机载多传感器目标识别算法

机载多传感器目标识别算法

ID:38204084

大小:356.59 KB

页数:4页

时间:2019-05-26

机载多传感器目标识别算法_第1页
机载多传感器目标识别算法_第2页
机载多传感器目标识别算法_第3页
机载多传感器目标识别算法_第4页
资源描述:

《机载多传感器目标识别算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、机载多传感器目标识别算法研究牟聪景占荣羊彦谭歆西北工业大学联系地址:陕西省西安市西北工业大学487号信箱;邮编:710072;联系人:牟聪)[摘要]:主要目的是以机载探测设备为平台,针对机载探测设备自身特性,来设计一种更为有效的融合算法,来对敌机中的危险目标进行识别,在主要方法上运用神经网络技术、Dempster—Shafer(D—S)证据理论将来自于机载SAR雷达、机载前视红外搜索跟踪系统(IRS)、电子支援措施(ESM)等探测设备多次观察所得到的数据,进行实时的时域和空域融合,对于来自于地面的电子情报(ELINT)的信息使用主观贝叶斯方法来同机载系统融合后的信息进行融

2、合,从而达到准确的目标识别。最后通过实例仿真证明该算法适合于不同类型传感器不同格式信息之间的融合,其不仅能够适合于复杂的信号环境,并且在观测噪声比较大时,具有优良的性能和广泛的适应性。[关键词]目标识别证据理论神经网络主观贝叶斯中图分类号:TP183文献标识码:AStudyoftargetidentificationonairbornesystemMouCongJingZhanrongYangYanTanXinNorthwesternPolytechnicalUniversity[Abstract]Thisarticle’smaingoalistaketheaircraf

3、tbornesensorasaplatform,inviewofaircraftbornesensor’scharacteristic,designsonekindofmoreeffectivefusionalgorithm,tomakeamoreaccurateidentificationofthedangeroustargetoftheenemy,andusetheneuralnetworktechnology,DempsterShafer(DS)theevidencetheorytofusionthedatawhichfromaircraftborneSARrada

4、r,theaircraftborneforesightinfraredsearchandtracksystem(IRS),theelectronicsupportmeasure(ESM)andsoon,Regardingdatacomesfromthegroundelectronicintelligence(ELINT),subjectiveBayestheorywillbeusedtofusionwiththedatacomesfromairbornesystem,thusachievestheaccuratetargetidentification.Finallyth

5、roughtheexamplesimulationprovedthisalgorithmsuitsthefusionofthedifferenttypesensoranddifferentforminformation,itsnotonlycansuitinthecomplexsignalenvironment,butalsowhentheobservationnoiseisbig,itstillhasfineperformanceandthewidespreadcompatibility.[keyword]targetidentificationevidencetheo

6、ryneuralnetworksubjectiveBayes0引言在现代高技术战争中,尤其是空战中,准确的识据理论结合用于机载系统的信息融合,同时有效的别敌方目标,确定打击方案,已成为克敌制胜必不可融合来自于地面电子情报就是本文所要解决的问少的手段。现代战争的空域中,信号的密度大,干扰题。大,对目标的可观测性低,所以仅仅依靠单一类型的传感器来对目标进行识别已经无法满足要求,必须1基本概念综合利用来自于微波、毫米波、红外、电视、红外、1.1BP神经网络[1]激光、电子支援措施、以及电子情报等覆盖宽广频带的各种有源以及无源探测器在内的各种传感器BP网络是一种多层前馈向网络,其

7、名称来源提供的各种观测数据,通过信息融合的方法来实现于它的学习算法误差反向传播学习算法(简称BP对目标的识别。但是现在传统的基于证据理论的融算法)。该网络实质上是对任意非线性映射关系的一合方法中,需要相应的专家知识,从而难以摆脱主种逼近,由于采用的是全局逼近算法,因而网络具观因素的制约,而且关于概率赋值的获取也是十分有较好的泛化能力,BP神经网络本身的特点使其困难的,而神经网络技术由于具有自学习,自组织作为一种模式识别的方法是比较合适的。它用于模的功能,因此,只要它经过严格的训练,一定不会式分类时属于非参数分类方式,不需要任何

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。