龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：一种基于深度学习的多源航迹关联方法，属于航迹关联算法领域；多源航迹关联通过关联算法，将从不同传感器或数据源中获取的航迹信息关联到同一目标上；深度学习方法是一种基于神经网络的数据驱动方法，应用于航迹密度高的场景；一种基于深度学习的多源航迹关联方法包括：输入层部分，用于对航迹数据预处理；GRU‑Transformer网络模型部分，用于对输入的数据信号进行提取航迹数据在时序上的特征；马氏距离相关性计算部分，用于考虑数据特征之间的相关性，适用于具有多个特征的数据；sigmod分类输出部分，利用特征进行分类输出；将未知航迹数据与机动目标一一关联；进行对比实验测试方法性能；本发明实现航迹关联，提高关联正确率。
主权项：1.一种基于深度学习的多源航迹关联方法，其特征在于：所述的方法通过以下步骤实现：步骤一、对采集的航迹数据进行预处理，在实际的航迹数据观测工作中，不同场景下可能采用不同的量纲，从而导致轨迹数值的特征属性之间存在数量级差别，为了使神经网络模型不受场景及坐标变化的影响，以及提高模型的泛化能力；步骤二、利用基于GRU-Transformer的航迹关联网络模块，提取航迹的特征，将特征矩阵输入相关性计算模块；步骤三、对不同传感器的两条航迹进行相关性计算，在航迹关联中，不同轨迹的不同特征之间存在相关性，利用马氏距离考虑数据特征之间的相关性；步骤四、利用分类器Sigmod函数对航迹关联分类，将传统的航迹关联问题，转化为时间序列的二分类问题，实现多源航迹关联任务；步骤五、对发明进行航迹关联性能对比实验；进一步地，所述的航迹关联方法还包括对网络结构进行模型优化。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于深度学习的多源航迹关联方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号