[发明专利]基于深度长短期记忆网络的窄带雷达目标跟踪方法

摘要

本发明公开了一种基于深度长短期记忆网络的窄带雷达目标跟踪方法，主要解决类带雷达目标跟踪中，待跟踪目标运动类型与预先假设的目标运动类型不匹配造成的难以有效跟踪的问题。本发明实现的步骤如下：(1)构建多种运动类型组成的训练数据集；(2)构建深度长短期记忆网络；(3)对训练集进行归一化处理；(4)训练深度长短期记忆网络；(5)窄带雷达目标跟踪。本发明通过基于深度长短期记忆网络的窄带雷达目标跟踪方法，能够对多种运动类型的目标及机动目标实现精度更高地有效跟踪。

主权项

1.一种基于深度长短期记忆网络的窄带雷达目标跟踪方法，其特征在于，构建多种运动类型组成的训练数据集，构建深度长短期记忆网络，该方法的具体步骤包括如下：(1)构建多种运动类型组成的训练数据集：(1a)利用距离单元公式，计算窄带雷达观测场景中距离单元的总数Nr；(1b)利用目标运动轨迹的构建方法，构建10Nr条训练目标的运动轨迹，将每一个训练目标每次被窄带雷达扫描时的坐标值，组成二维向量，作为当前时刻该训练目标的真实运动状态；(1c)利用窄带雷达观测方程，生成对应于每一个训练目标的真实运动状态的窄带雷达观测值；(1d)将所有训练目标的真实运动状态与相应的窄带雷达观测值组成训练数据集；(2)构建深度长短期记忆网络：(2a)搭建一个由滤波网络和预测网络组成的深度长短期记忆网络，每一个网络的结构均为8层，其结构依次为：输入层→含有6个隐藏层的长短期记忆网络→输出层；(2b)设置每一个网络各层参数如下：将输入层设置为2×16的全连接层；将长短期记忆网络的隐藏层数设置为6，输入单元的个数设置为16，隐单元的个数设置为256；将输出层设置为256×2的全连接层；(3)对训练集进行归一化处理：(3a)用训练目标的真实运动状态除以窄带雷达观测的最远距离，得到归一化后的目标真实运动状态；(3b)用窄带雷达观测训练目标的径向距离除以窄带雷达观测的最远距离，得到归一化后的窄带雷达观测训练目标的径向距离；用窄带雷达观测训练目标的方位角除以窄带雷达观测的最大方位角，得到归一化后的窄带雷达观测训练目标的方位角；(4)训练深度长短期记忆网络：(4a)将归一化后的训练集中径向距离观测值与方位角观测值，分别输入到深度长短期记忆网络中得到网络的实际输出值，将归一化后的训练集中实际运动状态作为深度长短期记忆网络的期望输出值；(4b)将深度长短期记忆网络的实际输出值与期望输出值，组成滤波网络和预测网络的代价函数；(4c)使用最小批梯度下降法，训练深度长短期记忆网络，调整梯度下降法中梯度更新的步长，直到滤波网络和预测网络的代价函数均趋于不变，得到训练好的深度长短期记忆网络；(5)窄带雷达目标跟踪：(5a)用窄带雷达对待跟踪目标径向距离的观测值，除以窄带雷达观测的最远距离，得到归一化后的窄带雷达观测待跟踪目标的径向距离；用窄带雷达对待跟踪目标方位角的观测值，除以窄带雷达观测的最大方位角，得到归一化后的窄带雷达观测待跟踪目标的方位角；(5b)将归一化后待跟踪目标位置的径向距离和方位角，输入训练好的深度长短期记忆网络，得到相应的归一化后待跟踪目标位置的滤波值和预测值；(5c)用窄带雷达观测的最远距离，分别乘以归一化后待跟踪目标位置的滤波值和预测值，得到待跟踪目标位置的滤波值和预测值，完成窄带雷达目标跟踪。