概述

动态运动建模与智能跟踪算法 （1）非线性运动建模需求 传统刚体运动模型（匀速/匀加速）无法描述无人机悬停、急转、垂直起降等非结构化运动，需建立基于强化学习或神经微分方程的非线性运动模型，通过数据驱动方式实时更新目标动力学特性。 （2）自适应跟踪算法升级 需开发融合交互式多模型（IMM）算法与深度学习预测的混合架构，利用LSTM网络学习无人机轨迹模式，结合扩展卡尔曼滤波（EKF）实现复杂机动下的状态估计，算法响应延迟需压缩至毫秒级。

需求详情

一、动态运动建模与智能跟踪算法（1）非线性运动建模需求传统刚体运动模型（匀速/匀加速）无法描述无人机悬停、急转、垂直起降等非结构化运动，需建立基于强化学习或神经微分方程的非线性运动模型，通过数据驱动方式实时更新目标动力学特性。（2）自适应跟踪算法升级需开发融合交互式多模型（IMM）算法与深度学习预测的混合架构，利用LSTM网络学习无人机轨迹模式，结合扩展卡尔曼滤波（EKF）实现复杂机动下的状态估计，算法响应延迟需压缩至毫秒级时间同步。

技术参数

将AI技术结合到设备的探测性能中，以深度学习为技术基础结合现有电磁小样本，提高设备对无人机的识别能力。主要技术指标为：（1）降低设备虚警率，预期虚警率达10-5；（2）距离分辨力:优于100m；（3）同时跟踪目标数（组网）:≥300批；    （4）目标跟踪刷新时间:≤2s。