一种基于电子侦察和光学成像侦察的目标综合识别算法

利用电子支援措施(electronicsupportmeasure,ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。提出了一种基于模糊集理论和D S证据理论的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。

基于加权的目标综合识别技术

在基于证据理论的目标综合识别系统中,综合考虑信息源权重对识别结果有重要的影响。提出了基于加权的目标综合识别技术,总结了几种常用的主观权重和客观权重获取方法,给出了组合权重的计算公式,针对D-S证据理论仿真验证了基于证据加权思想对合成结果的改进效果。研究表明,在进行目标综合识别时考虑信息源的权重是必要的,它能有效化解信源冲突,保证合成结果的合理性和稳健性。

TBM模型的目标综合识别算法

利用电子支援措施(ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。TBM是D-S证据理论的一个扩展模型,它研究了D-S证据理论的动态部分,从数据融合的角度来看,它是一种层次化的递进模型,尤其适用于需要逐层进行数据、特征或决策级融合的融合系统。提出了一种基于TBM模型的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。

目标综合识别系统研究

介绍并分析了目标综合识别系统,它利用军用和民用、侦察与识别等不同体制的协同、非协同侦察、识别系统,综合利用各类信息,形成超强的互补和印证能力,实现对战场目标的综合识别。

编队协同作战中目标综合识别技术

根据美军协同作战系统(CEC)的思想,首先对舰艇编队协同作战目标综合识别系统做了定义,接着,详细描述了系统的组成和体系框架,研究了系统的算法及处理流程,最后,基于加权证据合成的时域空域目标识别算法进行了系统仿真实验,验证了系统算法的有效性。

面向目标综合识别的证据关联挖掘方法

针对海量异构数据中难以得到目标综合识别结果问题,提出了一种证据关联挖掘方法。该方法将证据与待证事实进行关联性量化分析,提炼出反映目标综合识别信息不同侧面的证据。首先,建立了证据历史信息分类模型和证据相关强度矩阵;然后,根据新证据信息对模型进行迭代更新,从而将识别信息源包含的数据和信息有效运用于证据理论,并得出目标综合识别的正确结论;最后,仿真试验表明该方法的可行性和有效性,可为多源异类信息融合处理提供参考。

目标综合识别系统中多传感器目标特征管理

研究了传感器级目标综合识别系统中多源特征信息之间关联和融合的方法,在此基础上探讨在实践中如何对多传感器关于各个目标的分类特征进行管理,并通过关联和融合形成关于目标全面特性的特征向量最终进行目标识别的实现过程。

海战场协同探测与目标综合识别技术研究

从海战场协同探测与目标综合识别系统技术的角度出发,论述了舰载探测系统综合应用的多种途径,其中包括多层数据链路技术、区域协同探测技术、目标综合识别系统技术等。

机载目标综合识别技术概述

总结了现有机载目标识别系统存在的典型问题和目标综合识别技术的国内外研究现状,对新一代的基于多传感器信息融合的机载目标综合识别技术进行较为全面的介绍,提出机载目标综合识别的内涵、处理流程和作战使用方法,并对其涉及的几项关键技术和技术途径进行分析。

基于动态贝叶斯网络的战斗目标综合推理识别

针对空战战场环境下的目标可靠识别,提出了基于动态贝叶斯网络的战斗目标综合推理识别方法。分析了目标属性的多层次及状态变量关系,提出了层次化的战斗识别动态贝叶斯网络拓扑结构及其参数设定方法,并运用时间片联合树算法进行不确定性动态推理,实现动态的目标属性判断与识别。仿真结果给出了目标的多层次属性信息,验证了模型的有效性。

基于反导装备的目标综合识别信息流程研究

如何有效利用多传感器的多种识别信息是反导目标综合识别的关键问题。在分析美军反导装备的基础上,提出了基于反导装备的目标综合识别信息流程,将目标综合识别分为助推段预警识别、远程预警识别、精确跟踪识别和拦截识别,并给出了完整的反导目标综合识别流程图以及对信息流程的建议。

基于多种异类信源的目标敌我综合识别方法

阐述了目标敌我综合识别的重要性,接着详细介绍了各种单因素的敌我识别信源,提出了基于多种异类信源的目标敌我综合识别方法,该方法使用证据理论综合了各种信源的信息,对防空指挥控制系统中的敌我识别具有一定的参考价值。

综合目标识别系统方法和原理讨论

本文对建立综合目标识别系统的方法、原理进行了分析和讨论,并在此基础上,提出了关键技术的解决方法。

海战场多传感器目标识别中神经网络的应用研究

由于海面目标所处的海战场环境的复杂性,以及海面目标探测获取的状态数据的不确定、缺失、模糊以及动态变化等,使得海面目标的综合识别非常困难。为了解决这些问题,需要对海战场多传感器目标综合识别中采用智能的神经网络进行应用研究。文中提出一种特征级采用LMBP神经网络算法,从多维度学习训练多传感器获取的数据,提取更多相关细节的目标特征属性信息,决策级采用证据理论的智能算法模型,即列文伯格误差反向传播结合证据理论算法的目标综合识别算法(Levenberg Marquardt Back Propagation-Dempster Shafer,简称LMBP-DS算法);然后通过Matlab仿真实验,比较不同的隐藏节点数对识别率的影响,找到LMBP-DS算法最佳的神经网络结构;通过对比实验得出:LMBP-DS算法比动量自适应学习BP-DS算法具有更快的收敛速度,同时具有更稳健高效的识别正确率,从而更适用于海战场多传感器目标综合识别。

多普勒频谱及JEM效应在空中目标识别中的应用分析

为了获取进行空中目标识别的有效特征量,分析了多普勒频谱结构识别、调制谱识别和JEM周期特征识别等方法。采用将相位和幅度综合的方法,获得了更接近理论值的JEM周期平均值特征量,仿真结果说明综合特征量具有较小的估计标准差。最后,指出了该领域可能的研究方向。

空基预警探测系统技术发展趋势

空基预警探测系统是空基信息系统的重要组成部分。文中分别分析了空基信息系统面临的隐身目标探测、目标综合识别和复杂战场对抗三个需求,从而提出了未来空基预警探测系统技术的发展趋势。

风廓线雷达大风天气地杂波抑制方法的研究

风廓线雷达是用来探测大气风场信息的探测设备,近地面高度回波易受地杂波的干扰,大风天气状况使得气象回波信号很难辨别。为了有效识别气象信号,提高风廓线雷达的探测精度,对风廓线雷达进行地物杂波抑制是雷达数据处理中十分重要的一步。通过研究风廓线雷达回波信号的谱特征,结合常规去地物杂波的方法,提出了基于极小值去地杂波的目标综合识别方法。实际应用表明,该方法在大风条件下对地物杂波去除上是有效的,风场数据得到明显改善。