ATR系统中多传感器的信息融合研究

在复杂和瞬变的战场环境下,为了提高武器系统的快速反应、防御和攻击能力,目标探测、识别、跟踪系统需要采用多个传感器,其信息要求自动融合。文章研究了在信息融合中多传感器的选择问题;分析了数据级融合、特征级融合和决策级融合;提出了特征评价概念和方法;并讨论了其它相关问题。     

反舰导弹电视制导ATR方法研究——多目标几何识别

本文运用图象处理与图象识别技术,结合应用光学的方法,研究了舰船目标图象识别的有关问题,并提出了一个可用于反舰导弹电视制导的自动目标识别（ATR）系统的方案设想。实验室模拟结果表明本方案具有实现的可行性     

基于知识的ATR系统综述

基于知识的ATR系统的发展能显著提高武器系统的性能,对实现武器系统智能化起着关键性作用,本文分析了基于知识的ATR系统的发展过程、现状,综述了ATR算法,并探讨了其未来的技术途径。     

多传感器目标识别系统中的数据融合方法与系统结构的研究

多传感器数据融合技术与系统结构是精确制导及航空自动目标识别等系统中两个紧密相关的重要研究内容,本文针对新一代导弹武器发展的需要,先介绍一种实用的高层多传感器数据融合方法,然后提出一种高性能的多传感器目标识别系统的体系结构。     

自动目标识别(ATR)技术发展述评

能够自动进行目标识别 ( ATR)是现代武器装备力争具备的先进性能之一。从历史回顾、当前状态及未来发展等几个方面对自动目标识别的研究历程、技术现状和发展前景进行了较为详细的论述 ,并指出了当前发展中遇到的主要技术难题及可能的解决办法     

基于Keystone变换的圆弧SAR成像算法

圆弧合成孔径雷达（ArcSAR）能够在方位向实现大范围的成像,但其复杂的运动轨迹使方位向聚焦变得更加困难。为了获得理想的成像效果,通过分析系统的几何模型和信号模型并引入Keystone变换,提出一种适用于ArcSAR系统的成像算法。该算法在脉冲压缩后进行Keystone变换,矫正了部分距离徙动,最后,在二维频域实现残余距离徙动矫正和方位向处理。实验结果表明,所提算法能够实现对点目标的成像,且整体表现优于二维频域成像算法、RD算法和快速成像算法。     

ATR国防科技重点实验室——我军制导武器技术的脊梁

自动目标识别技术是精确制导武器、战场态势感知等尖端国防科技的核心。国防科大ATR实验室成立十多年来完成百余项重大科研项目,并多次获国家和军队科技进步奖。     

基于分组稀疏分析的高分辨距离像目标识别算法

因目标所处环境及探测用宽带雷达工作机理等因素的制约,实测距离像样本不仅繁多且可能混有干扰,为克服因此带来的识别困难,优化识别效果,稀疏分析提供了一类压缩样本数据并提升数据分析质量的研究思路.提出了一种依据分组稀疏分析策略开展雷达一维距离像稀疏分解,从而识别目标的方法.为了进一步改善识别算法的噪声鲁棒性,提升其实用性,算...     

基于UKF的自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯（CT）模型,采用无迹卡尔曼滤波（UKF）方法和自适应网格（AG）的模型集自适应策略,研究了一种变结构交互式多模型算法,即：基于UKF的自适应网格交互式多模型（UKF-AGIMM）算法。对二维机动目标跟踪的仿真结果表明,本算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用     

基于图像处理的自动目标识别和跟踪算法初探

复杂战场背景下对目标进行有效的识别和及时的跟踪是一个具有挑战性的课题。结合一个实际案例,在实践中对目标自动识别和跟踪的基本理论进行阐述和探讨,并提出了具体的实现算法。最后对基于图像处理的目标自动识别和跟踪算法进一步的研究进行了展望。     

蚁群算法的多目标识别模型

现代海战中,我面临的威胁目标复杂多样,正确识别敌目标是做出准确的军事决策的前提。基于蚁群算法的并行最优化特点,引入近邻函数,将目标识别问题转化为最优化聚类问题,提出了一种新的多目标识别算法。实验结果表明此方法是有效的,具有一定的军事现实意义。     

基于蚁群算法的舰艇编队多目标识别模型

现代海战中,舰艇编队面临的威胁目标复杂多样,正确识别目标是做出准确的军事决策的前提。基于蚁群算法的并行最优化特点,引入近邻函数,将目标识别问题转化为最优化聚类问题,提出了一种新的多目标识别算法。实验结果表明此方法是有效的,具有一定的军事现实意义。     

序列产生的快速算法

线性反馈移位寄存器由于其线性特性,即“在模二加的意义上,任意个序列相加,无论其运算顺序如何,其结果是一致的”,使快速算法存在可能性。作者在经过研究之后,得到一种面向微处理器的线性反馈寄存器序列产生的快速算法,这种算法很容易推广到基于线性反馈移位寄存器的非线性反馈位移寄存器序列的产生上去。     

基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

基于图像欧式距离的KPCA SAR图像目标识别算法

针对传统KPCA方法识别SAR图像时需首先对图像进行拉直处理问题进行研究,借助于图像欧式距离,提出了一种基于图像欧式距离的核函数构建方法,给出了3种基于图像欧式距离的核函数,并将其应用SAR图像识别中。以实测MSTAR数据为例,给出了识别结果和仿真分析,结果证明了该算法能够有效克服传统KPCA方法的局限性,是一种可行的方法。     

纯角度信息的舰载无人机目标运动分析算法

为解决依据舰载无人机观测数据对目标进行定位跟踪的问题,提出了基于纯角度信息对目标进行目标运动分析的算法。根据目标运动特性,建立算法运动模型,构建等式,对其可观测性进行分析,并且利用最小二乘法,对目标运动要素解算,通过算法分析和算例仿真表明:该算法可通过舰载无人机对目标的角度测量信息,对陆上、海上运动目标进行运动要素求解,精度满足舰载无人机对目标的定位跟踪要求。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。     

高分辨率雷达目标一维距离像的编码识别算法

文中提出了一种高分辨率雷达目标一维距离像的识别算法。该算法借用图像处理方法,先对雷达目标的一维距离像进行编码,经过傅里叶变换提取一组形状特征。这组特征精确地描述了一维距离像曲线的走向。而后,利用人工神经网络技术对一定姿态角变化范围内的这组形状特征进行识别。实验结果表明,可以获得良好的识别效果。该算法为雷达目标一维距离像识别算法的实时处理提供了一条有效途径。     

Boring算法定位精度分析

介绍了大地主题解算法的Ｂｏｒｉｎｇ公式和影响定位精度的因素,给出了精度分析模型,对其进行了精度分析