基于多源信息融合的空間目標(biāo)識(shí)別方法研究.pdf

1、本論文首先介紹了信息融合的一般理論以及與應(yīng)用信息融合進(jìn)行空間目標(biāo)識(shí)別的各個(gè)階段有關(guān)的常用的信息融合方法。在此基礎(chǔ)上，重點(diǎn)對(duì)抽象程度較高的特征級(jí)融合和決策級(jí)融合的方法進(jìn)行了研究。
　　對(duì)于特征級(jí)融合階段，先對(duì)目前普遍應(yīng)用的神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了比較詳細(xì)的介紹。由于神經(jīng)網(wǎng)絡(luò)對(duì)于各種非線性映射具有強(qiáng)大的逼近能力，具有自組織、自學(xué)習(xí)的能力等優(yōu)點(diǎn)，所以它在模式識(shí)別等很多領(lǐng)域內(nèi)都引起了廣泛的應(yīng)用。但是，神經(jīng)網(wǎng)絡(luò)也有收斂速度慢等一些局限性，尤其是當(dāng)

2、它用于信息融合領(lǐng)域中的特征級(jí)融合階段進(jìn)行目標(biāo)識(shí)別時(shí)，由于訓(xùn)練的樣本數(shù)量比較大，使得收斂速度這一問題變得更加突出。另外，當(dāng)目標(biāo)數(shù)據(jù)的信噪比減小時(shí)，網(wǎng)絡(luò)的識(shí)別結(jié)果也變得不太理想。為了提高網(wǎng)絡(luò)的性能，在人的視神經(jīng)的啟發(fā)下，提出了神經(jīng)網(wǎng)絡(luò)組方法，并把它應(yīng)用到了特征級(jí)融合的目標(biāo)識(shí)別中。通過仿真試驗(yàn)可以看出，和用單一的神經(jīng)網(wǎng)絡(luò)相比，利用神經(jīng)網(wǎng)絡(luò)組方法縮短了網(wǎng)絡(luò)的訓(xùn)練時(shí)間，提高了對(duì)目標(biāo)的識(shí)別率，并且增強(qiáng)了對(duì)目標(biāo)識(shí)別的穩(wěn)定性。但是，和用單一的神經(jīng)網(wǎng)絡(luò)相

3、比，利用神經(jīng)網(wǎng)絡(luò)組方法也有一些缺點(diǎn)，如：增加了系統(tǒng)的硬件開銷和復(fù)雜性等。
　　在決策級(jí)融合階段，先對(duì)D-S證據(jù)推理的基本理論進(jìn)行了較為詳盡的介紹。證據(jù)推理處理不確定問題具有強(qiáng)大的優(yōu)勢(shì)，但是，由于它不能處理矛盾證據(jù)，這在很大程度上限制了它在實(shí)際中的應(yīng)用。為了處理矛盾證據(jù)，以便使D-S方法能夠真正的應(yīng)用到實(shí)際中去，本論文對(duì)D-S證據(jù)推理的算法進(jìn)行了改進(jìn)。改進(jìn)后的D-S證據(jù)推理算法可以有效的處理矛盾證據(jù)，取得比較理想、比較合理的融合結(jié)果