一种应用DS证据理论的雷达目标与IFF点迹关联方法

针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe, IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据此生成DS证据理论中辨识框架的基本概率赋值;利用Dempster规则对证据进行组合,当证据之间存在冲突时采用改进Murphy方法对数据进行处理;最终通过概率转换方法完成关联判决,形成对目标敌我属性的判定。典型场景下的仿真结果表明,该方法能够实现雷达目标与IFF点迹的有效关联,通过多次询问及关联过程,可提升不同场景下的关联正确率。     

一种窄带雷达舰船目标分类的决策方法

目标识别技术在现代雷达中具有重要的应用价值,由于自身体制的限制,窄带雷达无法提供充足的信息以支撑目标分类识别。针对这种问题,提出了一种基于分类器判决、多帧融合和综合判决的综合决策方法:在分类器判决的基础上进行多帧融合以提高判决结果的稳定性,在综合判决中充分考虑各历史判决的信息以获得可靠的判决结果。以某型雷达对不同舰船目标的实测数据为对象,对提出的方法进行了验证。结果表明,所提方法能够有效提升判决结果的准确性与稳定性。     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

一种基于度量学习的敌我识别分析方法

敌我识别在现代战争中是十分关键的一环,有效的敌我识别可以避免攻击己方目标,能够实现更精准地打击。文章以指挥信息系统为背景,针对军事样本数据少的问题,提出了基于度量学习的敌我识别方法,用基于小样本学习分类技术实现在少样本条件下的敌我识别。相比以往基于概率推理的图像分类技术,能够更准确地实现敌我目标的分类。     

雷达询问敌我识别技术

主要从雷达敌我识别综合系统的必要性、实现雷达敌我识别综合系统的可能性、ＲＩＳＳ系统中敌我识别应答机、毫米波敌我识别、非协同目标识别等几方面论述了雷达询问敌我识别技术以及综合化问题。     

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。     

非协同目标识别技术的研究进展

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。     

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 。     

贝斯方法与Dempster-Shafer证据理论的讨论

目前,实时C^3I系统中主要应用的判决级属性估计方法有贝斯方法和Dempster-Shafer证据理论。在获得目标参数数据之后,通过对多个参数数据的融合获得所要识别的属性。文中介绍了贝斯方法和Dempster-Shafer证据理论的基本原理和融合过程,将两者进行比较并给出一个实例,最后展望了属性估计方法的发展。     

光电信息系统多传感器数据融合模型研究

论述了多传感器数据融合在光电信息系统中的作用与优点,分析了光电传感器特性,建立了光电信息系统数据融合功能模型、结构模型,对基于卡尔曼滤波器的目标状态估计与基于确定理论方法的专家系统用于目标身份识别进行了研究．     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

BD-2/GPS组合系统的设计与定位算法

目前世界上4大主力卫星导航定位系统的兼容技术日益提高和完善,在这种客观需求下使多系统联合定位成为可能。为达到两种系统组合定位的目的,将中国北斗二号(BD-2)与GPS技术相融合,在BD-2单系统定位原理的基础上提出了BD-2/GPS构成的组合接收系统的设计思路和BD-2/GPS组合导航定位系统的数学解算方法。在定位算法上采用了加权最小二乘法对组合导航定位系统进行解算,并通过MATLAB软件对数据结果进行计算和分析,证明了此种算法的可行性和可靠性。     

基于D-S证据理论的协作频谱感知算法

在无线传播过程中,主用户信号经常会受到路径损耗、阴影衰落等影响,导致无线通信环境中单个认知用户对主用户的感知结果存在不确定性。因此,结合D-S证据理论方法,提出了一种新的协作频谱感知算法。以能量检测作为基础,将证据间冲突变化程度平均性的概念结合其中,根据这一方式设计了一种新的证据理论合成法则,将多个D-S融合结果送到融合中心进行数据融合,得出最终判决。仿真实验结果表明,该算法能够很好地解决证据间的高度冲突并较为合理地减轻不确定性因素的影响,在信噪比比较低的情况下,获得较好的检测性能。     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标．在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

一种基于提升小波变换的图像融合

提升小波被称为第二代小波,拥有传统小波的优点,却比传统小波概念简单,计算量大大减小,算法更易于硬件实现,是实现实时图像融合系统的有效手段。针对可见光与红外图像融合这个研究热点,提出了一种基于提升小波变换的图像融合算法。实验结果表明,该算法使得融合图像最大限度地包含了源图的信息,且边缘信息也被很好地保留了,是一种高效的融合算法。     

基于Bayes弹道导弹主动段融合跟踪算法

弹道导弹主动段拦截中对导弹跟踪精度要求很高,如何将多种主动段探测装备得到的数据进行融合得到更加精确的数据是当前亟待解决的难题。针对此问题,文中研究了导弹预警卫星与雷达融合跟踪,提出了一种基于Bayes理论的弹道导弹主动段融合跟踪算法。该算法分别建立了导弹预警卫星和雷达对主动段探测模型和跟踪模型,应用POFACETS软件仿真了一种类型弹道导弹,并将其获得的导弹RCS数据应用到算法中,提高了算法的准确性。仿真实验表明,该融合跟踪算法可以获得比多个传感器算术平均值更精确的结果,具有较高的可靠性。     

基于多目标多特征信息融合数据关联的无源跟踪方法

在多目标无源跟踪中,传统的数据关联方法只利用那些与目标状态向量计算直接相关的信息(如DOA、TOA信息等).本文提出了一种新的数据关联算法——基于多目标多特征信息融合的数据关联算法,该算法同时利用了更多的目标特征信息(如频率、PRI等),应用D-S证据理论进行单目标多特征信息融合,在此基础上,再进行多目标综合数据关联.它是一种基于多特征信息的全局最优的算法.计算机仿真表明,基于该算法的无源跟踪性能要优于传统的NN方法和扩展的NN方法.     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想.为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中.MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能.     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。