来袭目标意图识别是战场态势认知的重要部分。为充分利用探测到的空中来袭目标运动状态信息的时间相关性来提高意图识别精确度, 本文提出一种基于长短时记忆神经网络 (LSTM)的敌方空中目标作战意图识别方法。该方法首先利用仿真推演平台根据 4种常见意图想定推演来袭目标数据, 对生成数据进行清洗以及滑窗处理从而得到有效样本集, 利用长短时记忆神经网络对生成样本集进行学习形成敌方空中目标作战意图识别模型。实验结果表明, 利用长短时记忆神经网络来学习 4种常见意图数据的运动及时间相关特征信息, 预测准确率最终可达 92%, 取得了比传统分类器更好的效果。

同每个像素曝光开始及结束时间相同的传统科学级CCD相机相比, 近年来出现的卷帘快门(rolling shutter) sCMOS相机工作时每个像素的曝光开始及结束时间不同, 曝光时间相同, 因此需要评估sCMOS相机像素之间曝光开始及结束时间不同对空间碎片测量精度的影响。首先测试了卷帘快门sCMOS相机的工作时序和最大延迟时间, 并得出曝光不同步的改正公式, 再以激光卫星为目标, 测试了两种典型观测模式下空间碎片的天文定位精度, 并对应用曝光不同步改正前后结果进行对比。测试结果表明sCMOS相机卷帘快门的工作时序与理论一致, 边缘曝光延迟最大10 ms; 实测表明恒星位置内符合精度优于2 arcsec, 目标天文定位精度优于3 arcsec。sCMOS相机能够用于空间碎片观测, 能够实现较高的位置测量精度。