[发明专利]基于神经网络的改进当前统计模型方法、装置、存储介质及计算机设备

权利要求书

1.一种基于神经网络的改进当前统计模型方法，其特征在于，包括以下步骤：

S1:搭建基于神经网络的改进当前统计模型，将神经网络作为反馈网络与传统统计模型连结，获取符合目标机动情况的最大加速度值；

S2:选取训练集和标签集，按照设定归一标准化规则对训练集和标签集进行预处理；

S3:设置训练参数，使用训练参数对神经网络进行训练，使其最终达到收敛；

S4:将待处理的目标估计状态和量测输入到上述改进模型中，得到目标当前时刻状态估计值。

2.根据权利要求1所述的一种基于神经网络的改进当前统计模型方法，其特征在于：所述步骤S1中目标当前状态值的估计具体包括以下步骤：

S101:在每一个跟踪时刻，将上一时刻的目标状态估计值和当前时刻的量测值按照归一化标准进行归一化处理；

S102:处理后的数值进入反馈网络，得到当前时刻符合目标机动情况的最大加速度值。

3.根据权利要求2所述的一种基于神经网络的改进当前统计模型方法，其特征在于：所述神经网络输入层节点数与状态、量测维数和对应，隐层层数为1，隐层节点为7，输出层节点为1，网络关系式为：

所述步骤S103中当前统计模型通过测和滤波算法得到当前时刻的状态估计值。

4.根据权利要求1所述的一种基于神经网络的改进当前统计模型方法，其特征在于：所述步骤S2中所述训练集包括多个机动等级的目标数据集，将目标数据集切分处理后获得训练集和标签集，所述标签集为每个时刻的目标真实状态。

5.根据权利要求4所述的一种基于神经网络的改进当前统计模型方法，其特征在于：所述归一标准化规则为Min-Max标准化方式。

6.根据权利要求1所述的一种基于神经网络的改进当前统计模型方法，其特征在于：所述步骤S3中使用MSE作为损失函数并以端到端的方式训练反向传播神经网络；

其中损失函数为：

其中，m为训练数据数。

7.根据权利要求1所述的一种基于神经网络的改进当前统计模型方法，其特征在于：所述步骤S3中神经网络训练过程中采用Adam优化方法。

8.一种基于神经网络的改进当前统计模型系统，其特征在于：所述系统包括：

模型构建模块，用于搭建基于神经网络的改进当前统计模型，并将神经网络作为反馈网络与传统统计模型连结，从而估计目标当前状态值；

数据集预处理模块，用于选取训练集和标签集，并按照设定归一标准化规则对训练集和标签集进行预处理；

网络训练模块，用于设置训练参数，并使用训练参数对神经网络进行训练，使其最终达到收敛；以及；

估计值计算模块，用于将待处理的目标估计状态和量测输入到上述改进模型中，得到目标当前时刻状态估计值。

9.一种基于神经网络的改进当前统计模型存储介质，其特征在于：所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时能够实现权利要求1-7任一项所述的使用神经网络改进当前统计模型的步骤。

10.一种基于神经网络的改进当前统计模型设备，其特征在于：所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的使用神经网络改进当前统计模型的算法程序，所述使用神经网络改进当前统计模型的算法程序配置为实现权利要求1-7中任一项所述的使用神经网络改进当前统计模型的步骤。