作者:徐嘉辉,刘宇,车佳,张良俊,王锦,张杨 单位:南京电子技术研究所 出版:《现代雷达》2019年第09期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFXDLD2019090110 DOC编号:DOCXDLD2019090119 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于跟踪质量熵的分布式组网雷达航迹融合算法》PDF+DOC2019年第05期 陈帅,张世仓,王凯 《基于电子雷达通信的追踪目标精度优化改进》PDF+DOC 欧仁侠,张华磊,陈洪斌,邓芳 《复杂环境下的航迹融合研究》PDF+DOC2006年第S1期 胡炜薇,李争,蒲书缙,杨莘元 《分布式多传感器融合多目标跟踪方法》PDF+DOC2004年第08期 韩红,韩崇昭,朱洪艳,刘允才 《一种改进的自适应航迹融合算法》PDF+DOC2002年第06期 乔向东,王宝树,刘城霞 《系统误差下的模糊航迹关联方法》PDF+DOC2012年第03期 刘德浩,王国宏,陈中华 《基于数据拟合的航迹关联方法》PDF+DOC2012年第04期 刘德浩,王国宏,陈中华 《基于多因素模糊综合的雷达和AIS情报航迹融合算法》PDF+DOC2012年第07期 王红杰 《基于跟踪状态监视的稳健航迹关联与融合算法》PDF+DOC2015年第01期 董凯,王海鹏,刘瑜 《改进CHNN神经网络航迹关联算法》PDF+DOC2014年第02期 柏慧风,高贵明
  • 针对传统的航迹融合算法精度较低、计算过程需要先验状态估计的缺点,提出了一种基于卷积神经网络(CNN)的航迹融合算法。各局部航迹在融合中心已经过时空校准和航迹关联。由于目标运动轨迹具有时间相关性的特点,采用连续多周期的局部航迹估计,结合深度学习积累经验的能力,解析出当前时刻的更精确的系统航迹估计,实现航迹融合。实验表明,该种融合算法能够处理具有共同过程噪声复杂环境干扰下的综合误差,并且在不同传感器和环境情况下,以相同的CNN模型结构训练,融合后的系统航迹误差均方差都低于各局部航迹误差均方差,证明了该算法能够提高航迹精度,具有可行性。

    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。