[发明专利]基于神经网络的机动目标精确跟踪方法

摘要

一种基于神经网络的机动目标精确跟踪方法,采用两个滤波器组成双并行结构,提取并行双滤波器的状态之差为待估计目标的状态特征向量,作为输入送给神经网络系统;在跟踪估计之前已经离线训练好的神经网络系统根据输入的特征向量,输出当前时刻待估计目标的加速度方差预测值,并利用预测值,基于当前统计模型进行自适应滤波,得到对待估计目标的快速和精确的跟踪。本发明采用双滤波器并行结构,利用全状态反馈,通过BP神经网络调整系统方差以适应目标的运动变化,具有对各种运动状态的良好自适应跟踪能力,可用于智能交通、机器人、航空电子、反弹道导弹防御和精确制导等系统的机动目标高精度定位与预测。

主权项

1、一种基于神经网络的机动目标精确跟踪方法，其特征在于包括特征提取、网络训练和融合跟踪三个基本步骤：1)状态特征提取：采用两个滤波器组成双并行结构，滤波器采用当前统计模  型，其中一个选取最大的的加速度方差以适应目标变化并保持对机动的快  速响应，另一个加速度方差根据神经网络的输出结果确定大小，初始值取  最小的加速度方差，提取并行双滤波器的状态之差为待估计目标的状态特  征向量；2)网络训练：利用位置、速度和加速度的特征向量变化规律  μ1∈[0.05，0.2]，μ2∈[0.2，0.6]和μ3∈[0.1，0.4]，选用BP神经网络进行调节，其  学习样本选取为：当特征向量各分量处于低值时，认为目标处于非机动状  态，网络输出为一接近于0的值；当特征向量各分量处于高值时，认为目  标处于强机动状态，网络输出为一接近于1.0的值；当特征向量各分量在  低值和高值之间变化时，认为目标处于弱机动状态，网络自动输出(0，1)  之间的值；3)状态融合与自适应跟踪：针对每一时刻所获得的待估计目标的特征向量，  利用已经训练好的神经网络，将特征向量作为神经网络的输入，并利用神经网络的输出ONN∈[-1，1]，以不同的方差适应目标  的强弱机动和非机动变化，利用输出的当前时刻待估计目标的加速度方差  预测值，基于当前统计模型进行自适应滤波，得到对待估计目标的快速和  精确的跟踪。