基于Conformer-MTP实现对雷达机动目标的滤波与预测OA

雷达机动目标跟踪是通过量测信息对目标的位置状态进行估计的过程,传统的Kalman滤波算法在面对运动方程非线性时,跟踪精度下降较为明显。智能化算法通过注意力机制捕获特征的远程依赖关系,能对未知运动进行精准建模,但其局部信息提取能力不足,在目标发生局部机动时跟踪精度下降。对此,本文提出基于Conformer-MTP实现雷达机动目标端到端滤波与预测的算法。模型使用Conformer结构的编码器,新增卷积模块增强注意力机制,使全局建模与局部信息有机结合;同时,模型使用MTP结构的解码器,整合滤波和预测过程,使二者共享部分解码器参数,从而降低整体系统的计算量和参数量。在5种运动种类的数据集上进行对比测试,Conformer-MTP算法的滤波精度和预测精度均高于交互多模型(IMM)算法,本算法的滤波误差减小21.62%,预测误差减小16.64%。此外,设计了消融实验。相较于标准Transformer算法,本算法的滤波误差减小58.52%,预测误差减小39.28%,且总参数量减少了36.56%,平均处理时间也减少了10.9%。表明Conformer-MTP结构能够有效增强模型的训练效果,提升模型整体的精度。