作者：彭章友; 陈琳妍; 刘洋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。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
