论文部分内容阅读
在分布式数据融合的框架下，研究了基于BP神经网络的ESM／Radar航迹关联问题。针对单个融合周期中因传感器采样率差异较大而导致的训练后网络泛化能力较差的问题，对航迹曲线进行拟合后重采样，增加训练样本数据量。利用欧氏距离，对关联概率进行二次估计。将神经网络得到的关联概率与二次估计关联概率进行加权求和，确定最终的关联概率。仿真结果表明，改进后的算法能够对航迹的关联问题作出准确的判决。