一种基于灰色定权聚类的决策层融合目标识别算法

决策层融合目标识别本质上是一个不确定性信息处理问题,该文基于灰色系统理论中的灰色定权聚类方法提出了一种新的决策层融合目标识别算法.该算法将一个类目标识别问题转化为个两类目标识别问题,然后对每个两类识别问题采用灰色定权聚类的方法解决,其中白化权函数通过训练样本学习确定.利用该算法对3种分类器识别5类雷达目标的结果进行融合,实验结果表明该方法能有效提高目标识别性能.     

基于一维散射中心匹配的雷达目标识别

本文提出了一种新的基于目标一维散射中心匹配的雷达目标识别方法.该方法在计算两目标匹配函数之前,先根据目标尺寸大小在目标中心附近设定一个距离窗,将位于此距离窗以外的散射中心剔除,以减轻目标区域以外虚假散射中心的影响.对剩下的目标散射中心,根据两目标散射中心之间的距离,对目标之间的散射中心配对,然后定义两目标的匹配函数为所有配对散射中心的"匹配能量"和与两目标所有散射中心能量和的比值.对五类目标缩比模型的外场测量数据进行分类识别实验,结果表明该方法具有良好的目标识别能力,而且对加性高斯白噪声和雷达带宽不敏感.     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

基于遗传算法的二维散射中心提取研究

提出了一种基于遗传算法的雷达目标二维散射中心提取方法，并给出了适用条件，它采用CLEAN方法，将每个散射中心的提取转化为一个非线性优化问题，并利用改进的遗传算法进行优化求解。仿真结果表明，相对于传统的FFT方法和2-D Esprit方法，文中提出的二维散射中心提取方法在准确性、鲁棒性和分辨力等方面具有优势。     

一种基于度量层信息的基本信任分配构造方法

在决策层融合目标识别中,Dempster组合规则是一种常用的融合算子,它的有效应用取决于相应基本信任分配的合理建立.该文针对决策层融合目标识别问题中子源传感器输出的度量层信息,分析了基本信任分配的构造准则,并提出了一种基于参考向量与度量层信息之间相似度的基本信任分配构造方法.在仿真数据与空中雷达目标实测数据上的实验结果表明,该方法构造的基本信任分配能够有效地通过Dempster组合规则进行融合.     

基于矩阵束算法的多雷达信号融合超分辨成像

利用多雷达回波信号对目标进行融合成像可以有效提高分辨率.本文实现了一种多雷达融合联合超分辨成像算法,该方法基于单雷达观测数据指数和模型,建立了联合的多雷达观测数据模型,并将雷达二维成像的矩阵束算法引入到多雷达观测融合成像中,利用多雷达观测数据估计散射中心的参数,有效提高了分辨率.仿真实验表明,该算法有效提高了雷达成像的分辨性能,有利于后续的目标检测与识别.     

土地利用方式对黄土丘陵土壤CaCO3含量及分布的影响

本文以具有典型黄土丘陵特征的砖窑沟流域为例,对该流域梁峁地主要土壤类型上不同土地利用方式下0～200cm层土壤剖面CaCO3含量进行了分析。结果表明:土壤CaCO3含量耕地>林地>荒草地;耕地土壤CaCO3有明显的累积层,累积深度约在20～100cm之间;林地累积层深度约在20～60cm之间;而荒草地无明显累积层。这种现象与一般干旱半干旱地区不同。     

一种基于白化权函数的基本信任分配构造方法

Dempster组合规则是决策层融合目标识别中的一种常用融合算子,它的应用前提是建立合理的基本信任分配函数.本文针对各子源传感器输出的度量层信息,首先分析了基本信任分配的构造准则,并借鉴灰色定权聚类方法,通过白化权函数对基本信任分配进行了构造.在空中雷达目标实测数据上的实验结果表明,该方法构造的基本信任分配能够有效地在Dempster组合规则下进行融合.     

传感器可靠性相异的信任函数理论融合识别算法研究

本文在信任函数理论框架下,针对决策层融合目标识别问题,对可靠性相异的多传感器融合目标识别提出了一种新算法.该算法结合各传感器混淆矩阵的先验静态信息以及其当前输出判决的动态信息,获得各传感器当前输出识别证据的可靠性因子,并将其用于相应信任函数的折扣,最后用Dempster组合规则对修改后的识别证据进行融合.仿真表明和现有一些考虑可靠性问题的融合算法相比,本文算法能够得到更好的融合效果.