Con el objetivo de abordar el problema de la persecución e interceptación de naves espaciales utilizando múltiples estrategias de evasión, se considera una estrategia de persecución que involucra el uso de un filtro interactivo de múltiples modelos (IMM) en un juego de persecución-evasión, donde el Evasor adopta una estrategia de evasión conmutada basada en un método cuadrático lineal y un método de fallo de esfuerzo cero. En este caso, se propone un método mejorado de filtro de aprendizaje por retroalimentación de múltiples modelos interactivos basado en una red de memoria a largo y corto plazo (LSTM-IMML) para estimar el modo de estrategia del Evasor, con la estimación resultante que permite al Perseguidor cambiar su propia estrategia a la estrategia de persecución apropiada para interceptar al Evasor. Además, el filtro de aprendizaje por retroalimentación de múltiples modelos interactivos mejorado puede retroalimentar la estimación de fusión del estado del último tiempo al estado del siguiente tiempo para mejorar la precisión de la estimación. Se diseña una red de estimación de probabilidad basada en LSTM para estimar con precisión la probabilidad de diferentes modos. El método LSTM-IMML propuesto puede utilizarse en el juego de persecución-evasión cuando el Evasor puede cambiar su estrategia de evasión. Los resultados de la simulación muestran que el método LSTM-IMML tiene una mejor precisión de estimación del estado, y la estimación de probabilidad del modo del Evasor es más exacta y estable.