支撑。
欢迎来到三峡大学图书馆！
