版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、戰(zhàn)場目標識別的準確與及時,對后面的勢態(tài)評估和威脅估計有重要的意義,也是在戰(zhàn)爭中取勝的關(guān)鍵。然而,現(xiàn)代戰(zhàn)爭空地作戰(zhàn)一體化的特點及作戰(zhàn)雙方采取的各種電子對抗技術(shù)使戰(zhàn)場環(huán)境日益復(fù)雜惡劣,傳感器受到多種因素的影響,所獲得數(shù)據(jù)是不精確,不完整,不可靠的。在這樣的條件下,“正?!睜顟B(tài)作為多傳感器目標識別的求解條件就不再適合。為了提高多級武器系統(tǒng)的作戰(zhàn)性能,研究復(fù)雜干擾環(huán)境下的多傳感器目標識別問題具有極其重要的意義。 數(shù)據(jù)融合技術(shù)是多源信息處
2、理的一個非常活躍的研究領(lǐng)域,也是未來智能武器系統(tǒng)的重要支撐技術(shù)。而從現(xiàn)有數(shù)據(jù)融合技術(shù)的研究和應(yīng)用來看:理論研究較多在理想條件下,實際工作環(huán)境的研究較少;數(shù)據(jù)融合缺乏自適應(yīng)性、自學(xué)習(xí)性及推理能力,系統(tǒng)的魯棒性差,難以滿足復(fù)雜干擾環(huán)境下識別系統(tǒng)的需求。為此,本文研究了復(fù)雜干擾環(huán)境下多傳感器目標識別的智能數(shù)據(jù)融合技術(shù),將模糊理論、證據(jù)理論、神經(jīng)網(wǎng)絡(luò)等智能信息處理技術(shù)應(yīng)用于數(shù)據(jù)融合建模中,與其結(jié)構(gòu)和算法有機結(jié)合,增強了識別系統(tǒng)的環(huán)境自適應(yīng)性、自
3、學(xué)習(xí)性以及魯棒性。 本文首先根據(jù)復(fù)雜干擾環(huán)境下屬性融合存在的問題,提出了一種智能屬性融合的模型。該模型由三個模塊來實現(xiàn):環(huán)境分析、不確定信息處理和分類識別信息的融合,其中環(huán)境分析模塊直接影響不確定信息處理模塊和分類信息融合模塊,在不同信息層次和處理過程中解決了動態(tài)多變的環(huán)境下,數(shù)據(jù)融合系統(tǒng)所要求的環(huán)境自適應(yīng)性、穩(wěn)健性以及靈活性的問題。在此智能融合模型的基礎(chǔ)上,本文分別研究了不同類信息的智能屬性融合的實現(xiàn)問題。 針對直接利
4、用傳感器探測數(shù)據(jù)進行目標分類識別的屬性融合,根據(jù)探測數(shù)據(jù)不確定性的動態(tài)變動較大的特點,提出了一種基于一致性和模糊測度優(yōu)選的數(shù)據(jù)分類融合模型。該智能融合模型從兩方面進行了不確定信息的處理:通過類別概率置信度進行分類估計,修正探測數(shù)據(jù)誤差引起的目標分類偏差;通過一致性測度進行傳感器分組,利用模糊測度的傳感器組可靠性的度量實現(xiàn)傳感器組的優(yōu)選,最終融合結(jié)果是由一致性和可靠性高的傳感器組決定。這種選擇融合方案將不確定信息處理與融合結(jié)構(gòu)有機結(jié)合,增
5、強了屬性融合對探測數(shù)據(jù)動態(tài)變動的自適應(yīng)性。 對于特征分類的目標識別屬性融合,由于高維目標特征分布的復(fù)雜性和多樣性,以及傳感器信息本身具有不確定性的特點,本文提出了一種基于一致理論的特征分類優(yōu)化融合模型。該智能融合模型通過統(tǒng)計可信度和環(huán)境可信度,把目標特征分類的統(tǒng)計特性和環(huán)境信息融入到屬性融合的決策中,并在一致理論的基礎(chǔ)上,對屬性融合進行全局意義上的優(yōu)化,根據(jù)實際情況合理的利用各傳感器信息,增強了全局優(yōu)化融合的環(huán)境適應(yīng)性和魯棒性。
6、對于分類決策信息的智能屬性融合的實現(xiàn)問題,由于決策信息的信息量少,不確定性大,許多目標的先驗知識很大程度上是事先未知的,不能使用嚴格的解析方法,融合處理靈活性更大,本文提出了一種基于模糊推理的分類決策證據(jù)推理融合模型。該智能融合模型根據(jù)分類決策集的一致性和可信度分布,利用模糊推理對信息進行分析、判斷,區(qū)分不同的信息沖突,并制定相應(yīng)的融合策略,在證據(jù)特征的基礎(chǔ)上實現(xiàn)證據(jù)推理融合。這種融合方式保證了高沖突證據(jù)的有效融合,使得高層信息的推理融
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 復(fù)雜背景下目標識別技術(shù)研究.pdf
- 復(fù)雜環(huán)境下自動目標識別檢測技術(shù)研究.pdf
- 基于數(shù)據(jù)融合的聲目標識別技術(shù)研究.pdf
- 水下目標識別的相關(guān)技術(shù)研究.pdf
- 復(fù)雜背景條件下的目標識別技術(shù)研究.pdf
- 基于信息融合的智能車輛前方目標識別技術(shù)研究.pdf
- 基于水聲圖像水下目標識別的技術(shù)研究.pdf
- 復(fù)雜環(huán)境下目標探測與識別技術(shù)研究.pdf
- 水下目標識別中的數(shù)據(jù)融合技術(shù).pdf
- 復(fù)雜環(huán)境下弱小目標檢測與識別技術(shù)研究.pdf
- 面向目標識別的圖像壓縮關(guān)鍵技術(shù)研究.pdf
- 基于數(shù)據(jù)融合的超聲3D目標識別技術(shù)研究.pdf
- 多傳感器數(shù)據(jù)融合中的目標識別技術(shù)研究.pdf
- 基于特征融合的自動目標識別技術(shù)研究.pdf
- 復(fù)雜背景下的目標識別.pdf
- 基于目標識別的幾種信息融合算法研究.pdf
- 復(fù)雜環(huán)境下的視頻目標識別與跟蹤算法研究.pdf
- 復(fù)雜背景下的運動目標分割和識別的關(guān)鍵技術(shù)研究.pdf
- 面向目標識別的多特征融合研究與實現(xiàn).pdf
- 目標識別技術(shù)研究.pdf
評論
0/150
提交評論