基于BP神经网络的相控阵雷达多目标跟踪时间资源优化分配方法

针对相控阵雷达多目标跟踪下的威胁度等级不同，以目标位置估计的贝叶斯克拉美罗下界（Bayesian Cramer-Rao lower bound，BCRLB）为分配准则，本文建立了一种基于威胁度的多目标跟踪时间资源分配优化模型，该模型以威胁度为基准将待跟踪目标分为两类，不同类别采用不同的时间资源分配方法。由于该模型及优化算法运行耗时巨大，该文还提出了一种基于反向传播（Back propagation，BP）神经网络的多目标跟踪时间资源拟合方法。计算机仿真表明，该模型及方法可以使各目标跟踪维持最佳状态，同时BP神经网络耗时降低2 000多倍。