一种利用Transformer的无人集群对抗态势要素识别方法

作     者：李玉庆 江飞龙 陈卓 王日新 黄胜全 王瑞星 崔祜涛 徐敏强 LI Yuqing;JIANG Feilong;CHEN Zhuo;WANG Rixin;HUANG Shengquan;WANG Ruixing;CUI Hutao;XU Minqiang

作者机构：哈尔滨工业大学航天学院哈尔滨150090 中国船舶工业系统工程研究院北京100094 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2022年第54卷第12期

页      面：1-9页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52075117) 装发领域基金(JZX7Y20190243001201) 哈尔滨工业大学深空探测着陆与返回控制技术国防重点学科实验室开放基金(HIT.KLOF.2016.077,HIT.KLOF.2017.076,HIT.KLOF.2018.076,HIT.KLOF.2018.074) 

主　　题：集群态势识别 集群阵型 集群运动趋势 注意力机制 层间注意力 

摘      要：针对无人集群对抗问题中原始态势信息繁杂,难以准确识别集群阵型和集群运动趋势等态势要素的特点,为提高无人集群态势要素识别能力,设计了一种利用Transformer的无人集群对抗态势要素识别方法。基于Transformer模型的思想构建了可应用于无人集群对抗态势要素识别问题的Transformer-Decoder注意力层模型,实现良好的集群态势要素识别能力,设计层间注意力结构以改进提升了Transformer-Decoder的特征表达能力,进一步提高识别准确率。首先将集群态势序列信息输入到LSTM循环神经网络,编码成时序特征信息;然后使用Transformer-Decoder注意力模块和层间注意力模块提取集群的综合高阶态势信息,最后多维度分类网络和softmax层实现对多类态势要素的分类。实验结果表明:利用Transformer和层间注意力的无人集群对抗态势要素识别方法在态势要素分类问题上表现出良好的性能,能够同时对多类态势要素进行准确分类;相对于基线方法,利用Transformer和层间注意力的集群态势识别方法在集群阵型和运动趋势识别问题上具有更高的准确率。尤其在体现集群内部相对趋势的态势要素的分类问题上,该方法明显表现出更好的性能。