申请/专利权人:兰州理工大学
申请日:2024-01-12
公开(公告)日:2024-04-12
公开(公告)号:CN117872347A
主分类号:G01S13/66
分类号:G01S13/66;G06N3/092;G06N7/01;G01S7/40
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了基于双层强化学习优化的JPDA多目标跟踪方法及系统,所述方法包括:S1、在量测周围生成杂波形成复杂环境,在复杂环境中利用深度强化学习对传感器进行路径规划,根据规划的路径找到最佳观测位置,在所述最佳观测位置得到最佳量测信息;S2、基于所述最佳量测信息构件伪关联方程,利用深度强化学习对所述伪关联方程进行优化,得到最佳量测集,对所述最佳量测集进行滤波后验,实现JPDA多目标跟踪。本发明利用强化学习对JPDA关联门内所有候选人量测进行了训练,使得训练后的候选人量测能够有效的提高JPDA算法的估计精度,且双层强化学习优化下的JPDA有着极佳的效果。
主权项:1.基于双层强化学习优化的JPDA多目标跟踪方法,其特征在于,所述方法包括:S1、在量测周围生成杂波形成复杂环境,在复杂环境中利用深度强化学习对传感器进行路径规划,根据规划的路径找到最佳观测位置,在所述最佳观测位置得到最佳量测信息;S2、基于所述最佳量测信息构建伪关联方程,利用深度强化学习对所述伪关联方程进行优化,得到最佳量测集,对所述最佳量测集进行滤波后验,实现JPDA多目标跟踪。
全文数据:
权利要求:
百度查询: 兰州理工大学 基于双层强化学习优化的JPDA多目标跟踪方法及系统
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。