目标识别中的信息融合技术

本文介绍了目标识别的一般过程和不同融合过程(决策级、特征级和象素级)、比较了分类识别的主要方法:聚类分析、神经网络、物理模型、专家系统和模板法,阐述了目前在决策级分类融合中使用较多的经典推理,贝叶斯推理和D一S方法。最后还讨论了信息融合方法在图像目标识别中的应用问题。     

谈空中战场的目标识别

伊拉克战争中,美英联军空中战场“自相残杀”的误击、误伤事件接连不断,其中影响比较大的包括:美军 F-16战斗机摧毁“爱国者”导弹系统的雷达、英军2架“海王”直升机空中相撞、美空军 F-15E 战斗机误炸己方炮兵阵地等。为什么这些高技术武器装备会犯如此低级的错误?除了人为操作失误外,大多数情况下是“目标识别”功能出了纰漏。在高技术战争条件下,空中战场作战的组织实施极为复杂,尤其是在联合作战环境中,若不能准确、及时地识别空中和地面目标,不仅可能贻误稍纵即逝的宝贵战机,而且极有可能造成严重的误击、误伤     

空中目标敌我识别模型

首先阐述了目标敌我识别的概念及其重要性.接着建立上级指定、外部情报、飞行计划、敌我识别器、目标电子干扰、目标机动特征、目标速度特征和目标群特征等主要识别因素的识别模型和准则,并给出了目标敌我识别的判断逻辑.最后采用加权求和法构建了目标敌我综合识别的数学模型.研究成果可作为指挥员进行人工敌我识别判断的思维逻辑,也可作为开发程序化的自动敌我识别软件的建模依据,对防空指挥控制系统发展具有参考价值.     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

目标识别中决策级语言和数值信息融合方法研究

自动目标识别信息融合是现代C~3I系统和综合电子战的重要内容之一。本文讨论了在决策层目标识别语言和数值信息融合的新思路,引入基于LOWA的融合算子ω_Q~(LOWA),举例说明该方法的可行性和深入研究价值。     

水面舰艇作战系统信息融合及目标综合识别技术

本文叙述单舰作战系统和编队指挥系统信息融合双目标识别的基本任务、主要的技术方法和实现途径,并给出信息融合及目标识别的体系结构。     

多传感器目标识别融合模型研究

针对目标识别中传感器正确识别概率、目标识别先验概率等参数难以求取问题,提出将目标识别集合划分为子集,证明了目标相对于目标识别子集的潜在概率分布与目标隶属于目标识别子集的置信度对应关系,在选取目标识别置信度距离测度基础上,建立了目标识别置信度的最优融合模型,实现了多传感器目标识别决策级融合.     

指挥所目标识别专家系统的实现

在分析国内外敌我识别技术的现状及发展趋势的基础上,针对我军的具体实际,利用专家系统技术,提出了基于多情报源信息融合技术的目标识别方法,并给出了基于客户/服务器模式的系统实现结构图。     

基于MEBN的战术级空中目标意图识别

战术级空中目标意图识别是现代化防空作战中理解战场态势、预测目标行动的关键.构建空中目标意图识别模型的核心问题是如何表示不确定的意图因素以及它们之间的关系.分析了具有典型防空作战意义的想定,并结合军事经验总结了影响意图识别的因素.提出了应用多实体贝叶斯网络(Multi-Entities Bayesian Network)描述空中目标意图,在贝叶斯推理中融入逻辑理论,采用具体的基于知识的SSBN构建算法动态地进行空中目标意图识别.通过仿真实验,验证了此方法的有效性和可行性.     

基于模糊综合的红外目标融合识别

为了提高在复杂背景和强干扰条件下目标识别的可靠性,提出了一种基于模糊综合的目标融合识别算法,并采用双色红外成像系统所获得的红外图像数据进行了实验仿真。实验结果表明该算法在较大程度上提高了目标识别的可信度。     

综合目标识别的输入信息源研究

利用多源信息进行综合目标识别能提高识别的准确性和及时性,为了解决综合目标识别中输入信息源的运用问题,通过分析各种输入信息源的特点,根据这些特点分别采用了针对性的技术手段转化和处理,为最后的识别决策提供了有效的信息,对进一步深入研究综合目标识别具有参考价值。     

基于D-S证据推理的多传感器信息融合技术在战场目标识别中的应用

近年来,多传感器信息融合技术已经在许多领域得到了广泛的应用,该技术也可以用于战场目标识别.在简单介绍了多传感器信息融合技术的概念和方法之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.     

海上编队对空中目标类型识别模型研究

对空中目标类型识别是海上编队对空防御的基础和决策依据,传统的识别方法多以目标物理特征为依据而忽略了对目标战术特征的考虑,本文对空中目标类型进行了归类,根据D-S证据推理相关理论,建立了融合目标战术特征和物理特征的目标类型识别模型,该模型可以为海上编队防空指挥自动化决策研究提供一定的参考。     

多源信息融合和目标综合识别技术

多源信息融合和目标综合识别是为支持作战决策,综合利用计算机、信息处理、人工智能等技术,按照一定准则,对多传感器获得的信息进行综合分析与处理的过程,包括对多源数据进行检测、相关、组合和估计,从而提高状态和身份估计的精度,以对海战场态势和威胁的重要程度进行适时完整的评价。多源信息融合系统中,各种信息源提供的信息可能具有不同的特性一时变的或非时变的、实时的或非实时的、确定的或随机的、     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

利用时间谱信息融合的空中目标分类算法

时间谱信息(目标的航迹、速度、机动性、空间坐标信息)揭示了目标空间状态随时间的变化特性,从而可利用目标的时谱简化(或缩小)待识别目标的范围。将低分辨雷达测量得到的高度、速度、加速度作为目标特征,建立典型空中目标对各特征的模糊隶属函数,进而采用改进的证据推理进行分类判决。结果表明利用时间谱信息可为雷达空中目标识别提供有效辅助手段。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

基于DBN-TOPSIS法的空中目标融合威胁评估

针对已有空中目标威胁评估方法主观性强、稳定性弱、评估过程不连续的问题,综合考虑目标运动特性与目标属性,提出了一种基于动态贝叶斯(dynamic bayesian network, DBN)和逼近理想解法(TOPSIS)的融合威胁评估方法DBN-TOPSIS。通过分析来袭目标特征指标间的依赖关系,建立空中目标威胁评估指标体系。采用模糊理论处理连续型特征指标,统一指标形态,利用DBN进行动态威胁度等级概率推理。构造模糊DBN推理结果与TOPSIS评估矩阵之间的映射关系,采用TOPSIS法将威胁评估概率一维向量转换为确定数值,进行空中多目标威胁度准确排序。实验结果表明,融合威胁评估方法具有较好的合理性和稳定性。