為提高雷達(dá)數(shù)據(jù)處理中航跡關(guān)聯(lián)的智能性,充分利用目標(biāo)的特征信息,并簡化系統(tǒng)處理流程,提出了一種基于深度學(xué)習(xí)網(wǎng)絡(luò)模型的端到端航跡關(guān)聯(lián)算法。首先分析了基于神經(jīng)網(wǎng)絡(luò)的航跡關(guān)聯(lián)存在樣本細(xì)節(jié)少、處理流程繁雜的問題,然后提出了端到端的深度學(xué)習(xí)模型。該模型根據(jù)航跡關(guān)聯(lián)數(shù)據(jù)的處理特征,改進(jìn)了卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于特征提取,充分利用了長短期記憶網(wǎng)絡(luò)對歷史信息和將來信息的處理能力,并分析了前后航跡的關(guān)聯(lián)性。在對原始數(shù)據(jù)進(jìn)行卡爾曼濾波后,將全部航跡信息特征作為輸入,并由基于卷積神經(jīng)網(wǎng)絡(luò)特征提取的長短期記憶深度神經(jīng)網(wǎng)絡(luò)模型直接輸出航跡關(guān)聯(lián)結(jié)果。仿真結(jié)果表明,提出的模型可以充分學(xué)習(xí)推演目標(biāo)的多個(gè)特征信息,具有較高的航跡關(guān)聯(lián)準(zhǔn)確率,對航跡關(guān)聯(lián)的智能化分析具有一定的參考價(jià)值。 

【文章來源】：計(jì)算機(jī)科學(xué). 2020,47(03)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

基于神經(jīng)網(wǎng)絡(luò)的航跡關(guān)聯(lián)算法模型

采用MLP神經(jīng)網(wǎng)絡(luò)模型對X(1)k組成的數(shù)據(jù)集進(jìn)行濾波,得到下一時(shí)刻的預(yù)測點(diǎn)方位信息Yk。預(yù)測模型如圖2所示。根據(jù)參考圈數(shù)在下一圈中找到波門與預(yù)測點(diǎn)Ym歐氏距離最近的k個(gè)最近鄰,再從k個(gè)最近鄰中尋找與航跡片斷中最后一個(gè)點(diǎn)歐氏距離最近的點(diǎn)作為航跡關(guān)聯(lián)的結(jié)果Zm,如圖3所示。

根據(jù)參考圈數(shù)在下一圈中找到波門與預(yù)測點(diǎn)Ym歐氏距離最近的k個(gè)最近鄰,再從k個(gè)最近鄰中尋找與航跡片斷中最后一個(gè)點(diǎn)歐氏距離最近的點(diǎn)作為航跡關(guān)聯(lián)的結(jié)果Zm,如圖3所示。2.2 存在的問題

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在雷達(dá)中的研究綜述[J]. 王俊,鄭彤,雷鵬,魏少明.  雷達(dá)學(xué)報(bào). 2018(04)
[2]基于深度學(xué)習(xí)算法的極化合成孔徑雷達(dá)通用分類器設(shè)計(jì)[J]. 李索,張支勉,王海鵬.  上海航天. 2018(03)
[3]應(yīng)用K-means聚類的分布式多傳感器航跡關(guān)聯(lián)算法[J]. 李素,王運(yùn)鋒.  電訊技術(shù). 2018(03)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)回波外推方法[J]. 施恩,李騫,顧大權(quán),趙章明.  計(jì)算機(jī)應(yīng)用. 2018(03)
[5]改進(jìn)CHNN神經(jīng)網(wǎng)絡(luò)航跡關(guān)聯(lián)算法[J]. 柏慧風(fēng),高貴明.  現(xiàn)代防御技術(shù). 2014(02)
[6]基于神經(jīng)網(wǎng)絡(luò)的多傳感器模糊航跡關(guān)聯(lián)算法[J]. 田寶國,陳健.  艦船電子工程. 2009(11)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的ESM/Radar航跡關(guān)聯(lián)[J]. 林洪濤,周焰,程焱,潘恒輝.  現(xiàn)代雷達(dá). 2009(04)
[8]人工神經(jīng)網(wǎng)絡(luò)在航跡關(guān)聯(lián)中的應(yīng)用[J]. 張池平,崔平遠(yuǎn),張英俊.  黑龍江大學(xué)自然科學(xué)學(xué)報(bào). 2006(01)



本文編號：3286634