排序方式: 共有70条查询结果,搜索用时 15 毫秒
1.
一种多传感器信息融合点目标识别方法(二) 总被引:1,自引:0,他引:1
提出了一种多传感器信息融合识别空间复杂弹道式目标及其伴随诱饵的识别模型。将人工神经网络和确定性理论结合起来,以神经网络的输出代替应用确定性理论所需的有关领域专家的知识和经验,并用确定性理论进行不同空域和时域的信息融合。仿真结果表明,经过融合后,大大改善了识别效果。 相似文献
2.
3.
天基光学传感器对空间近邻目标的像平面跟踪过程中,传统方法在单帧恒虚警检测后进行量测划分,采用的虚警率过高可能引入较多的杂波点,过低则群目标在像平面的部分信息损失.在分析空间近邻目标在像平面特征的基础上,提出一种使用马氏随机场模型进行预检测处理然后以k-均值进行量测划分的方法,仿真结果表明,相比传统方法,基于马氏随机场模型的空间近邻目标检测及量测划分准确率更高,且在信噪比较低的情况下,性能改善明显. 相似文献
4.
5.
6.
7.
8.
针对天基红外监视系统中不同形状目标的联合检测问题,提出基于扩展马尔可夫随机场的自适应目标检测算法。首先分析了天基红外监视系统中的目标特性,在此基础上以典型目标形状为模板,构建了扩展的马尔可夫随机场邻域系统;其次构建了新的马尔可夫势函数,并利用红外图像中背景与目标之间的马尔可夫势差异,将复杂背景中不同形状目标联合检测问题转换为马尔可夫势差异的判别问题,有效解决了马尔可夫随机场理论框架下混合形状目标检测问题。仿真试验结果表明,所提出的算法能够根据目标形状的变化自适应地检测各类目标,并可在不同图像信杂比条件下进行目标检测处理,具有较强的鲁棒性。 相似文献
9.
基于势概率假设密度滤波的检测前跟踪新算法 总被引:2,自引:0,他引:2
基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density, CPHD)检测前跟踪(Track before detect, TBD)算法能有效解决未知目标数的弱小目标检测跟踪.文章深入研究了CPHD算法, 从标准CPHD滤波的粒子权重更新出发, 结合检测前跟踪的实际, 合理地推导出CPHD-TBD算法的粒子权重更新表达式; 分析了CPHD滤波目标势分布的物理意义, 实现了目标势分布更新计算在检测前跟踪的应用.将CPHD滤波和TBD进行有效结合, 提出了基于势概率假设密度滤波的检测前跟踪算法, 并给出其详细实现步骤.仿真实验证明提出的CPHD-TBD算法与现有概率假设密度检测前跟踪(PHD-TBD)算法相比, 能更详细地传递目标分布信息, 从本质上改变了PHD-TBD对目标数估计的方式, 能更准确稳定估计目标数, 实现了对目标的发现和状态准确估计, 性能明显更优. 相似文献
10.