机器学习在目标检测跟踪中应用研究

发布时间：2023-04-26 03:54

　　随着现代电子技术的快速发展,雷达在军事上的应用越来越重要。雷达目标检测跟踪是影响雷达性能的关键因素。雷达目标检测是从大量杂波和干扰中提取真实目标,雷达目标跟踪的作用是预测雷达目标在下一时刻的位置,并确定目标的运动轨迹。目标检测是目标跟踪的前提,只有实现目标检测的准确性,才能保证目标跟踪的有效性。由于雷达探测的目标处于复杂的电磁环境下,致使雷达回波中会包含有很多不必要的干扰因素,这给雷达目标检测跟踪问题带来了很大困难。因此研究如何准确检测真实目标和航迹具有重要的工程意义。本文利用机器学习方法解决雷达数据处理时的目标检测和跟踪问题,降低了虚假目标和航迹率。主要做了以下几项工作:1、提出了一种基于机器学习的杂波识别方法,根据雷达目标点迹的6维特征,利用K近邻算法、支持向量机、BP神经网络和LSTM神经网络对雷达目标点迹和杂波点迹进行分类识别,有效提高了杂波识别率,并在很大程度上改善了目标检测后剩余杂波点对目标跟踪造成干扰的问题。2、提出了一种基于神经网络的目标航迹预测方法,利用神经网络预测雷达目标的坐标位置,实现对雷达目标位置的精确估计。3、提出了一种基于神经网络的数据关联方法,根据预测航迹...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外发展历史及研究现状
        1.2.1 雷达信号检测
        1.2.2 雷达目标跟踪
    1.3 论文结构及安排
    1.4 本章小结
第二章 机器学习理论简介
    2.1 机器学习概述
    2.2 K近邻算法
        2.2.1 KNN算法流程
        2.2.2 距离度量
        2.2.3 K值的选择
    2.3 支持向量机
        2.3.1 间隔最大化
        2.3.2 对偶算法
        2.3.3 核函数
    2.4 BP神经网络
        2.4.1 BP神经网络的结构
        2.4.2 BP神经网络的算法原理
        2.4.3 BP神经网络常用的传递函数
    2.5 LSTM神经网络
        2.5.1 LSTM神经网络的结构
        2.5.2 LSTM神经网络的原理
        2.5.3 激活函数
    2.6 本章小结
第三章 基于机器学习的雷达杂波识别方法研究
    3.1 引言
    3.2 机器学习方法在杂波识别中的应用研究
    3.3 实测数据仿真与分析
    3.4 本章小结
第四章 基于神经网络的雷达数据关联算法研究
    4.1 引言
    4.2 雷达数据关联经典算法
        4.2.1 最近邻方法
        4.2.2 概率数据互联算法
        4.2.3 联合概率数据互联算法
    4.3 基于神经网络的雷达数据关联方法
        4.3.1 航迹预测
        4.3.2 点航迹关联
    4.4 实测数据仿真与分析
        4.4.1 基于神经网络的航迹预测实验
        4.4.2 点航迹关联实验
    4.5 本章小结
第五章 基于BP神经网络的非线性滤波算法研究
    5.1 引言
    5.2 非线性滤波算法
        5.2.1 扩展卡尔曼滤波
        5.2.2 不敏卡尔曼滤波
    5.3 基于BP神经网络的非线性滤波算法
        5.3.1 改进后的非线性滤波算法
        5.3.2 BP神经网络的设计
    5.4 仿真实验与结果分析
        5.4.1 仿真实验1
        5.4.2 仿真实验2
    5.5 本章小结
第六章 结束语
    6.1 工作总结
    6.2 未来展望
参考文献
致谢
在学期间发表的学术论文及取得的研究成果



本文编号：3801690