模型误差影响下基于CNN+BiLSTM神经网络的非圆信号目标直接跟踪算法

作     者：尹洁昕 王鼎 杨欣 杨宾 YIN Jie-xin;WANG Ding;YANG Xin;YANG Bin

作者机构：中国人民解放军战略支援部队信息工程大学信息系统工程学院河南郑州450001 国家数字交换系统工程技术研究中心河南郑州450002 郑州大学计算机与人工智能学院河南郑州450001 

基　　金：国家自然科学基金(No.61901526,No.62171469,No.62071029) 军事科技领域青年人才托举工程(No.2022-JCJQ-QT-028) 全军共用信息系统装备预先研究专用技术项目(No.315087701) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2024年第52卷第4期

页      码：1315-1329页

摘      要：针对运动观测阵列状态误差与接收频率抖动同时影响下的非圆信号无源跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)+双向长短时记忆网络(Bi-directional Long Short-Term Memory,BiL⁃STM)的直接跟踪算法.该算法首先利用多运动观测阵列信号各频带间的相关性与辐射源信号的非圆特性,建立模型误差影响下的扩展多站观测矢量;接着利用多个观测时隙内扩展多站观测矢量的信号子空间构造空时特征输入序列;然后设计基于CNN与BiLSTM混合神经网络的直接跟踪模型,通过训练实现对非圆目标的轨迹矢量直接估计.本文算法是从原始数据信号子空间中估计轨迹矢量的直接跟踪模式,相比传统“观测参数估计+滤波轨迹跟踪”的两步估计模式,具有更高的估计精度.由于本文算法在神经网络训练过程中学习到模型误差的信息,因此能够实现对多种误差的校正.仿真结果表明,本文算法较传统两步跟踪算法与现有直接跟踪算法均具有更高的轨迹估计精度,能够明显提升模型误差影响下多站协同跟踪的鲁棒性.

主 题 词：直接跟踪 非圆信号 模型误差 卷积神经网络 双向长短时记忆网络 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 

核心收录：

D　O　I：10.12263/DZXB.20230525

馆 藏 号：203128246...