基于CNN 的多目標航跡融合算法

摘要：針對傳統的航跡融合算法精度較低、計算過程需要先驗狀態估計的缺點,提出了一種基于卷積神經網絡(CNN)的航跡融合算法。各局部航跡在融合中心已經過時空校準和航跡關聯。由于目標運動軌跡具有時間相關性的特點,采用連續多周期的局部航跡估計,結合深度學習積累經驗的能力,解析出當前時刻的更精確的系統航跡估計,實現航跡融合。實驗表明,該種融合算法能夠處理具有共同過程噪聲復雜環境干擾下的綜合誤差,并且在不同傳感器和環境情況下,以相同的CNN模型結構訓練,融合后的系統航跡誤差均方差都低于各局部航跡誤差均方差,證明了該算法能夠提高航跡精度,具有可行性。