雷达与红外数据融合的近距空中目标识别

为了提高传感器目标识别性能和近距空中目标识别准确性,结合雷达和红外传感器提出了一种目标融合识别模型：对于雷达传感器,提出基于参数学习贝叶斯网络的目标识别方法,首先采用EM算法对贝叶斯网络进行参数优化,然后根据获取的目标属性信息进行目标分类;对于红外成像传感器,采用基于小波矩特征的目标识别方法,首先对目标图像进行小波矩特征提取和选择,然后通过建立的BP神经网络分类器进行目标分类;最后通过D S证据组合法则对两部分识别结果进行融合处理,实现了基于雷达和红外数据融合的近距目标识别。仿真结果表明：和单传感器相比,所提出的模型可以更加精确地进行目标识别。     

机载雷达和红外数据融合的智能目标识别

为了提高机载传感器目标识别系统的性能,提出了利用机载雷达和红外成像传感器数据融合的智能目标识别算法.对红外成像传感器,采用了基于小波矩特征和BP神经网络的目标识别算法,首先提取目标图像的小波矩特征并进行特征选择,然后通过BP神经网络对目标图像进行识别;对雷达传感器,提出了利用模糊推理的目标识别方法,首先选取适当的雷达特征,然后通过模糊推理进行识别:从雷达和红外传感器识别算法分别得到待识别目标所属类别的基本概率分配函数,用D-S证据组合规则将两个基本概率分配函数组合,最终实现了机载雷达和红外传感器的数据融合.仿真结果表明:融合后的识别效果优于单个雷达或红外传感器的识别效果.     

红外小目标识别的新方法

针对复杂背景下红外小目标识别困难的问题,提出了一种基于证据理论的多传感器红外小目标融合识别方法,该方法能通过多传感器信息融合的方法达到证据积累的效果,大大提高了红外小目标的识别可信度,具有一定的实用性。     

多雷达/红外传感器数据融合算法

本文针对多雷达、红外传感器设计了一种异构信息融合算法。结合多雷达、红外传感器实际使用情况,研究了多雷达、红外异构信息空间配准方法,并根据雷达、红外异构量测特性选取不同滤波器进行目标运动状态估计,实现多雷达、红外传感器数据融合。本文通过对不同传感器的组网方案进行仿真与测试,充分验证了该算法的实用性和有效性,满足实际的工程应用。     

一种基于多传感器数据融合的目标跟踪算法

在制导与跟踪系统中．雷达和红外成像传感器所固有的优缺点,决定了其自身的局限性。为综合利用上述传感器信息,提高目标跟踪精度,提出了一种基于雷达和红外成像传感器数据融合的交互多模目标跟踪算法,算法首先对红外图像进行处理,然后基于上述处理结果．利用交互多模算法对雷达观测信息进行目标跟踪,最后采用分布式数据融合算法得到最终目标的跟踪结果。在有效提高跟踪精度的同时,减少了运算量。     

基于容积卡尔曼滤波的异质多传感器融合算法

针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。     

红外成像/毫米波雷达复合导引头信息融合研究

分析了红外成像/毫米波复合导引头的技术特点和工作状态,介绍一种红外成像传感器目标偏差角计算方法,针对红外成像/毫米波雷达复合导引头中平面毫米波雷达无法提供目标俯仰角信息这一特点,提出一种利用弹载测高仪提供的飞行高度推算出平面雷达俯仰角,并利用最优加权平均法对红外和雷达提供的信息进行融合,取得了较好的融合效果。     

基于BLUE的雷达/红外异步融合算法研究

多传感器融合是提高态势感知能力的重要手段。为提高探测能力,将雷达和红外传感器组网,各传感器独立工作,在统一调度下,完成探测、跟踪、识别任务。研究该系统的雷达/红外数据融合算法,针对传感器异步探测特点,采用观测驱动的融合跟踪方法：雷达探测到目标时,采用基于状态预测的改进BLUE（Best Linear Unbiased Estimation）滤波,通过方位预测的辅助,减小测角误差非线性效应,提高跟踪性能;红外探测到目标时,基于方位预测和斜距观测,构造新的转换量测模型,实现基于不完备观测的修正BLUE滤波器。理论分析和仿真证明：所述雷达/红外数据融合方法,在不同传感器布局下都具备更优的综合性能,其设计思想可解决其他类似的多传感器融合问题,有较好的应用推广潜力。     

一种新的雷达与红外传感器异平台数据融合方法

针对现有雷达与红外传感器异平台数据融合算法定位精度不高的现状,直接采用由雷达位置与雷达量测的目标距离确定的圆和由红外位置与红外量测的目标方位确定的直线相交,对目标进行定位,提出了一种新的雷达和红外传感器位于异平台情况下的数据融合算法,减小了雷达角度测量误差对定位结果的影响。仿真分析证明新的融合算法与现有融合算法相比有效地提高了目标定位精度。     

基于Dempster-Shafer证据推理的多传感器信息融合技术及应用

本文详细阐明了基于D-S证据推理的多传感器信息融合的原理及目标识别的方法.同时,介绍了其在雷达目标融合识别中的应用.     

目标探测.识别和跟踪的传感器数据融合

多传感器组合系统数据融合技术是当代探测，识别领域的一项新技术，本文在介绍多传感器组合与数据融合技术优点的基础上，介绍了成像激光雷达与前视红外传感器数据融合技术，重点介绍了红外行扫描器和红外成像摄像机的数据融合技术。     

雷达与双波段红外探测器融合跟踪系统

利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差.仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度.     

多传感器战场监控系统仿真设计与实现

利用多传感器实施战场监控是当前各国军事采用的先进手段之一,文中首先分析了美国最新的联合监视目标攻击雷达系统,然后详细论述了多传感器战场监控仿真系统体系结构,并设计实施了集合成孔径雷达、动目标显示雷达处理模块、红外探测模块为一体的仿真软件.通过对合成孔径雷达成像结果、空时自适应数据分析、红外探测数据的输入进行数据融合处理,进而获得较好的战场监控与目标识别效果,为现代化战场信息监控提供关键技术支持.     

一种雷达/红外探测器数据融合方法

为了充分利用雷达和红外探测器的测量数据的各自优势,提出了 一种雷达/红外数据融合方法。以最小二乘理论为基础,利用雷达测量值及其测量时间前 后红外探测器高频测量的冗余信息,并通过引入时间维度和测量维度两个权重因子,获取了对目 标的最优估计。仿真试验结果表明,与等权融合方法相比,本文获取的融合数据信息能够更好地 反映出目标的运动状态,并能为后续目标跟踪提供更为准确的观察值。     

基于D-S证据理论的多模复合制导目标识别

多传感器信息融合已成为现代条件下目标识别的重要手段.研究基于D-s证据理论的多传感器信息融合算法,提出一种基于Dempster-Sharer理论的推广方法以解决融合信息的证据冲突问题,并将其用于红外成像/毫米波复合制导系统,进行目标识别的决策信息融合,结果比较理想,能够有效地化解证据间的冲突问题.     

球载雷达与红外联合探测系统研究

针对球载预警探测装备的应用需求,探讨了在系留气球平台实现雷达与红外联合探测系统的意义;研究了雷达与红外联合探测信息融合的处理流程,包括搜索与跟踪和联合目标分类与识别的处理流程,提供了基于点迹、航迹的搜索与跟踪融合处理算法;构建了外场试验系统,开展了搜索与跟踪融合处理算法的系统检验,验证了雷达与红外联合探测系统对目标探测精度和跟踪稳定性提高的有效性。试验结果表明,雷达与红外联合探测系统可提高球载预警探测系统的作战效能。     

向量相似度在雷达目标识别中的应用

在给出向量相似度的定义的基础上提出了一种新的雷达目标特征融合方法--向量相似度法.并给出了模板的概念,通过计算目标的各个特征向量与其特征模板的向量相似度,进而计算出了目标与其模板的综合可信度,最后由综合可信度得出识别结果.此识别方法充分利用了雷达目标各个特征的多次测量信息,能够有效地提高雷达目标的识别率,特别是在目标信息极为有限的情况下此方法优势更为明显,对空中目标识别具有重要意义.     

Data-Level Fusion of Multilook Inverse Synthetic Aperture Radar Images

Although techniques for resolution enhancement in single-aspect radar imaging have made rapid progress in recent years, it does not necessarily imply that such enhanced images will improve target identification or recognition. However, when multiple looks of the same target from different aspects are obtained, the available knowledge increases, allowing more useful target information to be extracted. Physics-based image fusion techniques can be developed by processing the raw data collected from multiple inverse synthetic aperture radar sensors, even if these individual images are at different resolutions. We derive an appropriate data fusion rule to generate a composite image containing enhanced target shape characteristics for improved target recognition. The rule maps multiple data sets collected by multiple radars with different system parameters on to the same spatial-frequency space. The composite image can be reconstructed using the inverse 2-D Fourier transform over the separated multiple integration areas. An algorithm called the Matrix Fourier Transform is proposed to realize such a complicated integral. This algorithm can be regarded as an exact interpolation such that there is no information loss caused by data fusion. The rotation centers need to be carefully selected to properly register the multiple images before performing the fusion. A comparison of the image attribute rating curve between the fused image and the spatially averaged images quantifies the improvement in the detected target features. The technique shows considerable improvement over a simple spatial averaging algorithm and thereby enhances target recognition.