典型文献
改进的毫米波雷达静态目标识别与跟踪方法
文献摘要：
毫米波雷达在进行静态目标识别时存在目标丢失和信息缺失、识别效果较差的问题.采用一种基于机器学习算法的方法来实现静态物体识别与跟踪.选取雷达检测目标的相对速度和相对距离作为观测量,使用高斯隐马尔科夫模型学习毫米波雷达检测结果的标签数据,获取目标相对距离、相对速度和目标状态之间的非线性关系.结合高斯聚类方法与毫米波雷达数据实现对目标标签结果的预测,通过前向后向算法实现目标跟踪.结果表明,使用的模型能够在受试车车速达到30 m/s时,对140 m远处的静态目标实现良好的识别、预测和跟踪效果.
文献关键词：
毫米波雷达;静态物体检测;高斯隐马尔科夫模型;机器学习
中图分类号：
作者姓名：
林雨田;张钰;高利;赵亚男
作者机构：
北京理工大学机械与车辆学院,北京 100081
文献出处：
引用格式：
[1]林雨田;张钰;高利;赵亚男-.改进的毫米波雷达静态目标识别与跟踪方法)[J].激光杂志,2022(06):46-52
A类：
高斯隐马尔科夫模型,前向后向算法,静态物体检测
B类：
毫米波雷达,目标识别与跟踪,跟踪方法,信息缺失,基于机器学习,机器学习算法,物体识别,雷达检测,相对速度,相对距离,模型学习,标签数据,非线性关系,聚类方法,雷达数据,算法实现,实现目标,目标跟踪,试车,车车,车速,速达,远处,目标实现
AB值：
0.238336
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。
