摘要：針對(duì)傳統(tǒng)的航跡融合算法精度較低、計(jì)算過程需要先驗(yàn)狀態(tài)估計(jì)的缺點(diǎn),提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的航跡融合算法。各局部航跡在融合中心已經(jīng)過時(shí)空校準(zhǔn)和航跡關(guān)聯(lián)。由于目標(biāo)運(yùn)動(dòng)軌跡具有時(shí)間相關(guān)性的特點(diǎn),采用連續(xù)多周期的局部航跡估計(jì),結(jié)合深度學(xué)習(xí)積累經(jīng)驗(yàn)的能力,解析出當(dāng)前時(shí)刻的更精確的系統(tǒng)航跡估計(jì),實(shí)現(xiàn)航跡融合。實(shí)驗(yàn)表明,該種融合算法能夠處理具有共同過程噪聲復(fù)雜環(huán)境干擾下的綜合誤差,并且在不同傳感器和環(huán)境情況下,以相同的CNN模型結(jié)構(gòu)訓(xùn)練,融合后的系統(tǒng)航跡誤差均方差都低于各局部航跡誤差均方差,證明了該算法能夠提高航跡精度,具有可行性。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
