【技术实现步骤摘要】
本专利技术涉及目标状态估计方法的，具体涉及基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方法。
技术介绍
1、随着科技的飞速发展，编队群目标的伪装、隐身等手段大大加强，传感器(雷达，声纳等)对编队目标(如飞机编队、导弹、水面舰编队以及uuv、auv编队)等的跟踪面临着巨大的挑战。在群目标跟踪领域内，目标之间的相对空间距离很小，传感器难以或无法对全部目标进行分辨，而且各目标运动状态相似，导致跟踪时关联波门相互交叠，引起严重的数据关联模糊。这种跟踪对象的差异使得我们需要从另一个角度来审视群目标跟踪问题，即当难以分辨的密集多目标不具备分辨条件时不对其进行分辨而是作为一个整体来跟踪，在获得群整体运动状态之后再考虑获得群内单个成员的大致信息。另一方面，由于科技的飞速发展，编队群目标机动性越来越强，对跟踪算法的要求也越来越高。
2、多模型跟踪技术作为一种通用的机动目标跟踪手段，可适用于解决机动群目标跟踪问题。但与此同时，由于编队目标数目的不确定性及复杂环境杂波的影响，相较于质点目标，对于群目标而言，较难通过后验概率密度函数修正各子模型概...
【技术保护点】
1.一种基于GRU网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于GRU网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于，上述步骤S1的具体过程为：
3.根据权利要求2所述的基于GRU网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于：上述步骤S12中构造机动群目标运动数据集时，群目标质心运动模型具体为：
4.根据权利要求2所述的基于GRU网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于：上述神经网络输入向量生成时，输入为长度为NL的量测特征向量其中单一特征向量定义如下p>
5.根据权...
【技术特征摘要】
1.一种基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于，上述步骤s1的具体过程为：
3.根据权利要求2所述的基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于：上述步骤s12中构造机动群目标运动数据集时，群目标质心运动模型具体为：
4.根据权利要求2所述的基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于：上述神经网络输入向量生成时，输入为长度为nl的量测特征向量其中单一特征向量定义如下
5.根据权利要求1所述的基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方法，其特征在于，上述步骤s2的具体过程为：
6.根据权利要求5所述的基于gru网络的贝叶斯多模型椭圆机动群目标跟踪方...
【专利技术属性】
技术研发人员：陈烨，路绳方，王传君，焦良葆，吴德伟，高丹，秦岭，
申请(专利权)人：南京工程学院，
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。