一种基于CNN-LSTM-ATTENTION的水下目标跟踪方法

    公开(公告)号:CN117455949A

    公开(公告)日:2024-01-26

    申请号:CN202311292219.9

    申请日:2023-10-08

    Abstract: 本发明提供了一种基于CNN‑LSTM‑ATTENTION的水下目标跟踪方法,首先经过CNN卷积进行局部和全部的空间特征提取,然后输入给LSTM学习时间序列特征的依赖关系,最后通过注意力层计算输入向量的注意力得分,并将结果输入到全连接层得到估计状态。本发明在不同的机动轨迹表现出最小的跟踪均方根误差,这显示了该算法的稳定性。与传统的滤波器方法(EKF、IMM)以及基于LSTM的神经网络方法相比,该方法无需建模目标运动类型的先验信息且针对目标发生机动时具有更好的精度和稳定性。

    一种非高斯噪声环境下的多目标跟踪方法

    公开(公告)号:CN119716831A

    公开(公告)日:2025-03-28

    申请号:CN202411318758.X

    申请日:2024-09-20

    Abstract: 本发明提供了一种非高斯噪声环境下的多目标跟踪方法,建立空间坐标系,获取传感器的位置坐标及监测区域;传感器周期性获取量测集,获取目标个数与各个目标的关联量测集;基于目标状态‑量测模型,将关联量测集通过狄利克雷过程‑隐马尔科夫链混合模型进行目标状态后验概率密度的迭代更新;根据各帧的迭代更新,输出各个目标航迹。本发明显著降低了跟踪误差,提升了航迹估计精度以及航迹完整度。通过变分推断自适应实时地联合估计出目标状态和观测噪声的概率密度分布,显著降低了跟踪误差,提升了航迹估计精度以及航迹完整度。

Patent Agency Ranking