【技术实现步骤摘要】
本专利技术涉及一种基于神经网络(NN)的机动目标精确跟踪方法，用于智能交通、机器人、航空电子、反弹道导弹防御和精确制导等系统的机动目标高精度定位与预测，属于智能信息处理
为实现这样的目的，本专利技术基于“当前”统计模型和BP(Error Back Propagation，误差方向传播)神经网络，结合神经网络信息融合技术，全面利用目标状态的估计信息，提出了一种新颖的基于神经网络的机动目标并行自适应跟踪算法(NIFPAT)，采用双滤波器并行结构，利用全状态反馈，通过BP网络调整系统方差以适应目标的运动变化，实现对各种运动状态具有良好自适应跟踪能力。本专利技术所提出的，包括特征提取、网络训练和融合跟踪三个基本步骤1、状态特征提取利用并行双滤波器的输出之差进行状态特征的提取。采用两个滤波器组成一个双并行结构，其中一个滤波器采用当前统计模型，选取最大的的加速度方差以适应目标的各种变化，并保持对机动的快速响应；另一个滤波器也采用“当前”统计模型，但其加速度方差则是根据神经网络的输出结果确定大小，初始值取最小的的加速度方差，可取1。由于方差的不同，双滤波器的状态跟...
【技术保护点】
一种基于神经网络的机动目标精确跟踪方法，其特征在于包括特征提取、网络训练和融合跟踪三个基本步骤：１）状态特征提取：采用两个滤波器组成双并行结构，滤波器采用当前统计模型，其中一个选取最大的的加速度方差以适应目标变化并保持对机动的快速响应， 另一个加速度方差根据神经网络的输出结果确定大小，初始值取最小的加速度方差，提取并行双滤波器的状态之差为待估计目标的状态特征向量；２）网络训练：利用位置、速度和加速度的特征向量变化规律μ↓［１］∈［０．０５，０．２］，μ↓［２］∈［０．２ ，０．６］和μ↓［３］∈［０．１，０．４］，选用ＢＰ神经网络进行调节，其学习样本选取为：当特...
【技术特征摘要】
【专利技术属性】
技术研发人员：敬忠良，李建勋，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。