辐射源航迹矢量直接估计方法

    公开(公告)号:CN112946568B

    公开(公告)日:2023-06-30

    申请号:CN202110128216.6

    申请日:2021-01-29

    IPC分类号: G01S5/02

    摘要: 本发明属于辐射源定向定位领域,特别涉及一种辐射源航迹矢量直接估计方法,基于多个观测站采集的接收波形和电磁波传播模型,构建相邻阶段的目标运动模型;依据目标运动模型和相邻两个阶段观测目标状态转移概率构建包含接收波形数据和航迹矢量的似然函数;通过对似然函数进行优化求解获取目标航迹矢量的最大似然估计。本发明通过构建包含波形数据和航迹矢量的似然函数,直接获得航迹矢量的最大似然估计,充分利用同一目标的不同观测站的观测数据之间、以及不同时刻的观测数据之间的自然冗余关系,能够在目标运动规律明显、信噪比低、采集快拍数少的条件下,获得较高的航迹估计,显著提高航迹估计性能,具有较好的应用前景。

    一种基于深度学习的航迹矢量和目标类型联合估计系统及估计方法

    公开(公告)号:CN113569465B

    公开(公告)日:2022-10-21

    申请号:CN202110713122.5

    申请日:2021-06-25

    IPC分类号: G06F30/27 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于深度学习的航迹矢量和目标类型联合估计系统及估计方法,该系统包括:航迹观测数据集构建模块用于基于航迹坐标和类别数据、观测信息和辅助信息,构建训练数据集;观测特征提取模块用于基于卷积神经网络提取训练数据集的观测特征,得到与观测时隙对应的观测特征向量;辅助信息嵌入模块用于采用嵌入的方法将影响目标航迹的因素转换为低维实际矢量,拼接得到辅助信息特征向量作为输出;航迹特征提取模块用于利用神经网络学习观测特征向量、辅助信息特征向量到航迹矢量特征向量之间的映射关系;多任务学习模块用于通过最小化联合损失函数对各模块进行组合学习,联合输出航迹矢量和目标类型。本发明显著提高了航迹估计性能。

    一种基于深度学习的航迹矢量和目标类型联合估计系统及估计方法

    公开(公告)号:CN113569465A

    公开(公告)日:2021-10-29

    申请号:CN202110713122.5

    申请日:2021-06-25

    IPC分类号: G06F30/27 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于深度学习的航迹矢量和目标类型联合估计系统及估计方法,该系统包括:航迹观测数据集构建模块用于基于航迹坐标和类别数据、观测信息和辅助信息,构建训练数据集;观测特征提取模块用于基于卷积神经网络提取训练数据集的观测特征,得到与观测时隙对应的观测特征向量;辅助信息嵌入模块用于采用嵌入的方法将影响目标航迹的因素转换为低维实际矢量,拼接得到辅助信息特征向量作为输出;航迹特征提取模块用于利用神经网络学习观测特征向量、辅助信息特征向量到航迹矢量特征向量之间的映射关系;多任务学习模块用于通过最小化联合损失函数对各模块进行组合学习,联合输出航迹矢量和目标类型。本发明显著提高了航迹估计性能。

    辐射源航迹矢量直接估计方法
    4.
    发明公开

    公开(公告)号:CN112946568A

    公开(公告)日:2021-06-11

    申请号:CN202110128216.6

    申请日:2021-01-29

    IPC分类号: G01S5/02

    摘要: 本发明属于辐射源定向定位领域,特别涉及一种辐射源航迹矢量直接估计方法,基于多个观测站采集的接收波形和电磁波传播模型,构建相邻阶段的目标运动模型;依据目标运动模型和相邻两个阶段观测目标状态转移概率构建包含接收波形数据和航迹矢量的似然函数;通过对似然函数进行优化求解获取目标航迹矢量的最大似然估计。本发明通过构建包含波形数据和航迹矢量的似然函数,直接获得航迹矢量的最大似然估计,充分利用同一目标的不同观测站的观测数据之间、以及不同时刻的观测数据之间的自然冗余关系,能够在目标运动规律明显、信噪比低、采集快拍数少的条件下,获得较高的航迹估计,显著提高航迹估计性能,具有较好的应用前景。