基于Hopfield神经网络的雷达多目标跟踪

摘要：

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法.为解决JPDA随着目标增多的情况会出现的组合“爆炸”及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性.基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力.

关键词：雷达、多目标跟踪、Hopfield神经网络、数据关联

所属期刊栏目：43

分类号：U698.6(水路运输技术管理)

资助基金：国家自然科学基金;辽宁省自然科学基金

在线出版日期：2020-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11