数据融合技术及其应用

数据融合是对多传感器目标信息按时序和准则自动分析和综合处理得出最终结论或决策的技术，包括多传感器和多信息输入、合成规则、表示形式等，分象素／特征／决策三级。随机融合包括经典推理法、卡尔曼滤波法和专家系统法等，用于三级融合各阶段。人工智能融合有模糊集合、神经网络、小波分析等，适用高层次融合，数据融合系统由传感器、处理机及相关硬软件组成，按结构分为并联／串联／混合／网络型，按控制开关分为开／闭环型，按战术应用分为集中／分布式，按融合规模分为单／多平台。     

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。     

无线传感器网络仿真中的目标定位问题

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。     

联合卡尔曼滤波在多传感器信息融合技术中的应用

多传感器信息融合技术在目标跟踪领域已经得到了广泛的应用,末制导融合技术是多传感器跟踪系统中的关键技术之一.本文运用联合卡尔曼滤波的先分散处理,再全局融合的思想,对主动雷达、红外传感器的数据融合问题进行了研究.仿真结果和实验表明,利用此方法可使雷达、红外传感器达到较好的数据融合效果.     

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.     

多传感器信息融合技术在现代防空中的应用

在分析空间环境信息的复杂性、现代传感器的多样性基础上,将多传感器信息融合技术用于地面防空C3I系统、雷达和图像传感器融合、雷达和红外融合、多雷达融合系统。展现了信息融合技术在解决防空问题中具有增强生存能力、扩大覆盖范围、增大信息可信度等优势,可增强防空能力。     

基于多传感器数据融合的飞机目标自动敌我识别方法

为提高复杂环境下目标敌我属性识别能力,提出了一种基于多传感器数据融合的自动目标敌我属性识别方法。采用将IFF、ESM、雷达,红外获取的信息进行特征级融合的方法对目标进行识别,并采用模糊神经网络模拟真实战场环境,提高了目标的识别率和准确度。     

雷达/红外复合导引头信息融合技术研究

多模复合寻的制导技术已成为精确制导武器的发展方向,采用雷达/红外双模制导模式,可有效提高制导系统的精度。多传感器数据融合技术是双(多)模寻的制导的关键技术之一。对雷达/红外复合导引头数据融合研究现状进行了讨论,包括目标跟踪融合的关联和估计、数据对准、航迹关联、航迹融合、目标识别;并讨论了这些算法的基本原理、相关技术及方法、存在的问题和研究方向。     

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.     

传感器融合技术:创造最佳态势感知能力

传感器融合技术起源 传感器融合技术源于数据融合技术.1985年,美国国防部试验室联合理事会(JDL)所属的数据融合研究小组(即后来的数据与信息融合研究小组)首次提出了数据融合模型. 该模型历经数次改进,现作为数据功能分类的一种参考标准,已得到广泛运用,其有效增强了各个层次作战单位的态势感知能力. 传感器融合技术或许也可以称作"情报融合技术"——这也是当初数据融合研究小组对"信息融合"中"信息"一词的扩大化解释——因为该技术能够实现对所有数据的整合分析.在这一过程中,来自多个传感器(影像/雷达/信号情报/运动觉察器等)的定位与识别数据得到融合,生成一个有效的合成"图像",并且能够消除重复轨迹和定位偏差,产生最准确的目标引导信息.其最终成果涵盖了视觉、电子与语言信息,情报评估能力完全达到了"1+1＜2"的效果.     

基于空中目标识别的特征提取与选择

为从冗杂的海量信息中提取出有效的特征数据和信息,对空中目标识别的目标特征进行研究。介绍目标跟踪识别系统,从搜索雷达的目标回波信号特征、目标光谱成像特征、目标姿态与运动特征、目标特征选择与融合等方面进行目标识别特征提取,生成图像与特征数据库,并对选取的目标特征进行多特征融合的识别精度验证。结果表明:提取与选择的目标特征在识别中取得较满意效果,能证明选取的空中目标特征在目标识别算法中的可靠性。     

水下导航信息融合专家系统的知识库设计

水下导航信息融合专家系统知识库的核心是知识库与推理机,包括书本及导航专家经验.导航知识通过知识获取机构存入知识库,由知识管理工具维护.通过抽取水下导航中各传感器获得的信息特征,并标准化后得到数据库数据.在模型方法库中存储数据计算的方法.在控制系统的管理协调下,推理机运用知识库中的知识,综合数据库的数据和条件,调用模型方法库中的模型和方法进行推理,获得适用的导航信息.     

基于两坐标雷达和红外传感器的融合目标跟踪算法

利用雷达和红外传感器的观测信息及目标运动的特征信息，改善系统对机动目标的跟踪性能；并在雷达无法主动开机的情况下，应用测向测时差定位法，处理机动目标的无源定位问题，在此基础上，应用数据融合技术进一步提高系统的定位与跟踪精度。     

多谱传感器预警系统的技术探讨

在分析多谱传感器预警系统原理、优点和典型传感器功能、特点及选配原则的基础上,讨论了用于探测低空巡航导弹、武装直升机的多谱传感器预警系统所蕴含的2项关键技术.其一是多谱传感器的组网技术,包括体系网络结构、功能结构、通信结构和通信链路.其二是多谱传感器数据融合技术,包括数据融合层次、数据融合形式、数据融合结构和数据融合方法.     

基于目标视线角速度的航迹融合研究

雷达／红外双模制导过程中，提出了目标距离由雷达提供，目标视线角位置或角速度由雷达和红外融合提供．通过对目标被测误差角变化规律分析，提出了分布式结构中基于目标视线角速度的航迹融合方法，运用极大似然估计法进行了航迹状态估计融合．通过仿真，验证了该方法的有效性。提高了目标跟踪性能．     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

数据融合在战场目标识别中的应用

采用异类传感器系统之间的集中式数据融合技术可以提高战场目标识别的准确度。首先,简要介绍数据融合技术的基本理论;然后,阐述数据融合在战场目标识别中的任务;最后,应用集中式数据融合技术进行战场目标识别仿真,检验其可行性。结果表明,该设计取得了良好的分类结果,将在军事领域得到更加广阔的应用。     

基于动态贝叶斯网络的舰艇防空作战威胁评估研究

为解决防空作战中在数据不完备及不确定条件下的威胁评估推理问题,采用动态贝叶斯网络的目标威胁评估模型.详细分析影响舰艇编队防空作战威胁评估的因素,根据军事专家的领域知识构建相应的状态转移矩阵,分析动态贝叶斯网络的推理过程,运用模糊分类技术处理输入的连续数据.根据所建立的动态贝叶斯网络模型及相应的推理算法得到目标识别、目标意图、目标毁伤能力、目标威胁程度的变化趋势.仿真结果表明该方法科学、有效,其计算结果符合客观实际.