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。     

采用模糊推理自适应加权融合的双色红外成像目标跟踪

针对双色红外成像制导系统中多传感器目标跟踪的实际问题,提出了一种基于模糊推理自适应加权融合的目标跟踪算法。该算法首先采用BP神经网络与模糊推理相结合的方法对各传感器的工作性能进行判决;然后根据各传感器的性能测度对多传感器测量数据进行自适应加权融合,得到目标状态的多传感器重建测量;最后采用卡尔曼滤波器对多传感器重建测量进行滤波得到目标状态的最终估计。实验结果证明了该算法的有效性和稳健性。     

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。     

基于组合矩的激光成像雷达目标识别算法

随着激光技术的发展,激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用,目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法,从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征,该特征对距离像噪声不敏感,应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明,该算法与应用Zernike矩和Hu矩特征进行分类识别相比,对三种激光成像雷达地面目标的平均识别率在高载噪比(20dB)下分别提高了1.0%和3.7%;在低载噪比(10dB)下分别提高了11.8%和42.5%;当载噪比高于17dB时,该算法的平均识别率达到100%。因此该算法取得了比较好的识别效果。     

基于红外传感器参数的红外/主动雷达弱小目标融合检测方法

基于红外成像传感器的参数,提出了一种红外成像/主动雷达弱小目标融合检测方法.首先对各传感器数据进行时空配准,然后利用红外成像传感器的参数生成一幅虚拟的雷达检测图像,最后用生成的雷达检测图像与红外检测图像进行"与"操作,进行融合检测.计算机仿真实验证明,该方法具有较好抗干扰性能,实时性较好,具有一定的实用性.     

多传感器模糊D-S理论辐射源识别

研究了将D-S证据理论与模糊推理组合应用辐射源识别的方法,提出了基于模糊综合评估获取基本概率分配函数的方法;在此基础上研究了应用D-S证据理论进行多传感器信息融合,从而识别雷达辐射源的原理;仿真实验和对比实验表明本算法的有效性。     

雷达设备与系统

0609613一种基于红外图像的目标自动识别算法〔刊,中〕/李炯//航空计算技术.—2005,35(4).—26-28(L)红外成像制导具有在各种复杂战术环境下自主搜索、捕获、识别和跟踪目标的能力,代表了当代红外制导技术的发展趋势。提出了一种红外图像预处理、跟踪、分类的自动目标识别算法。用小波变换、形态学方法对红外图像进行预处理,提取不同频带的惯性不变矩作为特征量,利用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值。参60609614中程战场侦察雷达综述〔刊,中〕/张峥嵘//电光系统.—…     

基于小波包分解的导弹目标神经网络识别

提出了基于小波包分解特征的神经网络导弹目标识别算法。在该算法中,首先通过小波包分解获取能够反映时间序列时频信息的稳定特征,然后利用训练过的神经网络提取特征对导弹目标进行识别。文中运用一组仿真数据和一组试验数据对该算法进行测试,结果表明该算法具有较高的识别概率。     

飞机红外图像的目标识别及姿态判断

飞机红外图像的自动目标识别(ATR)是红外探测与成像制导技术中的重要研究内容之一.首先分析了飞机红外图像的特点,然后结合Hu不变矩和仿射不变矩,提出了一组有利于目标特点提取的特征量和自动识别算法,并建立了飞机红外图像的姿态库.通过对若干飞机图片和干扰图片进行飞机目标识别和姿态判断,验证了该方法的有效性.     

基于仿真雷达图像的低空风切变类型识别研究

采用基于小波变换提取纹理特征和BP神经网络对低空风切变的类型识别进行仿真研究。利用已有的仿真雷达数据生成仿真雷达扫描图像,通过阈值分割提取风切变区域,之后对其进行二层小波分解,求取各子带小波系数的均值和标准差作为特征向量。最后利用BP神经网络对特征向量进行识别分类。仿真结果比较理想,表明算法具有良好可行性。