首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 453 毫秒

1.  基于灰度关联的多传感器融合目标识别方法  被引次数:1
   郭文艳  韩崇昭《传感器与微系统》,2007年第26卷第9期
   为实现对多传感器目标识别系统中目标的正确分类,提出了基于灰技术理论的多传感器融合的目标识别方法。其中,单传感器识别采用计算待识别目标的灰关联系数和灰关联度,利用灰关联度的排序得到目标在时域上的识别,最后,利用各传感器灰关联度矩阵的范数得到多传感器信息融合的识别结果。计算实例验证了该方法的有效性。    

2.  目标综合识别系统中多传感器目标特征管理  
   纪彦星  王西锋  陈庆元《雷达与对抗》,2011年第2期
   研究了传感器级目标综合识别系统中多源特征信息之间关联和融合的方法,在此基础上探讨在实践中如何对多传感器关于各个目标的分类特征进行管理,并通过关联和融合形成关于目标全面特性的特征向量最终进行目标识别的实现过程。    

3.  目标识别中多传感器信息融合算法比较  被引次数:1
   蒋晓瑜  梁浩聪  王加  张旭帆《计算机系统应用》,2013年第22卷第4期
   近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.    

4.  D-S证据理论和粗集理论在数据融合中的应用  
   胡春海  王晓丽  邹晓红《现代雷达》,2004年第26卷第9期
   提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果    

5.  基于D-S证据推理的多传感器战场目标识别  被引次数:1
   田红伟  任宏滨  简金蕾《弹箭与制导学报》,2006年第26卷第2期
   文中在简单介绍了多传感器信息融合技术的概念之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.    

6.  D-S证据理论在时-空信息融合中的应用  被引次数:5
   李茹  李弼程  李斗《计算机工程与应用》,2005年第41卷第13期
   多传感器的信息融合技术应用于导航、目标跟踪、目标识别等很多领域。目前用于信息融合的主要方法就是证据理论技术。论文给出了三种基于D-S证据理论的多传感器多个测量周期的信息融合(时-空信息融合)的方法。在仿真实验中对这三种方法进行了比较,分布式有反馈的方法是三种方法中最好的。    

7.  基于Dempster-Shafer证据推理的多传感器信息融合技术及应用  被引次数:11
   马国清  赵亮  李鹏《现代电子技术》,2003年第26卷第19期
   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.    

8.  目标类型识别方法研究  被引次数:2
   刘同明《计算机应用研究》,1999年第16卷第7期
   目标对象(飞机、船舶、车辆等)的分类和识别是许多指挥系统的重要任务,目前尚未解决的主要问题是对象类型识别;使用单个传感器信息或单一识别技术方法已不能满足实际应用的需要。本文以舰船类型识别为例,探讨基于多传感器信息融合技术和自适应模糊神经网络技术的目标类别和类型识别,其方法可用于民航和军事等指挥控制系统.    

9.  多传感器信息融合技术研究现状和发展趋势  被引次数:16
   张明路  戈新良  唐智强  刘兴荣《河北工业大学学报》,2003年第32卷第2期
   多传感器信息融合可以避免单一传感器的局限性,获取更多的信息,提高目标识别能力.本文较为全面的介绍了多传感器信息融合技术的背景、概念、控制结构、融合层次的划分等内容,并预测其将来的发展趋势.    

10.  非协同目标识别技术的研究进展  
   梁 丰《电讯技术》,2012年第52卷第12期
   非协同目标识别技术是识别领域研究的新课题,它通过处理侦测到的目标物理特征来实现对目标身份的识别。该技术可提供更全面、更完善的战场目标信息,有助于作战人员及时掌握战场态势、减少友军误伤。从目标识别的基础理论开始,介绍了几种适合非协同目标识别的融合方法及其改进措施,总结了目前非协同目标识别技术研究的主要进展,即采用基于统计推理的数据融合技术,对多个传感器侦测的目标特征信息进行处理,实现了对属性、类型、型号、作战意图及威胁程度等目标信息的判定和分析。同时,指出国外一些使用数据融合技术的武器装备已具备对多个非协同目标的识别能力和战场信息感知能力。最后,提出了今后的研究方向。    

11.  无线传感器网络仿真中的目标定位问题  
   白晓勇  张可《兵工自动化》,2009年第28卷第7期
   针对在无线传感器网络仿真平台的设计里,单个可见光传感器无法获得运动目标的距离信息,无法实现运动目标的定位及多传感器的信息融合的问题,提出一种基于多个可见光传感器数据融合的运动目标定位方法。该方法将数字图像处理与数据融合技术相结合,采用运动目标检测与识别技术确定目标个数与种类,运用数据融合技术融合多个传感器的识别结果及节点位置信息,很好地解决了仅利用可见光传感器仿真的情况下,运动目标在监控场景里的定位问题。    

12.  多传感器模糊信息融合算法在煤矿瓦斯监测中的应用  被引次数:1
   金海《煤炭技术》,2012年第31卷第8期
   信息融合是将各种不同类型传感器的所有特点充分综合利用,最终将完成获取目标的多方位全面化模式。目前,信息融合这一技术已经被广泛应用在自动目标识别、图像处理、安全监测及遥感等多项领域。文章针对煤矿瓦斯监测中的实际应用情况,对多传感器模糊信息融合算法进行了较为系统的介绍。    

13.  基于面向对象的人工免疫系统模型的多传感器融合  被引次数:1
   罗攀  唐新蓬《传感器世界》,2002年第8卷第4期
   现代汽车正向着信息化,智能化的方向发展,即可借助于自动哿装置,如电子测距装置,障碍传感器和计算机来实现自动驾驶,本文着重讨论自动驾驶系统中多传感器信息融合技术,提出了一种面向对象的人工免疫系统模型,较全面的讲述了模型的构造及进行多传感器信息融合的方法。    

14.  神经网络集成、多传感器融合——在机器人对障碍物的识别中的应用  
   秦玉霞《软件》,2007年第5期
   近年来,基于传感器的机器人研究成为开发智能机器人的一个重要方面,它极大地改善了机器人的作业能力,具有重大的应用价值和发展前景。多传感器融合技术就是对同一检测对象,利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息,从而提高检测精度和可靠性在多传感器系统中,信息表现为多样性、复杂性以及大容量,信息处理不同于单一的传感检测处理技术,多传感器信息融合技术已成为当前的一个重要研究领域。目前信息融合方法利用多个信息源所获取的关于对象和环境的信息获得根据任务所需要的全面、完整的信息,主要体现在融合算法上。因此,多源信息融合的核心问题是选择合适的信息融合算法。    

15.  空袭目标识别的证据理论方法  被引次数:1
   万树平  董九英《计算机工程与应用》,2010年第46卷第1期
   针对具有多个特征指标的空袭目标识别问题,利用向量夹角余弦提出了一种新的融合方法。该方法对参考模式和传感器获取信息的特征化向量进行规范化,利用传感器获取信息特征化向量与参考模式向量之间的夹角余弦,作为证据对各可能目标识别对象的基本概率指派,根据证据组合规则进行融合得到目标识别结果。实例分析验证了方法的有效性。    

16.  多传感器目标识别决策融合算法分析  
   李炯  雷虎民  刘兴堂《战术导弹技术》,2007年第15卷第1期
   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.研究多传感器目标识别决策级信息融合算法,分析了决策级信息融合算法之间的内在联系,为对目标识别决策级信息融合方法的选择上提供了理论依据.    

17.  多传感器目标识别决策融合算法分析  被引次数:2
   李炯  雷虎民  刘兴堂《战术导弹控制技术》,2007年第15卷第1期
   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。研究多传感器目标识别决策级信息融合算法,分析了决策级信息融合算法之间的内在联系,为对目标识别决策级信息融合方法的选择上提供了理论依据。    

18.  基于D—S证据理论的多传感器目标识别应用  
   杨帆  刘畅《武汉化工学院学报》,2009年第31卷第1期
   以目标识别为背景,详细阐述了Dempster—shafer(D-S)证据理论方法的原理、多传感器信息融合的实现方法.并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别.从识别结果可以看出,这是一种识别目标的有效方法.    

19.  基于D-S证据理论的多传感器目标识别应用  被引次数:2
   杨帆  刘畅《武汉工程大学学报》,2009年第31卷第1期
   以目标识别为背景,详细阐述了Dempster-shafer(D-S)证据理论方法的原理、多传感器信息融合的实现方法.并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别.从识别结果可以看出,这是一种识别目标的有效方法.    

20.  巡逻式多电子哨兵目标识别的数据融合方法  
   李敏  吴斌  刘恒《计算机工程》,2013年第39卷第3期
   对巡逻式电子哨兵目标观测在数据层的精确定位方法,以及决策层目标精确识别的数据融合问题进行研究。将个体观测的局部坐标系的目标位置转换到全局坐标系中,利用卡尔曼方法融合数据层信息。决策层目标识别的信息融合采用改进的多层次D-S证据论融合方法,将单个哨兵各异类传感器信息融合后再进行多个电子哨兵识别结果的信息融合。实验结果表明,融合后的数据稳定性和准确性都能得到提高,目标识别的正确率提高了20%。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号