刘 青,张江明

在现代海上复杂的电磁环境下，目标通信网络节点呈现出了动态化、分布式和智能化特征，其通信行为模式蕴含着深层的决策逻辑，构成了反映目标体系的“数字指纹”。针对传统方法难以有效结合目标通信网络空间拓扑特征与动态时序特征的问题，本研究提出一种融合图神经网络（Graph Convolutional Network,GCN）和门控循环单元网络（Gated Recurrent Unit,GRU）的时空联合建模方法。该方法首先对多源目标通信侦察数据进行特征提取与数据标注，构建了包含节点属性、拓扑结构和时间属性的时序数据集；然后利用GCN层捕获目标通信网络的空间拓扑特征，并利用GRU层建模目标节点通信行为的时序演变规律，协同构建时空特征向量集合；最后通过全连接分类层来实现行为意图的语义映射。本研究实验基于虚拟化仿真平台生成的40,520组通信轮次样本数据开展验证实验，结果表明本研究所提出的混合预测模型的准确率达到90.27%，能够有效捕捉目标通信行为中的隐含语义，为态势感知与决策提供了可靠的智能支撑。

意图预测；图神经网络；门控循环单元网络；通信行为模式分析

[1] 和钰,常雷雷,姜江,谭跃进.基于置信规则库的防空目标意图识别方法[J].火力与指挥控制,2017,42(9):7-12. [2] 李泽鹏,吉琳娜,杨风暴.动态贝叶斯网络与独热编码 DTW 结合的空中目标意图识别方法[J].探测与控制学报,2025,47(02):82-90.

点击下载PDF