机动目标跟踪支持向量回归学习新方法

被引：10

作者：

赖少发

刘华军

机构：

[1] 南京理工大学计算机科学与工程学院

来源：

南京理工大学学报 | 2017年 / 41卷 / 02期

关键词：

机动目标跟踪; 支持向量回归; 汽车毫米波雷达;

D O I：

10.14177/j.cnki.32-1397n.2017.41.02.019

中图分类号：

TP181 [自动推理、机器学习]; U463.6 [电气设备及附件]; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

082301 [道路与铁道工程]; 140502 [人工智能];

摘要：

针对强机动性车辆目标的运动建模、控制输入建模和噪声建模的不精确导致的汽车雷达目标跟踪滤波精度低的问题,该文提出了基于支持向量回归(SVR)的机动目标跟踪滤波新方法。在常加速度(CA)模型的基础上,对理论新息协方差与实际新息协方差残差的Frobenius范数在线学习,获得过程噪声协方差的自适应调节因子,实时调整运动模型。对汽车雷达目标跟踪系统的仿真实验表明,该文算法降低了汽车雷达目标跟踪滤波对车辆运动模型和噪声模型的依赖程度,在强机动目标跟踪滤波性能上优于CA模型,比Singer模型具有更强的机动适应性和更高的精度。

引用

页码：264 / 268

页数：5

共 6 条

[1]

汽车毫米波雷达目标跟踪的快速平方根CKF算法 [J].

刘华军 ;

赖少发 .

南京理工大学学报, 2016, 40 (01) :56-60+66

[2]

基于改进Singer模型的机动目标跟踪方法 [J].

张燕 ;

柳超 ;

李云鹏 .

火控雷达技术, 2015, 44 (03) :37-40+50

[3]

Comparison of four Adaboost algorithm based artificial neural networks in wind speed predictions.[J].Hui Liu;Hong-qi Tian;Yan-fei Li;Lei Zhang.Energy Conversion and Management.2015,

[4]

Short-term wind speed prediction using an unscented Kalman filter based state-space support vector regression approach.[J].Kuilin Chen;Jie Yu.Applied Energy.2014,

[5]

Models and Algorithms for Tracking Target with Coordinated Turn Motion.[J].Xianghui Yuan;Feng Lian;Chongzhao Han;Shuli Sun.Mathematical Problems in Engineering.2014,

[6]

A tutorial on support vector regression [J].

Smola, AJ ;

Schölkopf, B .

STATISTICS AND COMPUTING, 2004, 14 (03) :199-222

← 1 →