对远程目标的真温进行测量时,待测目标的辐射能量穿过大气环境后会发生一定程度的衰减,导致地面接收到的辐射能量信号不完整,降低了真温测量的精度,本论文提出了基于长短时记忆网络的远程目标真温反演方法,通过该方法提高了远程目标真温测量的精度,并基于该方法制作了实用软件供项目使用。本文的主要研究内容如下:对远程目标真温测量的整体流程进行了设计,设计了远程目标辐射光信号采集方案和信号传输方案。分析了空中不同高度的大气透过率影响因素,为实际真温测量提供参考。提出并实现基于长短时记忆网络的远程目标真温反演方法。在仿真数据和标定数据的基础上添加通道衰减,构造样本数据集进行训练,使用三种不同的评价指标对模型进行评价,验证其性能。构造了其他的模型并与本文模型进行对比,验证本文提出模型的优越性。考虑了实际测量过程中的通道能量饱和或无信号情况,验证了模型的泛化性。通过构造更多通道数量和更高温度点分辨力的数据集,探讨了通道数量和温度点分辨力对温度反演精度的影响。结果表明,在1000℃到2000℃范围内,基于长短时记忆网络的远程目标真温反演方法的反演误差在3%以内。编写远程目标真温测量系统软件。软件包括标定数据模块、模型训练模块、模型测试模块、实测数据模块和数据处理模块,在VScode平台使用Py Qt进行界面设计。标定数据模块主要实现参考标定数据的选取和导入等功能;模型训练模块主要实现标定数据的选取和导入、衰减样本的添加、模型的参数设置、模型的训练、训练结果的展示和模型保存等功能;模型测试模块主要实现不同种类的衰减样本测试等功能;实测数据模块主要实现实测数据的选取和导入等功能;数据处理模块主要实现实测样本的选取以及温度场生成等功能。