公开(公告)号：CN117669168A

公开(公告)日：2024-03-08

申请号：CN202311578384.0

申请日：2023-11-24

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  杨麒霖 ,  管坚 ,  莫倩倩 ,  彭冬亮 ,  谷雨 ,  陈华杰

IPC: G06F30/20 ,  G06F18/241 ,  G06F18/214 ,  G06F18/22 ,  G06N3/04 ,  G01S13/72 ,  G01S13/88 ,  G01S7/40

Abstract: 本发明公开了一种基于深度强化学习的多目标跟踪方法，该方法首先得到雷达目标的真实航迹数据和传感器量测数据集，并进行标签随机有限集建模。其次将多目标先验密度进行标签多伯努利先验预测，得到代价矩阵C。然后构建强化学习模型，把代价矩阵C转化为二分图G输入训练好的深度强化学习网络模型中进行测试，输出的多个最优匹配结果转化成分配矩阵S。最后将分配矩阵S进行多伯努利滤波更新，得到多目标状态并向前传递多伯努利多目标后验密度，重复上述过程，统计多目标航迹信息。本发明在目标数量多、传统多目标跟踪系统计算量大的情况下也能快速准确实现跟踪任务。

公开(公告)号：CN117493994A

公开(公告)日：2024-02-02

申请号：CN202311437118.6

申请日：2023-11-01

Applicant: 杭州电子科技大学

Inventor： 刘俊 ,  管坚 ,  莫倩倩 ,  杨麒霖 ,  彭冬亮 ,  谷雨 ,  陈华杰

IPC: G06F18/2413 ,  G06F16/29 ,  G06F18/23 ,  G06F18/2321 ,  G06N3/0455 ,  G06N3/0442 ,  G06F18/22

Abstract: 本发明公开了一种基于AIS数据的船舶航迹预测方法，包括如下步骤：获取船舶自动识别系统AIS的原始数据并进行预处理，得到船舶航迹数据集；对船舶航迹数据进行聚类处理，将相似的航迹归为一类；预构建船舶航迹预测网络，并将得到的船舶航迹数据集输入构建好的船舶航迹预测网络进行训练，得到训练好的船舶航迹预测网络模型；将所要识别的船舶轨迹数据输入船舶航迹预测网络模型中，输出船舶轨迹数据的预测结果。该方法使用深度学习的方法通过层次航迹聚类和Seq2Seq的组合模型，并对了轨迹聚类效率进行优化，充分利用AIS数据中的时空信息，考虑了不同类型或不同区域航迹的差异性，具备良好的数据扩充和泛化能力，可以实现对船舶航迹实时的准确预测。