A Brief Analysis of the Application of Machine Learning in Intelligent Decision-Making Systems for Tactical Missiles

doi:10.3969/j.issn.1009-086x.2026.05.003

Abstract

Abstract:

To meet the demand for intelligent decision-making in tactical missiles operating in complex battlefield environments， this study examines the potential applications of classical machine learning techniques in missile intelligent decision-making systems. The discussion centers on four core tasks： target recognition and threat assessment， trajectory prediction of highly maneuverable targets， ballistic time-series data analysis， and system health management. The fundamental principles of twelve classical machine learning algorithms are introduced， along with their applicability and deployment advantages in tactical missile embedded systems. The engineering feasibility of these algorithms under data scarcity， limited resources， and stringent real-time requirements is also analyzed. Furthermore， fusion-based approaches that integrate multiple methods are proposed， providing practical pathways for applying these algorithms to machine learning-based intelligent decision-making systems for tactical missiles.

Key words: tactical missile, intelligent decision-making, machine learning, target recognition, trajectory prediction, fault diagnosis

摘要：

针对战术导弹在复杂战场环境下对智能决策的需求，探讨了经典机器学习技术在导弹智能决策系统中的应用方向与潜力，聚焦目标识别与威胁评估、高机动目标轨迹预测、弹道时序数据分析和系统健康管理四大核心任务，介绍了12种经典机器学习算法的基本原理及其在战术导弹嵌入式系统中的适用性与部署优势。分析了这些算法在数据稀缺、资源受限、高实时性要求下的工程适用性，并提出了多种方法融合改进的构想，为基于机器学习的战术导弹智能决策系统开发提供了具体的算法应用实现途径。

关键词: 战术导弹, 智能决策, 机器学习, 目标识别, 轨迹预测, 故障诊断

CLC Number:

TJ760

Quan WEN, Haotian WANG. A Brief Analysis of the Application of Machine Learning in Intelligent Decision-Making Systems for Tactical Missiles[J]. Modern Defense Technology, 2026, 54(5): 32-46.

闻泉, 王昊天. 机器学习在战术导弹智能决策系统中的应用浅析[J]. 现代防御技术, 2026, 54(5): 32-46.

Figures/Tables 13

Fig. 1 Core tasks of tactical missiles and corresponding algorithms

Fig. 2 Multi-source information fusion process based on Naïve Bayes and D-S evidence theory

Fig. 3 Functions of KNN algorithm

Table 1 Common distance metric formulas

距离类型	公式
欧式距离	$d (x r, x s) = ∑ i = 1 n (x r i - x s i) 2$
曼哈顿距离	$d (x r, x s) = ∑ i = 1 n x r i - x s i$
切比雪夫距离	$d x r, x s = m a x i x r i, x s i$

Table 1 Common distance metric formulas

距离类型	公式
欧式距离	$d (x r, x s) = ∑ i = 1 n (x r i - x s i) 2$
曼哈顿距离	$d (x r, x s) = ∑ i = 1 n x r i - x s i$
切比雪夫距离	$d x r, x s = m a x i x r i, x s i$

Fig. 4 Principle of SVM

Fig. 5 Nonlinear mapping

Fig. 6 Core steps of SVM

Fig. 7 Random forest-based multi-target engagement decision-making process

Fig. 8 Adaptive process of sliding time window

Fig. 9 Principle of SVR

Fig. 10 Role of ARIMA model in decision assurance and anti-deception

Fig. 11 Graph structure of hidden Markov model

Fig. 12 XGBoost algorithm process

References 35

[1]	宗凯彬，张承龙，卓志敏. 智能导弹武器系统发展综述［J］. 现代防御技术， 2020， 48（3）： 49-55， 85.
	ZONG Kaibin， ZHANG Chenglong， ZHUO Zhimin. Survey of the Development of Intelligent Missile Weapon Systems［J］. Modern Defence Technology， 2020， 48（3）： 49-55， 85.
[2]	徐光达，周晓光，岳付昌，等. 自主空战机动决策方法发展综述［J］. 战术导弹技术， 2025（3）： 1-8.
	XU Guangda， ZHOU Xiaoguang， YUE Fuchang， et al. Review on the Development of Maneuvering Decision-Making Method for Autonomous Air Combat［J］. Tactical Missile Technology， 2025（3）： 1-8.
[3]	郑菊红，王嘉文，赵军民，等. 垂直发射战术导弹绕射打击目标方法研究［J］. 西北工业大学学报， 2025， 43（4）： 668-676.
	ZHENG Juhong， WANG Jiawen， ZHAO Junmin， et al. Research on the Method of Vertically Launched Missiles Flying Around and Attacking Targets［J］. Journal of Northwestern Polytechnical University， 2025， 43（4）： 668-676.
[4]	李腾达，王刚，郭相科，等. 防空反导智能指挥控制发展研究［J］. 战术导弹技术， 2024（4）： 115-122.
	LI Tengda， WANG Gang， GUO Xiangke， et al. Research on the Development of Air Defense and Anti-missile Intelligent Command and Control［J］. Tactical Missile Technology， 2024（4）： 115-122.
[5]	吕金建，丁建江，项清，等. 弹道导弹识别技术发展综述［J］. 探测与控制学报， 2010， 32（4）： 7-14.
	Jinjian LÜ， DING Jianjiang， XIANG Qing， et al. Review of Target Recognition Techniques for Ballistic Missile［J］. Journal of Detection & Control， 2010， 32（4）： 7-14.
[6]	吴文静，王中训，但波，等. 多模态信息融合舰船目标识别研究进展［J］. 探测与控制学报， 2024， 46（2）： 1-12.
	WU Wenjing， WANG Zhongxun， DAN Bo， et al. A Review of Ship Target Recognition Based on Multi-modal Information Fusion［J］. Journal of Detection & Control， 2024， 46（2）： 1-12.
[7]	李斌，刘琪，徐琰珂. 美国未来空空导弹发展与能力［J］. 航空兵器， 2023， 30（2）： 83-90.
	LI Bin， LIU Qi， XU Yanke. Development and Capability of American Air-to-Air Missile in the Future［J］. Aero Weaponry， 2023， 30（2）： 83-90.
[8]	张俊宝，张蓬蓬. 美国未来空空导弹发展研究与思考［J］. 电光与控制， 2022， 29（3）： 65-68.
	ZHANG Junbao， ZHANG Pengpeng. Research and Thinking on Future Air-to-Air Missile Development of America［J］. Electronics Optics & Control， 2022， 29（3）： 65-68.
[9]	李东兵，马艳，潘鸿飞. 战术导弹综合故障诊断技术研究［J］. 战术导弹技术， 2011（4）： 42-46， 60.
	LI Dongbing， MA Yan， PAN Hongfei. Research on Comprehensive Fault Diagnosis Technology for Tactical Missile［J］. Tactical Missile Technology， 2011（4）： 42-46， 60.
[10]	周玉清，薛小乐，母勇民，等. 小型战术导弹智能测试诊断技术研究［J］. 弹箭与制导学报， 2016， 36（6）： 9-12.
	ZHOU Yuqing， XUE Xiaole， MU Yongmin， et al. Investigation on Intelligent Testing and Diagnostic Technology for Small Tactical Missile［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2016， 36（6）： 9-12.
[11]	惠耀洛，许波，李秀敏，等. 导弹集群智能突防技术发展概述［J］. 现代防御技术， 2025， 53（6）： 69-81.
	HUI Yaoluo， XU Bo， LI Xiumin， et al. A Review of Development of Intelligent Penetration Technology for Missile Cluster［J］. Modern Defence Technology， 2025， 53（6）： 69-81.
[12]	牛卉，黄波，武溪. 智能集群飞行弹药浅析［J］. 兵器装备工程学报， 2019， 40（增2）： 118-121.
	NIU Hui， HUANG Bo， WU Xi. Analysis on Smart Collective Missile［J］. Journal of Ordnance Equipment Engineering， 2019， 40（S2）： 118-121.
[13]	李波，李曦彤，高晓光，等. 基于SVM和Skyline查询的空地一体化攻击任务决策［J］. 系统工程与电子技术， 2018， 40（6）： 1281-1287.
	LI Bo， LI Xitong， GAO Xiaoguang， et al. Decision-Making of Air-Ground Integrated Missile Based on SVM and Skyline Query［J］. Systems Engineering and Electronics， 2018， 40（6）： 1281-1287.
[14]	杨开，李少毅，张凯，等. 基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究［J］. 飞控与探测， 2019， 2（4）： 62-70.
	YANG Kai， LI Shaoyi， ZHANG Kai， et al. Research on Anti-jamming Recognition Method of Aerial Infrared Target Based on Naive Bayes Classifier［J］. Flight Control & Detection， 2019， 2（4）： 62-70.
[15]	夏晓雷，张通彤，周通，等. 基于随机森林的复合导引头跟踪模式决策［J］. 激光技术， 2021， 45（6）： 811-816.
	XIA Xiaolei， ZHANG Tongtong， ZHOU Tong， et al. Tracking Mode Decision of Compound Seeker Based on Random Forest［J］. Laser Technology， 2021， 45（6）： 811-816.
[16]	陈占国，薛薇，许亮. 松鼠搜索算法优化SVM的液体火箭动力系统故障诊断［J］. 航天控制， 2023， 41（1）： 82-88.
	CHEN Zhanguo， XUE Wei， XU Liang. Fault Diagnosis of Liquid Rocket Power System Based on Optimized SVM by Squirrel Search Algorithm［J］. Aerospace Control， 2023， 41（1）： 82-88.
[17]	常坤龙，高静，沈欣，等. 基于向后选择多元回归方法的空空导弹脱靶距离模型研究［J］. 航空兵器， 2020， 27（4）： 45-50.
	CHANG Kunlong， GAO Jing， SHEN Xin， et al. Research on Miss Distance Model of Air-to-Air Missile Based on Backward Elimination Multiple Regression Method［J］. Aero Weaponry， 2020， 27（4）： 45-50.
[18]	陈南华，赵良玉，雍恩米，等. 变机动高超声速滑翔目标的轨迹序列预测算法［J］. 航空兵器， 2021， 28（2）： 40-48.
	CHEN Nanhua， ZHAO Liangyu， YONG Enmi， et al. Trajectory Sequence Prediction Algorithm for Hypersonic Gliding Target with Variable Maneuver［J］. Aero Weaponry， 2021， 28（2）： 40-48.
[19]	田珂，常华俊，段鹏伟. 利用组合方法预测火箭弹飞行坐标的精度分析［J］. 兵器装备工程学报， 2022， 43（增2）： 142-150.
	TIAN Ke， CHANG Huajun， DUAN Pengwei. Accuracy Analysis of Rocket Flight Coordinate Prediction Using a Combined Model［J］. Journal of Ordnance Equipment Engineering， 2022， 43（S2）： 142-150.
[20]	张东煜，许化龙. 基于模糊神经网络的导弹故障诊断专家系统［J］. 计算机测量与控制， 2009， 17（1）： 124-125， 128.
	ZHANG Dongyu， XU Hualong. Fault Diagnosis Expert System for Missile Based on Fuzzy Neural Network［J］. Computer Measurement & Control， 2009， 17（1）： 124-125， 128.
[21]	杨加一. 基于BP神经网络的导弹故障自动诊断研究［J］. 电子科技， 2018， 31（4）： 48-51.
	YANG Jiayi. Research on a Technology of Missile Fault Automatic Diagnosis Based on BP Neural Network［J］. Electronic Science and Technology， 2018， 31（4）： 48-51.
[22]	袁非梦，耿化品，凡红梅，等. 舰空导弹飞行落点贝叶斯融合预估方法［J］. 探测与控制学报， 2022， 44（5）： 97-104.
	YUAN Feimeng， GENG Huapin， FAN Hongmei， et al. Bayesian Fusion Prediction Method of Ship-to-Air Missile Landing Point［J］. Journal of Detection & Control， 2022， 44（5）： 97-104.
[23]	李炯，雷虎民，刘兴堂. 一种D-S证据理论的改进方法及其在目标识别中的应用［J］. 探测与控制学报， 2007， 29（1）： 76-79.
	LI Jiong， LEI Humin， LIU Xingtang. Target Recognition of Multi-mode Compound Control and Guidance Based on Dempster-Shafer Theory［J］. Journal of Detection & Control， 2007， 29（1）： 76-79.
[24]	周志华. 机器学习［M］. 北京：清华大学出版社， 2016.
	ZHOU Zhihua. Machine Learning［M］. Beijing： Tsinghua University Press， 2016.
[25]	张维，张福涛，张仕元，等. 一种基于集成式单类支持向量机的SAR目标鉴别方法［J］. 空天预警研究学报， 2025， 39（3）： 157-162.
	ZHANG Wei， ZHANG Futao， ZHANG Shiyuan， et al. An SAR Target Discrimination Method Based on Ensemble One-Class Support Vector Machine［J］. Journal of Air & Space Early Warning Research， 2025， 39（3）： 157-162.
[26]	李航. 统计学习方法［M］. 2版. 北京：清华大学出版社， 2019.
	LI Hang. Statistical Learning Methods［M］. 2nd ed. Beijing： Tsinghua University Press， 2019.
[27]	刘艺林，李胜勇，李伟鹏，等. 基于随机森林的雷达辐射源识别算法研究［J］. 电光与控制， 2022， 29（2）： 108-112.
	LIU Yilin， LI Shengyong， LI Weipeng， et al. A Radar Emitter Identification Algorithm Based on Random Forest［J］. Electronics Optics & Control， 2022， 29（2）： 108-112.
[28]	高彩霞，吴彤，付子义. 线性回归与EEMD的滚动轴承剩余寿命预测［J］. 机械科学与技术， 2019， 38（10）： 1589-1597.
	GAO Caixia， WU Tong， FU Ziyi. Remaining Useful Life Prediction for Rolling Bearings Based on Linear Regression and EEMD［J］. Mechanical Science and Technology for Aerospace Engineering， 2019， 38（10）： 1589-1597.
[29]	胡汉铎，宋彦萍，俞建阳，等. 基于支持向量回归及虚拟样本技术的跨音速压气机优化设计［J］. 工程热物理学报， 2025， 46（5）： 1512-1519.
	HU Handuo， SONG Yanping， YU Jianyang， et al. Optimization Design of Transonic Compressor Blade Based on Support Vector Regression and Virtual Sample Technique［J］. Journal of Engineering Thermophysics， 2025， 46（5）： 1512-1519.
[30]	SUN Mengwei， DAVIES M E， PROUDLER I K， et al. A Gaussian Process Regression Based Dynamical Models Learning Algorithm for Target Tracking［EB/OL］. （2022-11-25）［2025-10-10］. .
[31]	黄晶柱，钟依禄，黄裘俊，等. 基于高斯过程回归矿山爆破飞石距离预测模型［J］. 工程爆破， 2023， 29（2）： 73-79， 108.
	HUANG Jingzhu， ZHONG Yilu， HUANG Qiujun， et al. Prediction Model of Blasting Flyrock Distance in Mine Based on Gaussian Process Regression［J］. Engineering Blasting， 2023， 29（2）： 73-79， 108.
[32]	陆金辉，鲍楠，胡晗，等. 城市道路车辆行为识别方法研究［J］. 移动通信， 2023， 47（10）： 38-43.
	LU Jinhui， BAO Nan， HU Han， et al. Research on Vehicle Behavior Recognition Methods for Urban Roads［J］. Mobile Communications， 2023， 47（10）： 38-43.
[33]	胡揽月. 基于分段pHMM的长读混合纠错算法［D］. 昆明：云南大学， 2021.
	HU Lanyue. A Long Read Hybrid Error Correction Algorithm Based on Segmented pHMM［D］. Kunming： Yunnan University， 2021.
[34]	何龙. 深入理解XGBoost：高效机器学习算法与进阶［M］. 北京：机械工业出版社， 2020.
	HE Long. Understanding XGBoost： Efficient Machine Learning Algorithm and Advancement［M］. Beijing： China Machine Press， 2020.
[35]	汤婷，张岩，安宗文. 基于孤立森林算法的风电齿轮箱轴承故障检测方法［J］. 轴承， 2022（2）： 68-74.
	TANG Ting， ZHANG Yan， AN Zongwen. Fault Detection Method for Wind Turbine Gearbox Bearings Based on Isolation Forest Algorithm［J］. Bearing， 2022（2）： 68-74.