基于深度学习网络模型的端到端航迹关联

发布时间：2021-07-16 08:11

　　为提高雷达数据处理中航迹关联的智能性,充分利用目标的特征信息,并简化系统处理流程,提出了一种基于深度学习网络模型的端到端航迹关联算法。首先分析了基于神经网络的航迹关联存在样本细节少、处理流程繁杂的问题,然后提出了端到端的深度学习模型。该模型根据航迹关联数据的处理特征,改进了卷积神经网络结构用于特征提取,充分利用了长短期记忆网络对历史信息和将来信息的处理能力,并分析了前后航迹的关联性。在对原始数据进行卡尔曼滤波后,将全部航迹信息特征作为输入,并由基于卷积神经网络特征提取的长短期记忆深度神经网络模型直接输出航迹关联结果。仿真结果表明,提出的模型可以充分学习推演目标的多个特征信息,具有较高的航迹关联准确率,对航迹关联的智能化分析具有一定的参考价值。 

【文章来源】：计算机科学. 2020,47(03)北大核心CSCD

【文章页数】：6 页

【部分图文】：

基于神经网络的航迹关联算法模型

采用MLP神经网络模型对X(1)k组成的数据集进行滤波,得到下一时刻的预测点方位信息Yk。预测模型如图2所示。根据参考圈数在下一圈中找到波门与预测点Ym欧氏距离最近的k个最近邻,再从k个最近邻中寻找与航迹片断中最后一个点欧氏距离最近的点作为航迹关联的结果Zm,如图3所示。

根据参考圈数在下一圈中找到波门与预测点Ym欧氏距离最近的k个最近邻,再从k个最近邻中寻找与航迹片断中最后一个点欧氏距离最近的点作为航迹关联的结果Zm,如图3所示。2.2 存在的问题

【参考文献】：
期刊论文
[1]深度学习在雷达中的研究综述[J]. 王俊,郑彤,雷鹏,魏少明.  雷达学报. 2018(04)
[2]基于深度学习算法的极化合成孔径雷达通用分类器设计[J]. 李索,张支勉,王海鹏.  上海航天. 2018(03)
[3]应用K-means聚类的分布式多传感器航迹关联算法[J]. 李素,王运锋.  电讯技术. 2018(03)
[4]基于卷积神经网络的雷达回波外推方法[J]. 施恩,李骞,顾大权,赵章明.  计算机应用. 2018(03)
[5]改进CHNN神经网络航迹关联算法[J]. 柏慧风,高贵明.  现代防御技术. 2014(02)
[6]基于神经网络的多传感器模糊航迹关联算法[J]. 田宝国,陈健.  舰船电子工程. 2009(11)
[7]基于BP神经网络的ESM/Radar航迹关联[J]. 林洪涛,周焰,程焱,潘恒辉.  现代雷达. 2009(04)
[8]人工神经网络在航迹关联中的应用[J]. 张池平,崔平远,张英俊.  黑龙江大学自然科学学报. 2006(01)



本文编号：3286634