决策层信息融合的神经网络模型与算法研究

本文对信息融合问题中决策层融合方法进行了分析与比较,提出了一种新的决策层信息融合算法,即改进型ＡＲＴ２神经网络融合算法,该融合算法在综合大脑对多源信息融合的特点和优势基础上,提出了将信息进行匹配和调和相融合的处理方式。对实际的决策层信息融合目标识别问题,该算法具有弹性去除信息间相关性以及合理处理矛盾信息的能力。同时,ＭＡＲＴ神经网络模型通过自适应地调整网络参数,对信度的增长有较好的控制能力。     

基于D—S理论的多信息融合方法及应用

本文较系统地论述了基于Ｄｅｍｐｓｔｅｒ－ｓｈａｆｅｒ证据理论的多传感器信息融合算法,并以机器人的力学传感器和热觉传感器为研究对象,对目标物体进行分类识别实验,比较了融合前后的试验结果。     

递归时空信息融合技术及其在毫米波与红外目标识别中的应用

本文使用Dempster-Shafer技术讨论了递归时空信息融合的集中(或分配)算法。与Bayes算法相比,Dempster-Shafer技术具有较强的处理信息的不确定性的能力。集中算法是将所有信息汇集于中心处理器中进行处理;而分配算法则是依靠各分散的分处理器分担运算量,这样可增加计算能力。改进的算法可有效地应用于采用两种探测器的目标识别:毫米波辐射计、红外搜索和跟踪探测器。     

递归时空信息融合技术及其在毫米波与红外目标识别中的应用

本文使用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ技术讨论了递归时空信息融合的集中（或分配）算法。与Ｂａｙｅｓ算法相比，Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ技术具有较强的处理信息的不确定性的能力。集中算法是将所有信息汇集于中心处理器中进行处理；而分配算法则是依靠各分散的分处理器分担运算量，这样可增加计算能力。改进的算法可有效地应用于采用两种探测器的目标识别；毫米波辐射计、红外搜索和跟踪探测器。     

基于D-S理论的多信息融合方法及应用

本文较系统地论述了基于Ｄｅｍｐｓｔｅｒ－ｓｈａｆｅｒ证据理论的多传感器信息融合算法,并以机器人的力学传感器和热觉传感器为研究对象,对目标物体进行分类识别实验,比较了融合前后的试验结果。     

双色红外成像传感器时空信息融合的空间点目标识别方法

针对干扰条件下的空间点目标识别问题,提出了一种基于双色红外成像传感器时-空信息融合的空间点目标识别方法,并采用Ｄ-Ｓ证据合成理论对来自两个红外成像传感器的实际图像目标信息进行了仿真计算。结果表明该方法对强干扰条件下的红外点目标具有理想的识别效率。     

用于雷达目标识别的层次化信息融合算法

基于对目标识别特点的认识，提出了可用于坦克目标识别的层次化信息融合算法，对高分辨率毫米波非相干雷达，毫米波辐射计及红外辐射计等目标识别概率进行了的融合实验表明，该算法不仅可融合不同层次的信息，而且具有较强的处理信息不确定性的能力和容错能力，极大地提高了目标识别概率。     

基于Rough集的信息融合目标识别方法

研究了Rough集理论在基于不同谱段光学信息融合的目标识别系统中的应用技术,在介绍了目标知识表示方法的基础上,提出了用C均值算法实现连续信息离散化的方法,并通过决策表属性的约简来生成决策表,以实现对目标的识别。针对可见光、中／长波红外等三种不同谱段下的三种不同目标图像进行了实验,实验结果表明,该方法具有对先验知识获取的易实现性和对目标识别的有效性。     

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。     

国外信息融合技术概述

随着传感器技术的不断发展和战争的需求，多传感器得以大量使用。使用多传感器将导致信息量大增。人工综合处理这些信息的方式已不适应现代战争的要求，只能采用自动综合与处理的方式，这就是本文所指的信息融合。本文主要介绍信息融合的应用范围，主要研究内容，信息处理技术、信息融合方法和信息融合系统结构。     

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。     

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。     

检测数据触合算法分析

雷达组网反隐身目标探测技术是现代军事领域比较关注的一个问题,其中的多传感器数据融合技术又是一热点问题,因而有必要从概念和应用上对其进行了解并为检测数据融合算法的研究提供一个可参照的框架。为此,本文首先说明了多传感器下的检测问题和经典检测问题的相互关系,进而结合信息论的观点就近年来出现的一些典型检测融合算法进行了分析和比较,同时提出了其它可能的一些算法类型。最后,通过计算说明数据融合技术对探测系统的影响和对反隐身系统的重要意义。     

一种快速全局优化的神经网络及其在数据融合中的应用

本文将遗传算法的全局性和EM算法的快速性相结合,提出了一种快速全局优化神经网络,并将其应用于数据融合中。理论与实验结果表明该算法在数据融合中具有很强的鲁棒性。     

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。