基于深度学习的编织机动目标机动参数估计
机器学习
2018-06-20 v1 机器学习
摘要
在目标跟踪中，未知编织目标频率的估计对于改善脱靶量至关重要。该估计过程通常在卡尔曼框架下进行。本文旨在考察在目标跟踪应用中使用神经网络的潜力。为此，我们提出使用深度神经网络估计编织频率，以替代基于经典卡尔曼框架的估计。特别地，我们关注已知一组可能恒定目标频率的情况。设计了几种需要低计算资源的神经网络架构，以从已知频率集合中估计未知频率。将所提方法的性能与多模型自适应估计算法进行比较。仿真结果表明，在所考察的场景中，深度神经网络在精度和收敛所需测量量方面均优于多模型自适应估计。
引用
@article{arxiv.1806.06913,
title = {Deep Learning based Estimation of Weaving Target Maneuvers},
author = {Vitaly Shalumov and Itzik Klein},
journal= {arXiv preprint arXiv:1806.06913},
year = {2018}
}