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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD