يركز الربط بين المسارات (track-to-track association، T2TA) على توحيد أرقام مسارات الطائرات وتقليل التكرار، وهو الأساس لتحقيق دمج المسارات والإدراك السياقي. تواجه T2TA حالياً مشكلتين رئيسيتين: بيانات المسار وطريقة الربط. المشاكل الشائعة تتضمن الأخطاء في بيانات المسار ودورات التحديث غير المتسقة، بالإضافة إلى نتائج الربط دون المستوى الاعتيادي والاعتماد على المعلومات الأولية ونماذج الحركة المفترضة في طريقة الربط. ولهذا، تم اقتراح خوارزمية ربط متعددة الافتراضات باستخدام تصنيف ذكي للمسارات من أجهزة استشعار متعددة (MH-T2TA). تم تصميم وحدة تسجيل زمانية ومكانية تعتمد على الانتباه الذاتى والتعلم التبايني لإزالة الأخطاء وتوحيد توزيع المسارات غير المتزامنة. دمجت خوارزمية الافتراضات المتعددة مع التعلم العميق لتقدير تصنيف ارتباط زوج من المسارات دون الاعتماد على المعلومات الأولية ونماذج الحركة المفترضة، من أجل الحصول على أفضل زوج ارتباط. تحت قيود ثلاث دوال خسارة، تقترب المسارات من نفس الهدف وتتباعد تلك التي تنتمي لأهداف مختلفة، كما أن تصنيف المسارات المُقدر مشابه جداً للتصنيف الحقيقي. أظهرت النتائج التجريبية أن MH-T2TA قادر على تحقيق الربط بين المسارات في السيناريوهات المعقدة وأداءه أفضل من طرق T2TA الأخرى.

ربط مسار-مسار;خوارزمية متعددة الافتراضات;تصنيف المسارات;الشبكات العصبية