基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。     

巧用慧眼探资源——中巴地球资源卫星02B星在轨交付运行

1月24日,国防科工委在京组织召开了中巴地球资源卫星02B星交付仪式。会上,有关各方介绍了资源一号02B星研制、发射、在轨测试、试运行的相关情况,宣读了资源一号02B星在轨测试评价意见和卫星数据质量评审意见,备方一致认为卫星性能良好．具备了投入业务使用的条件,由生产试验部门正式交付给使用部门。与会领导和代表共同见证了资源一号02B卫星交付、在轨支持及数据联合开发推广协议签字仪式。中国民用航天领域又一新星踏上征程。     

量测预测值对量测值信任度的异质传感器融合

针对异质传感器目标跟踪系统可能出现的传感器漏检现象,基于多传感器融合的量测预测值对各传感器量测值的信任度算出任意两传感器量测值之间的相似度,利用概率源合并理论和非负矩阵特征向量理论算出各传感器量测值与其他传感器的综合相似度,以此确定每个传感器的权重.该算法实时调整各传感器量测值的融合权重,有效地抑制了漏检传感器量测值对量测融合值的不利影响.仿真结果表明,该算法有效地解决了传感器的漏检问题,提高了系统的跟踪精度.     

网络化作战系统中的多雷达时空数据配准

阐述了多个雷达数据空间配准几何坐标转换算法,建立目标运动和测量模型,在此基础上利用最小二乘法对多雷达异步测量数据进行时间配准,最后研究了在时空数据配准处理后基于扩展卡尔曼滤波的状态估计和误差估计,并进行了仿真验证,对网络化作战传感器网络建设有参考意义.     

基于多基地雷达探测传感器网的数据处理方法

多基地雷达组网能够有效地提高雷达的电子对抗能力和战场存活能力.介绍了雷达组网的基本原理,并初步建立了雷达组网在同步观测取样条件下的卡尔曼滤波模型.如何有效地将各个独立雷达系统传送给数据融合中心的初始卡尔曼滤波数据融合处理,是目前比较难以实现的问题.针对这个问题,提出了三种可行的联合卡尔曼滤波方法.     

数据融合与雷达目标识别综述

数据融合技术是70年代兴起的一门新学科。现代战争中,随着雷达、红外、激光及光电等传感器的数量日趋增多,数据融合技术正日益得到广泛应用。介绍数据融合在雷达目标识别中的应用,并揭示出数据融合是解决雷达目标识别之捷径。     

关于Matlab 5.3中电力系统模块库的新应用

介绍了一种仿真软件Matlab5.3中电力系统模块库的新应用方法,运用该方法,用户可以联合使用PSB和Matlab5.3中仿真库.     

雷达与红外数据融合评述

雷达和红外数据融合由于能够实现信息互补 ,改善对目标的跟踪、识别以及提高系统的生存能力 ,因而引起了广泛的注意。对基于雷达和红外传感器的数据融合算法进行了综述 ,并介绍了一些关键课题。     

多目标数据关联的神经网络方法

数据关联是多目标跟踪的关键问题。基于 Hopfield神经网络的 JPDA是解决这一关键问题的有效方法之一 ,但此方法的难点在于优化系数的整定。提出一种改进算法 ,用于解决优化系数在线自适应整定问题。首先重新构造了李雅普诺夫能量函数 ,接着引入变化的优化系数因子 ,并给出了优化系数求解的迭代公式 ;最后对已有和改进的算法进行了仿真研究。结果表明改进的方法和原有的方法相比 ,一方面具有在线整定优化系数的功能 ,另一方面可以获得和原有算法非常接近的估计误差。     

神经网络在多目标跟踪中的应用

在典型的多目标跟踪中,随机干扰的出现给量测源带来了不确定性。因此需要用数据互连技术使每个量测与相应目标互连或当出现杂波或虚警时放弃该量测。本文介绍使用Hopfield网络的基于神经网络的多目标跟踪算法。通过把数据互连问题的约束和著名的“旅行推销员问题”(TSP)的约束相比校,导出Hopfield网络的能量函数。通过模拟退火过程使能量函数最小化,由此计算数据互连概率,并应用于每个目标的卡尔曼滤波器跟踪器。将所提出算法的性能与传统技术相比较。仿真结果表明:所提出的神经网络跟踪器与联合概率数据互连滤波器相比较有令人满意的性能。