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.     

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率.     

多源置信综合的雷达与ESM协同跟踪方法

跟踪空间邻近目标时，仅依靠运动学信息不足以实现可靠的数据关联，而基于动目标指示器（Moving Target Indicator，MTI）雷达和电子支援措施（Electronic Support Measurement，ESM）的多源异类传感器数据融合可以通过提升数据关联性能达到改善跟踪性能的目的。通过构建基于五种成比例再分配规则（Five Proportional Conflict Redistribution Rules，PCR5）置信度量的数据关联策略，将目标运动学信息和属性信息结合做多特征推理，解决异类传感器数据的不确定性和不一致性；利用Dempster-Shafer（DS）证据理论方法进行属性融合更新，完成属性信息在时间序列上的相干积累，实现空间邻近目标的可靠跟踪。该方法从数据关联和状态估计两方面联合进行改进，通过引入属性信息提升数据关联的正确性，从而提升跟踪性能，实现多源异类信息下的协同跟踪。仿真表明，相比于仅雷达跟踪、雷达和ESM序惯跟踪等方案，该方法可有效提升跟踪精度和关联性能。     

基于DS证据推理方法的图像目标识别

针对单一目标图像目标识别结果的不确定性问题,分析了不确定性推理相关理论方法,通过多传感器获取目标图像,并将DS证据推理方法应用于多传感器目标识别结果的决策融合环节。试验中基于单一目标影像目标识别过程中的模型匹配相关系数计算基本概率赋值及不确定性,最终通过DS证据组合规则得出融合识别结果,从而降低单一目标图像目标识别的不确定性。     

基于最大隶属度与证据理论的目标识别融合

为解决各传感器的类型、精度,外界干扰以及不同传感器对不同目标敏感程度的不同对目标识别的决策结果的影响,通过运用智能信息处理和多源信息融合的相关知识建立了基于最大隶属度与证据理论的目标识别融合模型.该模型首先分析了影响目标识别的因素;然后各雷达站依据最大隶属度选取了不同的权重,从而求出了所测目标相对于目标库中参考目标的隶属度,并将得到的本站对目标的决策结果进行归一化处理后送往了融合中心.研究了比较常用的对不确定信息进行处理的D-S证据理论法,并深入分析了其证据合并规则与决策规则.在融合中心运用了D-S证据理论的有关知识进行融合,最终输出了融合后的目标识别的决策结果.实例证明了该目标识别融合模型的可行性.     

基于模糊贴近度和DS推理的辐射源识别方法研究

在复杂的战场电磁环境中,基于多传感器的属性特征关联方法是获得稳健辐射源目标识别的有效途径.考虑到单一识别算法的缺陷,综合模糊集合理论和DS理论的优点,提出一种基于模糊贴近度的DS推理辐射源识别方法,采用格贴近度作为相似性测度确定概率分配函数,并利用DS理论对多传感器信息进行有效融合.仿真结果表明,即使在恶劣的噪声环境下该方法亦具有较好的目标识别率,从而为工程应用提供了有益的参考.     

基于Rényi信息增量和改进QPSO算法的多传感器协同分配

对防空作战目标识别阶段中的传感器管理问题进行了研究,提出基于Rényi信息增量的多传感器管理调度方案。首先利用D-S证据理论进行融合推理,得出不同目标与不同传感器配对时的Rényi信息增量;然后,建立了基于系统总Rényi信息增量最大化的传感器分配模型,此外,对量子粒子群智能优化(QPSO)算法进行自适应改进,能够对分配模型进行快速求解;最后,通过仿真实验验证了算法的合理性和有效性。     

基于VBS理论的目标敌我属性综合识别方法

在复杂战场环境下,目标敌我属性综合识别的目的是利用多传感器信息融合得 到目标的敌我属性,为指挥员决策提供依据。将VBS（Valuationbased Systems）理论应 用 到目标敌我属性综合识别中,建立了层次化的敌我识别VBS网络模型,用来表示传感器变量 及其可信度信息,探讨了VBS网络参数的获取方法。仿真实例证明了VBS理论能够很好地处理 复杂战场条件下的不确定信息,并且该网络模型具有直观有效、推理组合的计算量小等特点 。     

多无源传感器之属性信息数据关联的规则与结构模型

属性信息具有提高数据关联算法性能的巨大潜力,是多无源传感器信息数据关联研究的趋势之一。对属性信息在多无源传感器数据关联问题中的应用进行了综述,分析了基于属性信息的数据关联问题的研究进展,抽象出属性信息应用的问题模型,给出了基于统计、不确定推理的属性信息关联规则,总结了属性信息应用于多无源传感器数据关联的处理结构模型,并比较了各处理结构的优缺点,最后指出了未来属性信息辅助数据关联要解决的关键问题。     

多无源传感器之属性信息数据关联的规则与结构模型

属性信息具有提高数据关联算法性能的巨大潜力,是多无源传感器信息数据关联研究的趋势之一。对属性信息在多无源传感器数据关联问题中的应用进行了综述,分析了基于属性信息的数据关联问题的研究进展,抽象出属性信息应用的问题模型,给出了基于统计、不确定推理的属性信息关联规则,总结了属性信息应用于多无源传感器数据关联的处理结构模型,并比较了各处理结构的优缺点,最后指出了未来属性信息辅助数据关联要解决的关键问题。     

基于LCTF的水下光谱成像系统研制

水下光谱成像技术在水下目标物识别、海洋生态监测等领域有着重要作用。基于实际工程使用环境设计了基于液晶可调谐滤光片(LCTF)的水下光谱成像系统。该系统通过采用LCTF作为滤光结构以获得水下目标物的光谱信息。水下光谱成像系统在宽光谱LED光源的照明下,进行水池实验获得了目标物在波长400~700 nm之间的31个通道光谱图像。对水下具有相似颜色的不同物体的光谱信息进行了讨论和分析,结果表明:该系统有助于水下目标物识别和分类。在海试中对珊瑚进行了原位观测,成功获取了珊瑚礁的水下光谱图像。该系统有望应用于海洋遥感、海洋生态环境监测等领域。     

水下单光束脉冲激光方位识别系统角度参数优化设计

针对水下弹目交汇时引信需在近程（大于10 m）获取目标的距离和方位信息,为充分利用发射激光能量,增大激光回波功率,对水下单光束脉冲激光方位识别系统角度参数进行了优化设计。通过推导水下脉冲激光方位识别系统探测目标的回波功率方程,建立了回波功率与系统角度参数之间的关系,得出水下脉冲激光方位识别系统角度要求和充满区距离表示式,利用iSIGHT软件,基于多岛遗传算法对角度参数进行了优化计算。结果表明:在不考虑其他影响因素的情况下,发射光束中心与弹轴的夹角t取30,接收视场中心与弹轴的夹角r取34.5,接收视场角r取10时能获得系统最小的充满区距离。所得计算结果可为水下单光束脉冲激光方位识别系统角度参数的设计提供理论依据。     

基于语音识别控制的激光超声水下遥感研究

为了减少激光致声对水下目标遥感的实时性和有效性的影响,分析了激光超声诱导与光声效应原理,采用语音识别技术实现字符化编码,探讨语音信息的基频编码和控制激光发射的码型结构。搭建了实验测试系统,利用波长为1.06μm的脉冲激光进行水下超声激励,通过对水下激光声信号采集处理,完成了实验室空中平台到水下目标的实时语音控制。结果表明,非特定人的语音指令识别与编码方法有效实现了可变基频的激光超声水下目标控制。该研究为激光声水下目标遥感应用提供了一种新的技术途径。     

基于偏振成像的水下图像复原技术研究最新进展

在水下环境中,悬浮的散射颗粒对光场的散射和吸收作用导致成像清晰度显著下降。基于偏振成像的水下图像复原技术是实现水下清晰成像的有效方法之一。该技术利用散射光的偏振特性,分离场景光和散射光,估计散射光强和透射系数,实现成像清晰化。近年来,偏振成像技术已广泛、高效地应用于水下图像复原和水下目标识别等诸多领域。水下偏振图像复原技术作为光学成像技术和图像处理技术的交叉领域,引起了广泛的关注并取得了大量优秀的研究成果。文中主要介绍了基于偏振成像的水下复原技术的基本原理、偏振信息处理方法和最新发展现状,综述了近年来偏振水下图像复原技术代表性的改进型方法。     

改进的卷积神经网络实现端到端的水下目标自动识别

由于水声信号的高度复杂性，基于特征工程的传统水下目标识别方法表现欠佳。基于深度学习模型的水下目标识别方法可有效减少由于特征提取过程带来的水声信号信息损失，进而提高水下目标识别效果。本文提出一种适用于水下目标识别场景的卷积神经网络结构，即在卷积模块化设计中引入卷积核为1的卷积层，更大程度地保留水声信号局部特征，且降低模型的复杂程度；同时，以全局平均池化层替代全连接层的方式构造基于特征图对应的特征向量主导分类结果的网络结构，使结果更具可解释性，且减少训练参数降低过拟合风险。实验结果表明该方法得到的水下目标识别准确率（91.7%）要优于基于传统卷积神经网络（69.8%）和基于高阶统计量特征的传统方法识别表现（85%）。这说明本文提出的模型能更好保留水声信号的时域结构，进而提高分类识别效果。      

一种基于频谱细化技术的水下目标识别方法

被动声纳目标识别主要是根据目标辐射噪声的不同实现的,如何从水下目标辐射噪声中提取有效的识别特征,是实现水下目标识别的关键环节。文中在分析目标辐射噪声特点的基础上,利用一种改进的高频噪声解调分析(DEMON)方法进行目标线谱提取,在提取线谱的过程中,利用小波变换进行DEMON谱融合得到明显的DEMON线谱,再通过频域周期图法对DEMON谱进行净化,以便可靠地提取线谱。仿真及试验结果验证了所提方法的有效性和可行性。     

双色红外成像传感器时空信息融合的空间点目标识别方法

针对干扰条件下的空间点目标识别问题,提出了一种基于双色红外成像传感器时-空信息融合的空间点目标识别方法,并采用Ｄ-Ｓ证据合成理论对来自两个红外成像传感器的实际图像目标信息进行了仿真计算。结果表明该方法对强干扰条件下的红外点目标具有理想的识别效率。     

双色红外成像系统空间点目标识别方法

针对干扰条件下的空间点目标识别问题,提出了一种基于双色红外成像传感器时-空信息融合的空间点目标识别方法,并采用D—S证据合成理论对来自两个红外成像传感器的实际图像目标信息进行了仿真计算。结果表明该方法对强干扰条件下的红外点目标具有理想的识别效率。     

基于统计对消的激光水下图像的目标提取法

激光水下目标的识别是一个崭新的研究领域，有许多问题亟待解决，其中目标提取问题是关键。由于激光照射下的水下图像含有大量的散斑噪声，严重影响图像的质量。依据统计规律相同的噪声可以对消图像中的噪声这一原理，结合小波变换和统计方法，提出了一种基于统计对消的水下目标分割方法(SC)。其中，采用小波变换，对低频成分进行特殊处理，以增强图像中的目标信息；采用统计方法来充分抵消图像中的干扰噪声。实验结果表明，水下目标分割方法是有效且可行的。