多传感器目标识别的数据融合

本文针对军事上的目标识别问题，论述了多传感器的属性融合技术，包括属性融合的概念，原理，处理结构，算法及应用举例，指出属性融合中存在的主要问题，难点及可能解决的途径，并预测了未来发展趋势。     

多传感器数据融合中基于目标识别的DS算法研究

由于多传感器数据中对目标的描述通常存在或多或少的模糊、相驳、遗缺等现象,在多传感器数据融合处理中如何对目标进行有效可靠的识别,是一个备受关注的难题。本文对多传感器数据融合处理中基于ＤＳ算法的目标识别问题进行了较深入的探讨,利用ＤＳ算法对不确定性信息的推理判断机制,为解决上述难题提供了一种有效的方法。     

多传感器数据融合目标识别算法综述

多传感器数据融合作为一种特殊的数据处理手段在目标识别领域得到了较大的重视和发展.在介绍多传感器数据融合目标识别基本原理及其算法理论依据基础上,从概念分类方面,对目前多传感器数据融合目标识别算法进行了全面综述,包括参数分类算法、基于认识模型的算法、物理模型算法及多类算法综合识别法等,说明了各算法特点及对其的进一步改进,列举了目前国内外一些已经发表的重要算法,为下一步多传感器融合目标识别研究提供了一定的理论依据.     

数据融合处理中的目标识别技术

目标识别数据融合技术是数据融合处理技术的一个基本应用，对目标识别数据融合技术做了详细的介绍，并重点分析了证据推量（D－S）和聚类分析这两种目标识别方法。     

多传感器数据融合非合作目标识别技术研究

采用Dempster-Shafer证据推理法，融合判决算法，在模拟的单站多传感器系统中，进行计算机仿真，仿真结果证实所采用的技术可以有效提高目标识别的可信度。     

串联多传感器信息融合

本文讨论了多传感器信息融合的串联形式和在两重假设下的信息融合算法及性能,分析了串联形式的特殊性,与并联形式进行了比较,提出了实现串联形式的步骤,并讨论了一种应用情况。     

基于异质传感器的空间目标融合识别系统设计

在空间目标识别中有电磁、光度、红外、无线电等多种传感器信息可以利用,不同类型的传感器获得的信息在时域、频域和特征域上的冗余和互补,可以提高识别的正确率,扩展识别的时间和空间覆盖范围,而对于复杂的空间目标识别问题,不可避免的要用到多种分类方法,这些分类器的自动优化组合是融合识别获得良好性能的关键.本文分析了空间目标分布式传感器信息处理系统中的单传感器优缺点,并设计了基于多级增强融合结构的空间目标融合识别方案,给出了其系统级融合的软件设计.该方案能根据不同传感器和分类器的性质自动的对其进行优化组合,充分开发多分类器系统的潜力、提高异质多传感器融合识别的效率和稳健性.     

基于神经网络与D-S证据理论的多传感器目标识别技术

为了满足目标识别的需要,多传感器的数据融合技术已经成为研究的热点。D-S证据理论是多传感器信息融合中最常用的一种处理不确定问题的方法,在基于D-S证据理论的目标识别融合中,基本概率赋值的获取是一个难点。使用神经网络中应用最广泛的BP神经网络来求基本概率赋值,再结合D-S理论进行目标识别。结果表明这种方法可以提高战场目标识别的可靠性,降低识别结果的不确定性。     

目标探测.识别和跟踪的传感器数据融合

多传感器组合系统数据融合技术是当代探测，识别领域的一项新技术，本文在介绍多传感器组合与数据融合技术优点的基础上，介绍了成像激光雷达与前视红外传感器数据融合技术，重点介绍了红外行扫描器和红外成像摄像机的数据融合技术。     

多传感器数据融合中的配准技术

配准是多传感器数据融合中的一个重要环节。文中介绍了图像配准的一般方法，配准技术在数据融合的应用，并着重介绍了基于点特征的红外／可见光图像自动配准算法。     

多传感器数据融合测试台发展浅析

通过对国外一些有代表性的多传感器数据融合测试台的分析，认为数据融合技术最终要在军事领域中得到应用，融合测试台的研制是不可缺少的一环，应不失时机地开展此项工作。     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合系统中,一部分传感器通过处理它们的数据产生局部航迹,另一部分传感器则只提供检测报告,这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中,融合中心首先需要融合来自L个传感器的局部估计,然后基于其它N-L个传感器的观测,利用Kalman滤波技术依次更新已融合的航迹。本文还考虑了各传感器分布在不同地理位置时的状态估计问题。     

目标识别决策层融合神经网络算法研究

该文针对毫米波／红外传感器融合目标识别问题,提出一种新的用于决策层目标识别的神经网络融合算法。该网络结构新颖,网络训练时修改的是门限而不是连接权值。融合后的识别率可比毫米波和红外子源提高9.7％到11.3％,因此,该算法是有效可行的。     

杂波中多传感器数据融合改善目标航迹丢失的理论分析

本文从理论上讨论杂波环境中,多传感器数据融合对目标航迹丢失的改善。通过建立融合预测估计误差的转移概率密度函数,分析了目标航迹丢失的机理。在最近邻关联准则下,计算了融合航迹维持和融合航迹起始时的跟踪性能融合航迹平均丢失时间和融合航迹累积丢失概率与杂波密度的关系,并与单传感器的情形作了比较。结果表明,多传感器的航迹融合减小了目标丢失的可能性,提高了跟踪性能。这一结论对进一步理解数据融合的作用具有重要的理论意义。     

分布式多传感器数据融合中的双门限航迹相关算法

本文提出两种适合于分布式多传感器数据融合的双门限航迹相关算法.文中对这两种双门限航迹相关准则进行了详细的描述,研究了航迹相关质量设计、多义性处理和漏相关概率的估计方法,并通过仿真将它们与两个经典方法进行了比较.仿真结果表明,在密集目标环境下和/或交叉、分岔和机动航迹较多的场合,双门限航迹相关算法的性能明显优于传统方法,其正确相关率比传统方法提高了大约35％.     

多传感器检测系统中的多元假设数据融合方法

提出一种分布式检测系统中的多元假设数据融合方法,将多传感器数据融合规则扩展到更一般的情况。文中给出系统的数据融合算法、决策规则和系统性能的计算公式,并给出系统性能的仿真计算结果。     

多目标多传感器的跟踪

多目标多传感器的跟踪是一个非常复杂的问题，其关键是数据的融合。单个传感器的多目标跟踪主要是解决数据的关联问题，多个传感器的多目标跟踪虽然有时也是解决数据关联问题，但是多传感器的数据关联就要复杂得多，它是一个多维的问题。文中主要介绍多目标多传感器跟踪网络构成策略及分级分布传感器跟踪的数据和轨迹融合方式。     

谈判式时空整体决策信息融合方法研究

加权求和是信息融合处理中一种简单、有效的方法,但如何确定加权系数,将直接影响到融合处理的效果。有鉴于此,该文提出了基于信息不确定性、传感器之间一致性和各传感器性能的信息度量函数融合熵,并给出了基于融合熵的权系数计算方法,针对红外/毫米波多传感器系统的实际背景,设计了谈判式时空整体决策融合算法。实验结果表明算法运算量小,容错性能高,取得了满意的正确识别结果。