电子学报 ›› 2022, Vol. 50 ›› Issue (3): 759-763.DOI: 10.12263/DZXB.20200299

• 科研通信 • 上一篇    下一篇

一种深度学习航迹关联方法

崔亚奇, 何友, 唐田田, 熊伟   

  1. 海军航空大学 信息融合研究所,山东 烟台 264001
  • 收稿日期:2020-03-27 修回日期:2021-03-05 出版日期:2022-03-25 发布日期:2022-03-25
  • 作者简介:崔亚奇 男,1987年生,河南人,博士,副教授,主持国家自然基金青年基金1项,入选中国科协青年人才托举工程,获中国航空学会科技进步二等奖1项、省部级科技进步二等奖2项,发表学术论文32篇,其中SCI 11篇、EI 17篇,获授权国家发明专利10项、登记软件著作权3项、出版专著2部、译著1部,协助指导硕博研究生12名,其中1名获山东省优秀博士学位论文、1名获中国航空学会优秀硕士论文.目前主要研究方向为雷达数据处理、多源信息融合和人工智能交叉应用等.E-mail:cui_yaqi@126.com
    何 友 男,1956年生,吉林人,信息融合专家.1982年、1988年分获海军工程大学学士和硕士学位,1997年获清华大学博士学位,曾在德国布伦瑞克工业大学作访问学者.现为海战场信息感知与融合技术军队重点实验室主任、教授、博士生导师,中国指挥与控制学会副理事长,中国电子学会、中国航空学会常务理事,中国航空学会信息融合分会主任委员,IET Fellow等.
  • 基金资助:
    国家自然科学基金重大项目(61790550);国家自然科学基金青年基金(62001499)

A Deep Learning Track Correlation Method

CUI Ya-qi, HE You, TANG Tian-tian, XIONG Wei   

  1. Institute of Information Fusion,Naval Aeronautical University,Yantai,Shandong 264001,China
  • Received:2020-03-27 Revised:2021-03-05 Online:2022-03-25 Published:2022-03-25

摘要:

根据机器学习当中的理论方法,通过输入和输出数据设计,把信息融合领域的航迹关联问题,转换为机器学习领域中的分类识别问题,研究提出了一种深度学习航迹关联方法.仿真结果表明:所提方法在关联性能和自适应能力方面优于对比方法,具有较好的应用前景.

关键词: 航迹关联, 深度学习, 机器学习, 卷积神经网络, 多层神经网络

Abstract:

According to the theories and methods in machine learning, we converted the track correlation problem in the field of information fusion to a classification recognition problem in the field of machine learning by designing the input data and output data. In advance, a deep learning track correlation method was proposed in this paper. The experiments illustrate that the new method is better than the compared methods in the aspect of correlation performance and adaptation abilities. Thus, the new method would have a good applied foreground.

Key words: track correlation, deep learning, machine learning, convolutional neural network, multilayer neural network

中图分类号: