基于神經(jīng)網(wǎng)絡(luò)的多目標(biāo)跟蹤數(shù)據(jù)融合研究.pdf

1、數(shù)據(jù)融合是對(duì)多源信息進(jìn)行處理的一門(mén)綜合性學(xué)科.目標(biāo)跟蹤是數(shù)據(jù)融合的一個(gè)重要方面.傳統(tǒng)的多目標(biāo)跟蹤技術(shù)存在快速響應(yīng)與提高精度之間的矛盾,尋求更好的解決方法一直是專家們不斷研究探討的.20世紀(jì)80年代以來(lái),神經(jīng)網(wǎng)絡(luò)技術(shù)的再次興起,為多目標(biāo)跟蹤研究注入了新的活力.本文通過(guò)分析神經(jīng)網(wǎng)絡(luò)的功能、特點(diǎn),將其與目標(biāo)跟蹤技術(shù)相結(jié)合,首先提出一種基于kohonen網(wǎng)絡(luò)的多目標(biāo)跟蹤算法.此算法將位置測(cè)量信息作為網(wǎng)絡(luò)輸入信息,結(jié)合卡爾曼濾波等方法對(duì)目標(biāo)實(shí)施跟

2、蹤.仿真表明,在一定條件下此算法跟蹤較準(zhǔn)確,但由于網(wǎng)絡(luò)自身的局限性,對(duì)跟蹤的實(shí)時(shí)性有一定影響.針對(duì)這一問(wèn)題,本文引入了模糊kohonen聚類(FKCN)算法,將其與kohonen算法進(jìn)行對(duì)比分析,提出改進(jìn)算法.仿真結(jié)果表明,基于FKCN的改進(jìn)算法與基于kohonen網(wǎng)絡(luò)的跟蹤算法相比,大大加快了網(wǎng)絡(luò)的收斂速度,提高了跟蹤的實(shí)時(shí)性.本文還將FKCN算法與"先融合后濾波"的思想相結(jié)合,提出了一種多傳感器測(cè)量信息融合算法.仿真實(shí)驗(yàn)證明了此跟蹤