摘要
一种基于深度学习的多源航迹关联方法,属于航迹关联算法领域;多源航迹关联通过关联算法,将从不同传感器或数据源中获取的航迹信息关联到同一目标上;深度学习方法是一种基于神经网络的数据驱动方法,应用于航迹密度高的场景;一种基于深度学习的多源航迹关联方法包括:输入层部分,用于对航迹数据预处理;GRU‑Transformer网络模型部分,用于对输入的数据信号进行提取航迹数据在时序上的特征;马氏距离相关性计算部分,用于考虑数据特征之间的相关性,适用于具有多个特征的数据;sigmod分类输出部分,利用特征进行分类输出;将未知航迹数据与机动目标一一关联;进行对比实验测试方法性能;本发明实现航迹关联,提高关联正确率。
技术关键词
航迹关联方法
航迹数据
注意力机制
前馈神经网络
编码器
解码器
多源航迹
神经网络模型
正确率
航迹关联算法
Sigmoid函数
模型优化方法
序列
数据驱动方法
网络模块
人工智能方法
场景
分类器
系统为您推荐了相关专利信息
状态空间模型
退化预测方法
变量
平稳轴承
退化特征
图像数据分类方法
图像分类模型
非线性
中间层
数据分类装置
行人属性识别方法
图像编码器
文本编码器
视觉特征
集成视觉