在国外,D J Salmond [18]以及Y Boers [19]首先提出了TBD问题的解决方案的技术,以粒子滤波的方法,然而,并没有给出具体的检测策略。Y Boers 等人随后对于一些非线性,非高斯的动态系统中的信号,这种信号运动规律复杂,难以获得函数表达式,基于粒子滤波的方法获得了几种几种检测策略,但不足之处是恒虚警的自动检测器的构建仍需要进一步研究。Y Boers 做了大量工作,但目标是扩展到相邻的多目标,但需要知道潜在的目标的最大数目。
2.基于动态规划的方法
    将一个复杂的问题变成一系列简单而且有一定联系的最优化问题。通过将系统运行过程划分为若干相继的阶段来寻找系统最优决策,在每个阶段(或每一步)已决定将一个k文优化问题转化为K 1文优化问题,减少了运算量,因此,运行效率比穷举搜索的高多了。
    3.霍夫变换的方法
    霍夫变换的方法在现实生活中常常遇到,它用于图像处理,可以识别几何形状。
它向我们展示了观测空间到参数空间的映射关系,通过把观测空间中的数据通过映射关系到参数空间中,从而实现观测空间解析曲线检测。
   4.最大似然概率数据关联(MLPDA)的方法
  这种方法适合低门限,该算法将对单帧数据设定低门限,然后每一帧的测量数据,其中包含虚警高,然后,使用最大似然估计数据融合处理这些虚假报警的方法,通过最大似然概率加权对数似然比和最大的结果给出了候选轨迹估计整个数据,然后通过确认真实轨迹或确认为错误的轨道。
2 动态规划在雷达弱小目标跟踪中的作用
2.1 动态规划
    动态规划(dynamic programming)原本是数学运筹学的一个分支,这种方法用来求解决策过程(decision process)最优化。美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时有了重大突破,提出了著名的最优化原理(principle of optimality),这种原理就是把一个多阶段决策过程转化为一系列单阶段决策过程,通过各阶段之间的关系,一一求解,我们把这种解决问题方法称之为动态规划。
2.1.1 动态规划的原理
    由上可知,动态规划是求解决策过程最优化的方法。长话短说,就是从优化问题的集合中来寻找问题的最优解。规划是动态规划中重要的一部分。以往规划仅仅只是线性规划或者非线性规划。动态规划则与传统规划不一样,它的算法并不固定,根据具体问题的实际情况,采用不同的算法和技术。目前这种动态规划方法已经大量应用现实生活中的各个方面。
    动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中,可能会有许多可行解。每一个解都对应于一个值,我们希望找到具有最优值的解。动态规划算法和分治法是相似的,基本的想法是要解决的问题分解为若干子问题,解决问题,然后通过子问题的解决来解决原来的问题。不同于分治法,适合用于解决问题的动态规划算法,分解后的子问题相互之间存在联系。
上一篇:FEKO数据融合技术在空间目标识别与威胁评估中的应用
下一篇:基于Wince的H.264解码器的设计与实现

基于Apriori算法的电影推荐

基于PageRank算法的网络数据分析

基于神经网络的验证码识别算法

基于网络的通用试题库系...

python基于决策树算法的球赛预测

基于消费者个性特征的化...

基于网络的通用试题库系统的整体规划与设计

公寓空调设计任务书

中国学术生态细节考察《...

10万元能开儿童乐园吗,我...

国内外图像分割技术研究现状

医院财务风险因素分析及管理措施【2367字】

志愿者活动的调查问卷表

神经外科重症监护病房患...

承德市事业单位档案管理...

C#学校科研管理系统的设计

AT89C52单片机的超声波测距...