科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对数据驱动的航迹融合算法精度较低、泛化和适应性差的问题，文中提出了一种数据和模型双驱动的航迹融合算法。该算法主要包含残差提取、残差融合和航迹重建三个部分。残差提取，即模型驱动部分：根据先验知识，建立航迹误差模型，对局部航迹进行近似，并提取其残差作为误差的估计。残差融合，即数据驱动部分：设计了一个多尺度全卷积网络对残差进行融合。航迹重建部分：将网络输出的融合残差还原为融合子航迹，并对连续的多个子航迹进行综合，得到完整的融合航迹。仿真实验表明，该算法不依赖先验信息，融合精度显著优于数据驱动融合算法和传统算法，并具有很好的运动参数和运动模式泛化与适应能力。
-
单位自动化学院; 西北工业大学; 成都飞机设计研究所
