电讯技术

作者：彭锐晖,贺基贤,孙殿星,杨雪婷

单位：(1.哈尔滨工程大学青岛创新发展基地，山东 青岛 266000;2.海军航空大学 信息融合研究所，山东 烟台 264001)

关键词：端到端航迹关联；深度学习；卷积神经网络；Transformer；

基金：国防科技重点实验室基金项目（2023-JCJQ-LB-016）

针对复杂航迹场景下的航迹关联问题，提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）和Transformer网络混合模型的端到端航迹关联算法，旨在提高航迹关联的准确性和效率。首先，将两个雷达上报的航迹集按目标分组，堆叠为特征对；随后，将标准化的数据输入至CNN-Transformer模型中，经由CNN层和Transformer编码器层提取空间特征并处理全局信息，之后进行目标关联预测；最后，根据预测概率确定最佳匹配目标输出关联结果。实验结果表明，无论是在存在干扰航迹环境还是在高密度航迹环境下，所提算法相比传统航迹关联算法在航迹关联精度上提高了15%~20%，并且在多目标场景中其鲁棒性和准确性大大提升。

来源：2025年第5期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第5期