高超声速滑翔飞行器机动状态识别方法研究

来源：电子与信息学报杂志2022年第12期北京时间：

作者：张君彪, 熊家军, 兰旭辉, 陈新, 李凡

单位：1.空军预警学院预警情报系 武汉 4300192.95980部队 襄阳 441000

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。

关键词：高超声速, 飞行器, 状态识别, 深度学习, 机动建模

基金资助：军事类研究生资助课题(JY2019B138, JY2018A039)