基于神经网络的飞行员头位跟踪方法研究

针对飞行员座舱模拟训练中,传统的头位检测跟踪技术存在的头位检测精度不高、实时性不强、易受外界干扰等问题,结合深度学习方法,提出了一种基于级联卷积神经网络的头位检测跟踪方法.首先结合计算机视觉手段,对拍摄到的飞行员座舱内连续视频图像进行预处理,然后经过三层级联卷积神经网络对处理过的图像进行特征提取,检测人脸,同时完成脸部...     

基于强化学习的多目标点航关联方法

针对密集杂波环境下的多目标点迹-航迹关联问题,以强化学习(Reinforcement Learning, RL)方法为基础,提出了一种基于Q学习的多目标点迹-航迹关联方法。首先,根据整个过程中目标的运动状态,建立马尔可夫决策过程(Markov Decision Process, MDP)模型。其次,利用各状态间的相关程度构成策略函数,选择准确的动作,并设定相应的奖励函数。最后,考虑杂波密集时虚假量测难以分辨,结合目标先验信息,增加了Q表再学习环节,进一步优化关联精度。仿真结果表明,在非机动和强机动两种环境下,该方法都能准确地关联到目标的量测,具有较好的点迹-航迹关联性能。