.png){kind=icon}
返回
A Maximum Likelihood Passive Localization Method Based on Multiple Motion Model Intelligent Recognition
.png){kind=icon}
PRE
AI
DOI：10.1007/s00034-025-03380-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对无特征条件下多目标纯方位被动定位中大量虚假目标带来的挑战，提出了一种基于智能多运动模型识别增强的最大似然方法。与依赖固定运动假设的传统方法不同，所提方法利用Transformer-LSTM混合网络评估不同运动模型下的目标位置估计及声纳方位测量似然矩阵，并最终输出混合运动条件下的定位结果。这种自适应判别机制能够比传统最大似然或单模型策略更有效地抑制虚假目标干扰。仿真实验和真实海上试验数据表明，所提方法实现了来自两个被动声纳的方位测量的关联准确率超过80%，并显著降低了定位误差。这些结果证实，所提方法为复杂水下环境中的多目标被动定位提供了一种实用且稳健的解决方案，具有强大的工程应用潜力。
Keyword:
Multi-target localization
Bearing-only passive localization
Transformer-LSTM
Maximum likelihood estimation
期刊
C
IF:
2
论文数:
325
被引数:
0
机构
引用论文
An Efficient Estimator for TDOA-Based Source Localization With Minimum Number of Sensors一种具有最少传感器数量的基于TDOA的源定位的有效估计器
PREAI
分享收藏分享收藏Bearings-only target localization using total least squares使用总体最小二乘法进行仅方位目标定位.png)
SIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏
分享收藏
查看更多内容