-
题名基于优化LSTM的雷达威胁预测
- 1
-
-
作者
蒋志衡
董阳阳
张立东
李艳慧
董春曦
-
机构
西安电子科技大学电子工程学院
中国人民解放军
-
出处
《电子信息对抗技术》
2024年第5期18-26,共9页
-
基金
国家自然科学基金资助项目(61901332)。
-
文摘
根据相关信息对未来时刻的威胁程度进行合理预测,将有利于提前做好各种威胁应对措施,提升电子对抗作战效能。但是目前对雷达威胁度预测的研究还处于起步阶段,针对该问题,提出基于优化长短期记忆网络(Long Short-Term Memory,LSTM)的雷达威胁预测方法。该方法从两个方面对传统的LSTM进行优化:一是通过引入注意力机制对威胁等级影响指标赋予不同的权重,以突出影响威胁度的关键指标;二是使用差分进化(Differential Evolution,DE)算法对引入注意力机制后的LSTM网络超参数进行优化,以提高模型预测性能和预测精度。实验结果表明,该模型的决定系数相比传统LSTM、未经DE算法优化的Attention-LSTM模型分别提高了7.07%和4.57%,能够实现对雷达威胁等级的准确预测。
-
关键词
电子对抗
雷达威胁预测
长短期记忆网络
注意力机制
-
Keywords
electronic countermeasure
threat level prediction
long short-term memory network
attention mechanism
-
分类号
TN974
[电子电信—信号与信息处理]
-
