本文主要研究内容
作者徐嘉辉,刘宇,车佳,张良俊,王锦,张杨（2019）在《基于CNN的多目标航迹融合算法》一文中研究指出：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。
Abstract
zhen dui chuan tong de hang ji rong ge suan fa jing du jiao di 、ji suan guo cheng xu yao xian yan zhuang tai gu ji de que dian ,di chu le yi chong ji yu juan ji shen jing wang lao (CNN)de hang ji rong ge suan fa 。ge ju bu hang ji zai rong ge zhong xin yi jing guo shi kong jiao zhun he hang ji guan lian 。you yu mu biao yun dong gui ji ju you shi jian xiang guan xing de te dian ,cai yong lian xu duo zhou ji de ju bu hang ji gu ji ,jie ge shen du xue xi ji lei jing yan de neng li ,jie xi chu dang qian shi ke de geng jing que de ji tong hang ji gu ji ,shi xian hang ji rong ge 。shi yan biao ming ,gai chong rong ge suan fa neng gou chu li ju you gong tong guo cheng zao sheng fu za huan jing gan rao xia de zeng ge wu cha ,bing ju zai bu tong chuan gan qi he huan jing qing kuang xia ,yi xiang tong de CNNmo xing jie gou xun lian ,rong ge hou de ji tong hang ji wu cha jun fang cha dou di yu ge ju bu hang ji wu cha jun fang cha ,zheng ming le gai suan fa neng gou di gao hang ji jing du ,ju you ke hang xing 。
论文参考文献
论文详细介绍
论文作者分别是来自现代雷达的徐嘉辉,刘宇,车佳,张良俊,王锦,张杨，发表于刊物现代雷达2019年09期论文，是一篇关于卷积神经网络论文,航迹融合论文,分布式传感器论文,现代雷达2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自现代雷达2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：卷积神经网络论文; 航迹融合论文; 分布式传感器论文; 现代雷达2019年09期论文;