基于机器学习的雷达目标跟踪算法研究

发布时间：2021-03-04 14:12

　　在利用雷达开展运动目标跟踪过程中,通常会选取传统卡尔曼滤波、维纳滤波、α-β滤波等算法,构建目标物体滤波的状态模型,对线性化、高斯化运动目标的状态滤波进行跟踪分析。但对于非线性、非高斯过程目标的跟踪,仍旧采取传统跟踪检测算法,容易造成目标物体运动状态模型,发生形变、遮挡或消失等问题。基于此,本文提出一种改进的机器学习机制,对目标物体运动模型、状态值参数的跟踪中,不断检测与更新跟踪滤波信号,并优化跟踪器,进入实现在长时间内目标稳定跟踪的效果。 

【文章来源】：信息技术与信息化. 2020,(08)

【文章页数】：3 页

【部分图文】：

学习结构图

【参考文献】：
期刊论文
[1]一种基于机器学习的雷达目标跟踪算法[J]. 叶锴,祝怡翔.  信息技术. 2019(10)
[2]基于卡尔曼滤波的雷达单目标跟踪算法研究[J]. 李珂,王瑞,宋建强.  空间电子技术. 2019(01)
[3]一种具有关联波门自适应的联合概率数据关联算法[J]. 骆荣剑,唐鉴波,罗凯.  电子设计工程. 2019(03)
[4]基于在线学习的雷达目标跟踪技术研究[J]. 耿利祥,尹晓燕,蔡文彬,李伟.  雷达与对抗. 2018(03)



本文编号：3063357