纯方位目标运动分析强化学习估计器

显著降低偏差

将纯方位目标运动分析问题建模为马尔可夫决策过程，利用深度强化学习框架进行求解，能在高噪声环境下获得更低的偏差和误差。

Chengyi, Zhou · 刘妹琴 · 张森林 · 郑荣濠 · 董山玲

IEEE/CAA Journal of Automatica Sinica 2025

技术优势

偏差更低

深度强化学习估计器通过端到端训练学习最优策略，减少了传统方法固有的系统性偏差。

高噪声下更准

该方法在噪声水平较高时仍能保持较低误差，而传统方法往往性能下降明显。

应用场景

• 水下无人系统：水下无人平台用纯方位量测就能跟踪目标，无需主动发射信号。
• 被动目标跟踪：在被动跟踪场景中，该估计器可替代传统方法，降低偏差和误差。
• 智能感知：利用深度强化学习提升感知精度，适应高噪声环境。
• 传感器阵列处理：处理传感器阵列的纯方位数据，提高目标运动分析可靠性。