基于目标识别的光电多传感器信息融合技术

针对军事上的目标识别问题，论述了光电多传感器信息融合技术，包括光电多传感器信息融合的概念，原理，算法及应用。指出了光电多传感器信息融 存在的主要问题及解决方法，并预测了发展趋势。     

多传感器目标综合识别在VTS系统中应用研究

介绍了采用两部雷达、一套CCTV系统和一套VHF语音系统组成的VTS系统，利用多传感器对目标进行综合识别的方法，实现对重点监视水域目标的管理与控制，对多传感器目标识别的方法进行了研究验证，取得了良好的效果。     

激光敌我识别技术

介绍了激光敌我识别技术的发展状况,工作原理,相关技术,以及它相对于微波,毫米波协同式敌我识别系统的优点。     

三维模型的多传感器目标识别

目标识别的多传感器融合强调以模型为基础的图象理解技术的水平，尤其在多传感器平台和现象分析时，该算法的区分能力取决于各种传感器数据的积累，以及适当地把已知模型的限制加到传感器的数据处。本文介绍了一种以模型为基础的多假设叶斯定理识别方法，其以探测和估算理论为基础。同时还介绍了一种目标模拟方法，该方法采用的目标映射可以有多种几何映射，目标模型也可以有多种还原。模型成像试验台已经体现这些思想，目前正在进行     

多传感器目标识别的判决域与可靠性分析

文章利用概率方法对多传感器目标识别系统进行了分析，提出了利用判决域与决定率进行目标识别的一种方法，利用判决域方法对确定事件发生与否进行决策可以减少传感器系统的误响应，同时保证传感器系统进行目标识别时的可靠性。     

国外敌我识别技术的现状及发展趋势

敌我识别技术在现代战争中的地位极为重要,世界各国均在进行深入的研究。本文在简明论述了敌我识别系统的原理和分类的基础上,结合目前世界上一些具有代表性的先进敌我识别系统,详细分析了敌我识别诉发展状况和各类识别系统的优缺点。本文还对未来敌我识别技术的发展趋势和关键技术作了讨论。     

基于分辨力增益的综合识别传感器管理方法

为提高目标综合识别的效能,需对综合识别系统中多种传感器资源进行科学管理.在分析综合识别中目标优先级和传感器使用约束条件的基础上,建立了利用分辨力增益作为传感器资源管理优化准则的目标函数,提出了利用传感器混淆矩阵的预测分辨力增益计算方法,并将粒子群优化算法引入传感器-目标分配NP- hard问题的求解中.仿真结果表明该方...     

二次雷达敌我识别器系统识别概率的探讨

本文定义了几种二次雷达协同目标检测概率,指出了影响系统识别概率的主要因素,提出了二次雷达敌我识别器系统识别概率只能通过系统试验进行评估,设备出厂验收时,只测量一次询问的目标检测概率。     

多传感器资源的非平等博弈分配

空战M4系统需要在同一时间段对多个目标执行多种任务,因此,系统多传感器资源必须向子任务进行分配;同时,各子任务又具有不同的优先权和紧迫度。利用非平等博弈理论,建立多传感器资源的非平等博弈分配模型和分配算法,可以合理有效地解决多传感器管理方案的优化问题。仿真结果验证了该方法的有效性。     

多传感器信息融合结构的探讨

本文分析了多传感器信息融合的各种形式,阐述了信息层次,探讨了其模式及其控制结构。     

毫米波技术用于战场目标识别

本文介绍毫米波技术在战场目标识别和敌我识别系统中的应用及国外的研究情况和可能的应用前景。     

目标综合识别系统中多传感器目标特征管理

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。     

基于最小代价和蚁群算法的传感器资源优化研究

战场环境的复杂性要求使用多种传感器对战场目标进行综合敌我识别。为充分发挥综合系统的功能,需对有限的传感器资源进行科学合理分配。本文通过分析综合敌我识别的特点,得出传感器资源优化模型的约束条件,提出利用代价作为传感器资源优化的准则,并分析了各类源代价及其量化方法,从而建立了综合敌我识别传感器资源优化数学模型。同时将蚁群优化算法的思想引入到传感器资源优化中,并进行了算法仿真。实验结果证实了该方法的有效性。      

以色列“费尔康”预警机先进的传感器系统

以色列的新一代机载预警平台——远程、高性能、多传感器“费尔康”预警机把机载预警、机载与地面目标监视和信号情报：收集性能提高到了一个新的水平。“费尔康”预警机的4个传感器为：雷达、敌我识别、RSM／ELINT和CSM／COMINT。     

激光敌我识别及其对抗技术

本文介绍了激光敌我识别技术的工作原理和可能的编码方式 ,对激光敌我识别的对抗技术进行了初步探讨     

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。     

射频与激光组合识别方案

分析了MarkXIIA敌我识别系统和激光敌我识别系统的现状,提出了射频与激光组合识别方案。该方案综合利用激光指向性高和Mark XIIA系统识别能力强的优点,通过并行使用射频询问射频应答工作方式和激光询问射频应答工作方式,避免了来自射频询问主波束内的多目标应答问题,在具备多目标处理能力的同时,提高了对密集目标中点目标的敌我属性识别能力。该方案也为单兵提供了可行的敌我识别手段。最后,论述了该方案的实用性,以期为新型敌我识别系统的设计提供参考。     

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。