現(xiàn)在的雷達(dá)信號(hào)樣式日益復(fù)雜,對(duì)于多目標(biāo)場(chǎng)景,傳統(tǒng)偵察方式容易出現(xiàn)增批現(xiàn)象,這將帶來(lái)同一批次參數(shù)不完備、不同批次參數(shù)冗余等問(wèn)題。僅僅依靠到達(dá)時(shí)間、方位、頻率等參數(shù)信息,將難以實(shí)現(xiàn)對(duì)動(dòng)目標(biāo)的跟蹤及軌跡擬合。在期望最大化算法基礎(chǔ)上,提出一種新的多目標(biāo)軌跡擬合算法,從理論上論證該算法的合理性,并通過(guò)仿真驗(yàn)證了其有效性。 

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引 言
1 EM算法
2 多軌跡擬合算法
    2.1 混合高斯模型
    2.2 混合拉普拉斯模型
    2.3 混合線性模型
3 仿真試驗(yàn)
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]一種新的近程多目標(biāo)軌跡參數(shù)測(cè)量方法[J]. 郭新民,呂鵬.  雷達(dá)科學(xué)與技術(shù). 2017(06)
[2]基于高斯混合模型的期望最大化聚類(lèi)算法[J]. 尹楠.  統(tǒng)計(jì)與決策. 2017(04)
[3]混合高斯參數(shù)估計(jì)的兩種EM算法比較[J]. 劉旺鎖,王平波,顧雪峰.  聲學(xué)技術(shù). 2014(06)
[4]基于參數(shù)探索的期望最大化策略搜索[J]. 程玉虎,馮渙婷,王雪松.  自動(dòng)化學(xué)報(bào). 2012(01)
[5]基于EM算法和GOF的寬帶分布式目標(biāo)檢測(cè)算法[J]. 李濤,馮大政,夏宇垠.  電子學(xué)報(bào). 2010(10)



本文編號(hào)：3729774