Machine Learning Models for Improved Tracking from Range-Doppler Map Images

要約

統計的追跡フィルタは、良い追跡性能のために、正確な目標計測と不確実性推定に依存する。本研究では、GMTI（Ground Moving Target Indicator）レーダーのRDM（Range-Doppler Map）画像におけるターゲット検出と不確実性推定のための新しい機械学習モデルを提案する。これらのモデルの出力を使用することで、複雑な多目標空対地追跡シナリオのための複数仮説追跡器の性能を大幅に改善できることを示す。

要約(オリジナル)

Statistical tracking filters depend on accurate target measurements and uncertainty estimates for good tracking performance. In this work, we propose novel machine learning models for target detection and uncertainty estimation in range-Doppler map (RDM) images for Ground Moving Target Indicator (GMTI) radars. We show that by using the outputs of these models, we can significantly improve the performance of a multiple hypothesis tracker for complex multi-target air-to-ground tracking scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL