【技术实现步骤摘要】
本专利技术属于航迹融合领域，更具体地，涉及一种基于图卷积神经网络的水下无人潜航器航迹融合方法及系统。
技术介绍
1、现代军事领域的科技迅猛发展已经使得战争方式不再局限于陆地，海洋和空中，而是覆盖了更为广泛的领域。在现代指挥自动化技术系统中，单一传感器提供信息已经无法满足现代战争的需求，尤其是在复杂的电子战环境下，单一平台的作战性能受到了严重的制约，导致定位、跟踪和导航性能的下降。为了弥补这一不足，多传感器信息融合技术逐渐成为关注焦点，并广泛应用于各种武器系统平台。
2、传统数据融合方法存在多方面的局限性。基于贝叶斯估计的算法需要先验测量方差，导致应用范围受限。卡尔曼滤波方法适用于多传感器冗余数据融合，但其递归特性和对存储空间的要求限制了实时性。最近邻数据关联算法在目标数目或干扰密度较大时性能较差。全局最近邻数据关联算法以nn算法为基础，虽然提升了融合性能，但计算量较大。概率数据关联方法仅适用于单目标跟踪问题。多重假设跟踪方法(mht)解决多目标跟踪，但随时间假设数量激增。加权融合算法直接操作数据源，但权值难以确定。d-s证据...
【技术保护点】
1.一种基于图卷积神经网络的航迹融合方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述图卷积神经网络模型包括依次连接第一、第二、第三图卷积层及全连接层。
3.如权利要求1或2所述的方法，其特征在于，所述图卷积神经网络模型为多感受野图卷积神经网络模型；所述第一、第二或第三图卷积层中的至少一个为多感受野图卷积层。
4.如权利要求1所述的方法，其特征在于，步骤S2中，所述将所述待处理数据按预设长度进行划分得到多个子样本之后，还包括：对各子样本进行快速傅里叶变换。
5.如权利要求1所述的方法，其特征在于，所述...
【技术特征摘要】
1.一种基于图卷积神经网络的航迹融合方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述图卷积神经网络模型包括依次连接第一、第二、第三图卷积层及全连接层。
3.如权利要求1或2所述的方法，其特征在于，所述图卷积神经网络模型为多感受野图卷积神经网络模型；所述第一、第二或第三图卷积层中的至少一个为多感受野图卷积层。
4.如权利要求1所述的方法，其特征在于，步骤s2中，所述将所述待处理数据按预设长度进行划分得到多个子样本之后，还包括：对各子样本进行快速傅里叶变换。
...【专利技术属性】
技术研发人员：周凯波，罗荣，赵于辰，张晨睿，屈沐妍，杨才霈，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。