穿墙成像中未知壁特征下的实时自动目标定位方法

为了解决墙体模糊情况下的实时穿墙检测问题,提出了一种基于核极限学习机(KELM)的方法。 墙的模糊性和传播效应包括在单层前馈网络中,然后该技术将穿墙问题转换为回归问题。 散布数据与目标属性之间的关系是在KELM训练过程之后确定的。 数值结果证明了在有效性,泛化性和鲁棒性方面的良好性能。 与支持向量机(SVM)和最小二乘支持向量机(LS-SVM)相比,KELM提供几乎相同的估计精度,但学习速度快得多,这极大地有助于解决实时检测问题。 此外,还讨论了两个目标的情况,不同的目标半径和嘈杂的环境。