一种基于LSTM的弹丸长时间落点预测修正方法

针对炮位侦察校射雷达在弹丸上升段长时间预测落点偏差大的问题，文中提出了一种基于长短时记忆(LSTM)网络的弹丸长时间落点预测模型修正算法。针对训练样本少的问题，采用知识驱动和数据驱动相结合的双驱动方法，结合传统无迹卡尔曼滤波预测作为先验知识，利用LSTM网络对射向和侧向偏差量进行学习拟合构建误差模型，并利用误差模型对外推弹道进行射向和侧向修正。仿真验证表明：采用少量训练样本就可显著提升弹丸长时间落点预测的精度，落点预测射向精度提升55%,落点预测侧向精度提升85%～91%。