期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:机动识别 时延 多普勒频移 反向传播神经网络
摘要:为了解决机动目标跟踪中决策延迟和模型切换延迟问题,提出了一种新的基于反向传播神经网络(back propagation neural network, BPNN)的机动识别算法,基于神经网络的机动识别算法运行时间比机动目标跟踪中的经典模式识别算法短。推导了无源雷达系统中机动目标的特征量,利用帧间时延和多普勒频移的变化值对目标机动进行分类,将BPNN引入到不同机动类型的分类中。仿真结果显示,匀速、不同加速度的匀加速、匀减速的分类精度为0.962 9,不同方向加速度的分类精度为0.984 7。结果表明,提出的特征变量与BPNN的组合具有较高的精度,优于经典的分类算法。
电子测量技术杂志要求:
{1}作者信息:作者姓名、单位、职称、联系电话、通讯地址、电邮地址。
{2}作者对文章负有责任,但本刊编辑有权对稿件作文字删改。
{3}本刊同时进行数字发行,作者如无特殊声明,即视作同意授予我刊及我合作网站信息网络传播权。
{4}参考文献著录项目按照GB7714-87要求格式编排顺序。
{5}关键词:3-5个,以分号相隔。应尽量使用叙词,无法用叙词的则应根据文章内容合理提取反映主题的自由词。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社