《基于Hopfield神经网络的雷达多目标跟踪》PDF+DOC
作者:王伟,史国友,郑海涛,王毓玮
单位:中国航海学会
出版:《中国航海》2020年第01期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFZGHH2020010020
DOC编号:DOCZGHH2020010029
下载格式:PDF + Word/doc 文字可复制、可编辑
《一种改进的多传感器多目标跟踪联合概率数据关联算法研究》PDF+DOC2007年第20期 耿峰,祝小平
《基于证据理论的联合概率数据关联算法》PDF+DOC2013年第08期 康健,李一兵,林云,谢红
《多传感器多目标分布跟踪中数据关联的快速算法》PDF+DOC1996年第06期 崔宁周,谢维信,余雄南
《神经网络在多传感器多目标跟踪中的应用》PDF+DOC2003年第04期 陈小惠,万德钧,王庆
《支持无线传感器网络多目标跟踪的最邻近数据关联算法研究》PDF+DOC2011年第05期 朱晓钢,杨兵,许华杰
《数据关联算法研究》PDF+DOC 袁黎苗,高会军,袁领峰
《面向状态估计的水下多传感器信息融合技术研究》PDF+DOC2008年第07期 綦辉
《基于数据关联的故障快速检测》PDF+DOC2008年第04期 郭阳明,秦卫华,姜红梅,马捷中
《多传感器数据关联算法研究及发展综述》PDF+DOC2007年第15期 李伟
《两点式数据关联算法在多目标跟踪中的应用》PDF+DOC2007年第05期 李辉,张安,赵敏,沈莹
针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合“爆炸”及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。