基于多阶差分损失全卷积网络的航迹融合算法

针对传统的航迹融合算法高度依赖先验信息的问题，文中提出了一种基于多阶差分损失全卷积网络的航迹融合算法。融合中心首先对各局部航迹进行时空配准和航迹关联；然后通过全卷积结构设计，避免了传统卷积神经网络模型中由于全连接层的使用导致参数量大、训练难度大的问题；最后通过计算航迹及其一、二阶差分的加权损失，实现了更高精度的融合结果。消融实验表明文中提出的航迹融合算法模型小、收敛性强、精度高、运算时间适中。仿真实验表明，文中算法不需要先验信息，当噪声参数无法准确估计时，算法融合精度优于方差加权融合算法和扩维卡尔曼滤波融合算法。实验结果证实了所提算法的有效性和可行性。