典型文献
面向毫米波雷达路侧交通监测的时变滤波器参数估计模型
文献摘要：
随着自动驾驶、智能交通的发展,跟踪算法成为热点问题.本文主要针对的是在毫米波雷达路侧交通场景中通过对广义标签多伯努利滤波器(Generalized Labeled Multi-Bernoulli Filter,GLMB)参数估计从而保证滤波器在时变交通监测中目标跟踪的性能.参数选择是制约滤波器性能的主要因素之一,掌握其特性,具有十分重要的意义.传统的跟踪滤波会在特定的场景中使用一套固定的参数,当场景变化时,滤波器参数无法及时调整,导致跟踪性能降低.针对该问题,本文将长短期记忆神经网络(Long Short Term Memory network,LSTM)引入GLMB滤波器参数估计领域,通过雷达数据训练神经网络,使其具备对滤波器参数估计能力.使用毫米波雷达数据构建的数据集训练神经网络,训练完成后将使用测试数据集验证神经网络对参数估计结果.不同交通场景的雷达实测数据验证结果表明,与人为设定的固定参数方法相比,该方法可以使滤波器在时变交通监测中及时对参数进行估计与调优,提升了GLMB滤波器目标跟踪的性能.
文献关键词：
神经网络;参数估计;长短期记忆神经网络;多目标跟踪;广义标签多伯努利滤波
中图分类号：
作者姓名：
李洋;王铜;王彦平;林赟;申文杰
作者机构：
北方工业大学信息学院雷达监测技术实验室,北京100144
文献出处：
引用格式：
[1]李洋;王铜;王彦平;林赟;申文杰-.面向毫米波雷达路侧交通监测的时变滤波器参数估计模型)[J].信号处理,2022(01):148-156
A类：
广义标签多伯努利,广义标签多伯努利滤波,GLMB,时变交通
B类：
毫米波雷达,路侧,交通监测,滤波器参数,参数估计,自动驾驶,智能交通,跟踪算法,交通场景,标签多伯努利滤波器,Generalized,Labeled,Multi,Bernoulli,Filter,参数选择,跟踪滤波,当场,跟踪性能,长短期记忆神经网络,Long,Short,Term,Memory,network,雷达数据,数据训练,集训,测试数据,数据集验证,数据验证,参数方法,调优,多目标跟踪
AB值：
0.243862
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
