一种基于交互自编码的杂波环境下机动目标跟踪方法技术

本发明专利技术公开一种基于交互自编码的杂波环境下机动目标跟踪方法，应用于雷达探测技术领域，针对现有技术只从帧关系的角度关注不同历史轨迹点的帧间关系，没有考虑杂波环境，导致目标跟踪精度较低的问题；本发明专利技术首先引入了金字塔型的动态构图方案，然后设计了基于交互Transformer‑GAT自编码网络的杂波环境下机动目标跟踪方法；本发明专利技术可实现杂波环境下的机动目标高精度稳定跟踪。

【技术实现步骤摘要】

本专利技术属于雷达探测，特别涉及一种杂波环境下机动目标跟踪技术。

技术介绍

1、模型驱动方法在对未知杂波环境下的机动目标进行跟踪时，需要精确的运动学模型。事实上，构建这些精确匹配的模型是具有挑战性的，并且在跟踪之前也不可能及时准确地获得这些先验信息。此外，经典的模型驱动算法只建立相邻两帧之间的关系，pda和ipda等数据关联算法在进行状态更新时只考虑最新的一组测量值，而没有考虑历史跟踪数据。因此，这些模型驱动的方法忽略了帧内测量和多帧历史轨迹信息之间的时空关系。如果不充分有效地利用帧内和帧间存在的潜在关系，这些模型驱动方法在杂波存在时对可操作性的敏感性就会降低。

2、近年来，深度神经网络被广泛用于替代经典跟踪算法中的滤波或数据关联部分，为将深度学习技术引入机动目标跟踪问题提供了很好的范例。文献“l.shen,h.su,z.li,c.jia,and r.yang,self-attention-based transformer for nonlinear maneuveringtarget tracking,ieee trans.geosci.r本文档来自技高网...

【技术保护点】

1.一种基于交互Transformer-GAT自编码网络的杂波环境下机动目标跟踪方法，其特征在于，包括：

2.根据权利要求1所述的一种基于交互Transformer-GAT自编码网络的杂波环境下机动目标跟踪方法，其特征在于，其中是由计算距离s、偏航角曲率K、速度v、加速度a、航向角θ得到形状为3×6的特征矩阵。

3.根据权利要求2所述的一种基于交互Transformer-GAT自编码网络的杂波环境下机动目标跟踪方法，其特征在于，是由计算距离s、偏航角曲率K、速度v、加速度a、航向角θ得到形状为的特征矩阵。

4.根据权利要求3所述的一种基于交互Trans...

【技术特征摘要】

1.一种基于交互transformer-gat自编码网络的杂波环境下机动目标跟踪方法，其特征在于，包括：

2.根据权利要求1所述的一种基于交互transformer-gat自编码网络的杂波环境下机动目标跟踪方法，其特征在于，其中是由计算距离s、偏航角曲率k、速度v、加速度a、航向角θ得到形状为3×6的特征矩阵。

3.根据权利要求2所述的一种基于交互transformer-gat自编码网络的杂波环境下机动目标跟踪方法，其特征在于，是由计算距离s、偏航角曲率k、速度v、加速度a、航向角θ得到形状为的特征矩阵。

4.根据权利要求3所述的一种基于交互transformer-gat自编码网络的杂波环境下机动目标跟...

【专利技术属性】
技术研发人员：崔国龙，陈星宇，汪育苗，汪翔，臧传飞，王彦斌，郭世盛，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：