一种基于DS证据理论的多雷达目标识别方法

文中研究了利用目标的位置和运动信息通过DS证据理论完成多雷达目标融合识别的方法.单雷达目标识别利用目标位置和运动信息建立目标线性隶属度函数,利用模糊综合评判进行目标分类.融合中心对来自各个雷达的识别概率利用DS证据进行最终的判决.仿真结果表明利用位置和运动信息进行识别的可行性和有效性,验证了多个雷达融合后的识别效果优于单个雷达的效果.     

雷达与红外成像双模联合目标识别研究

针对雷达与红外成像观测空间不一致的问题,提出了雷达与红外成像双模联合目标识别的问题;同时,提出了利用两种独立的传感器信息的互补性,来构造特征向量的联合空间向量空间法,通过对应的自适应信息融合系统进行目标识别.     

告警试验雷达系统对高速小目标信号模型的研究

根据高速反辐射导弹(ARM)的特点及其雷达回波信号中距离、速度、加速度、运动轨迹等特征,采用特殊的天线结构,通过长时间相干积累等处理技术可提高信噪比;同时提取目标的速度、加速度等信息;并利用这些信息完成对ARM的识别.根据雷达信号的时频特性分析了回波信号的模型,这将有助于对信号处理方法的研究.     

敌我识别系统浅析

敌我识别(IFF)是高技术条件下现代战场中自动目标识别技术的重要应用之一.具有敌我识别能力的系统,已成为21世纪战场数字化系统的基本功能单元之一.目标识别目前具有目标特征识别、目标成像识别、无源探测识别、激光雷达识别、毫米波识别、多传感器数据融合识别等等方法.寻找一种简便而实用的识别方法是研制新一代敌我识别系统所必需充分考虑的问题,雷达自动目标识别是当前研究之重点,多传感器系统数据融合技术是其有效途径.由用户直接识别未知目标(即直接分系统)和向用户提供有关目标信息(即间接分系统)两部分组成的敌我识别系统,是正在研制的新一代敌我识别系统.     

雷达导引头目标极化信息识别技术与发展

导引头目标识别已成为反舰导弹发展必须解决的瓶颈技术.近年来,雷达目标极化信息的获取和利用,越来越受到国内外学术界的重视,成为雷达新技术发展的一个重要方向.分析了利用极化信息进行目标识别的方法.探讨了基于极化信息的目标识别技术发展趋势.     

雷达与红外成像双模联合目标识别研究

针对雷达与红外成像观测空间不一致的问题，提出了雷达与红外成像双模联合目标识别的问题；同时，提出了利用两种独立的传感器信息的互补性，来构造特征向量的联合空间向量空间法，通过对应的自适应信息融合系统进行目标识别。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

基于非线性极化变换的目标识别方法研究

舰船目标和箔条假目标具有不同的极化特性,全极化双通道雷达交替发射垂直极化和水平极化波,双极化通道同时接收垂直极化和水平极化回波信号,对双通道回波信号进行放大、非线性极化变换,能有效增强舰船目标和箔条假目标的极化特性差异。利用舰船目标和箔条假目标双极化通道的极化特性差异,能有效识别箔条假目标,仿真结果表明,利用经过非线性极化变换的极化信息比时域、频域信息具有更好的目标识别效果。     

基于目标特征信息的反舰导弹目标选择技术发展历程

分析了反舰导弹利用获取的目标特征信息进行目标识别和选择技术的发展历程.指出了可获得目标两维或多维信息的双模或多模复合制导多传感器融合目标识别技术是当前反舰导弹目标选择技术的主要发展趋势.特别是在面临舰艇编队作战的情况下,利用编队形状的预定目标选择技术是解决现阶段反舰导弹面临目标选择难题的一种有效途径,且对编队信息以及目标的多普勒、RCS等特征信息的进一步融合利用还有待更深入的研究,以有效提高反舰导弹的预定目标选择能力.     

导弹自动目标识别关键技术研究

自动目标识别是导弹武器系统应具备的重要性能,可有效提高导弹对目标的打击精度及抗干扰能力。针对导弹制导系统中应用为广泛的雷达、红外、激光三种传感器的目标识别技术,介绍了影响导弹目标识别性能的关键技术;分析了基于雷达传感器的编队队形识别技术、基于红外传感器的非同源景像匹配技术、基于激光传感器的回波脉冲全波形记录及分析技术;后对多传感器信息融合技术进行了概述。     

数据融合技术在末敏弹目标识别中的应用

末敏弹探测结果直接影响到其毁伤装甲目标的能力，为了提高末敏弹对目标的识别能力，提高命中概率，该文采用基于模糊数学和D—S证据理论的多传感器数据融合技术，对毫米波／红外复合敏感体制末敏弹的目标识别问题进行了分析研究，有效地提高了末敏弹对目标的识别能力。     

基于Gabor原子变换和支持向量机的毫米波雷达目标识别方法

为提高毫米波雷达目标识别能力,提出一种基于Gabor原子变换和支持向量机(SVM)的雷达目标识别方法。该方法充分利用了Gabor原子变换在信号表示方面的有效性以及SVM在分类方面的优越性,首先将雷达回波信号进行Gabor原子变换,获得信号的特征量,然后利用SVM网络进行分类识别。实验结果表明：该方法可行且具有较高的识别率。     

小波变换在光学相关目标识别中的应用

光电混合实时联合变换相关器能够实现目标的自动探测、识别和定位,但由于实际中从图像传感器采集到的目标图像对比度较低且存在大量背景噪音,因而目标识别率低且识别效果不佳。基于小波变换的多分辨率分析特点能够更大程度上体现图像的特征信息,将其应用于光学相关目标的自动探测与识别中。将小波变换与联合变换相关器结合起来,通过研究物面的小波图像增强来获取更加尖锐的相关峰,解决复杂背景、低对比度目标的识别问题,取得良好的实验结果,证实小波变换在光学相关领域中具有一定的优越性和良好的应用前景。     

基于Bayes 推理的导弹作战目标识别

为降低导弹作战目标信息识别错误率,应用Bayes推理对导弹作战目标进行识别。通过各传感器对来袭目标进行观测、分类和说明,并根据Bayes推理进行分析,推算出目标融合概率。实验结果表明：该方法能达到较高的目标识别率,可以提高系统的决策能力。     

一种对二值图像切割分块的目标识别方法

文中提出了一种在复杂背景下对二值图像进行目标切割分块的识别方法.主要是在标记筛选法的基础上利用目标的外接正矩形,来获取目标的相应特征参数,并依据所获得参数对目标进行切割分块,最后根据对切割分块结果的判断进行目标识别.这种方法具有快速、简单且易于硬件实现的特点.     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

基于证据理论的多传感器信息融合目标识别方法

从D-S证据理论的基本概念和证据的融合推理方法出发，建立了多目标特征信息融合识别框架。并提出一种符合目标识别特点的基本可信度分配构造方法。该方法把识别对象看作一个信息系统，运行过程中不断产生各种信息，并将信息加工成目标特征。通过特定的识别决策规则，得出识别结论。给出了一个多目标信息进行识别的实例，结果表明该方法能够有效地提高目标识别可信度，减小识别的不确定性。     

基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.     

一种用于毫米波辐射计的快速目标识别方法

通过对被动毫米波辐射计输出信号的分析，给出了一种较为实用的目标识别的编码算法－二元码字出现频率法（ＦＯＢＷ法），并对此算法进行了理论分析和计算机模拟验证，证明了这种方法是有效、可行的。     

移动机器人目标识别与定位算法发展综述

通过对移动机器人目标识别与定位算法中传统的目标识别算法、基于深度学习的目标识别算法和基于各类传感器的目标定位算法的特点进行综合分析,得出了2点启示,也是以后有待解决的关键技术:1)减小算法计算量以降低对硬件性能的依耐性;2)将目标识别算法与定位算法相融合以实现实时的目标识别与定位.