摘要
本申请属于云台控制技术领域,涉及雷达辅助下的单目标跟踪与云台联动控制方法;通过小波变换和自适应滤波算法对雷达信号数据进行去噪和增强;利用短时傅里叶变换和连续小波变换进行时频域分析,提取出更加精确的目标时频特征数据;通过卷积神经网络结合多模态数据融合模型,从时频域特征数据中精确提取目标的相关信息;通过LSTM模型对目标的历史轨迹进行学习,预测目标未来的运动轨迹,并通过卡尔曼滤波器对预测结果进行修正和更新;利用深度强化学习算法,根据目标的更新状态和云台的当前状态,动态优化云台的控制策略;有效解决了误检测、漏检测以及目标快速运动导致的控制不精确的问题。
技术关键词
联动控制方法
短时傅里叶变换
卷积神经网络模块
深度强化学习算法
连续小波变换
雷达
LSTM模型
频域特征
云台控制系统
多模态数据融合
卡尔曼滤波
注意力机制
瞬时频率提取
云台控制技术
控制策略
信号
多层感知机
噪声估计方法
系统为您推荐了相关专利信息
声纹识别身份
对话策略
动画
建立声纹模型
声纹特征提取方法
状态感知系统
电渗析装置
跨膜电压
电压传感器
离子膜
电缆故障定位方法
短时傅里叶变换
信号
二进制相移键控
电缆故障定位系统
信号频域特征
时域特征
封孔材料
演化特征
分布特征
注意力
工况
短时傅里叶变换
机械故障诊断技术
子模块