融合张量分解的HRRP姿态角估计并行深度学习模型

来源：计算机测量与控制杂志2026年第3期北京时间：

作者：李杨,段同乐,员建厦,刘淦栋,李毅

单位：中国电子科技集团公司第54研究所 石家庄 050081

摘要：针对固定翼目标姿态角估计在宽角度、多目标场景下泛化不足、开销大的问题，提出基于并行Resnet1D-ConvLSTM-Tucker（RCLTu）网络的HRRP姿态角估计方法，该方法利用HRRP角度敏感性与类间相似性，通过双分支分别提取空间结构特征与角度序列相关性，融合层引入Tucker分解实现特征保留与模型轻量化，进而实现HRRP姿态估计；初步验证利用HRRP进行姿态估计的可行性；基于16类FEKO仿真HRRP数据集（6400样本）验证表明，模型方位角（Angle1）、俯仰角（Angle2）估计MAE均维持低水平，显著优于对比方案；消融实验证实Tucker分解有效降参，模型兼具高精度与轻量化；该方法为复杂空战场景提供轻量化解决方案，对雷达目标感知工程化具有参考价值。

关键词：HRRP;姿态估计;神经网络;深度学习;并行网络

基金资助：河北省智能信息感知与处理重点实验室(SXX22138X002)