基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

基于Hough变换的多传感器,多目标航迹起始方法

在相关技术文献中，认为Ｈｏｕｇｈ变换是一种有效的航迹起始方法，然而，迄今为止，大多数论文主要研究Ｈｏｕｇｈ变换方法在单传感、单目标且无杂波背景这种简单的场合中的运用，我们详细地给出了一种将Ｈｏｕｇｈ变换应用到多目标、多传感器数据关联与航迹起始问题的方法，这种方法分两级进行，首先，分别在不同的Ｈｏｕｇｈ空间中检测方位与距离透迹，然后对确定这些透迹的测量进行关联，用于航迹检测与起始，这种方法的有效性已 过几个全面的，综合的仿真场景得到验证。     

合成孔径雷达图像目标识别问题研究

首先对合成孔径雷达(SAR)图像目标识别的研究背景和国内外发展现状作了简单介绍，然后分析了SAR图像目标识别问题的复杂性，讨论了SAR目标识别系统的一般方案与方法，提出了基于多源信息融合和人机协作的识别框架，进而展望了SAR图像目标识别技术今后的发展方向。     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。     

空间邻近目标跟踪与航迹关联的联合优化算法

针对单传感器跟踪空间邻近目标过程中存在航迹交错的问题,提出一种基于分布式多传感器融合结构的跟踪与航迹关联联合优化算法.该算法在单帧航迹全局最优航迹关联的基础上,通过航迹关联质量检测传感器航迹是否存在交错,然后构造交错航迹对的拟测量,并根据拟测量误差协方差计算融合“测量”,最后由融合中心对融合“测量”进行全局最优点迹-航迹互联和交互多模型(IMM)滤波更新融合航迹.考虑分布式融合系统约束情况,给出采用次优拟测量的替代方法.仿真结果表明,与传统航迹关联算法相比,联合优化算法能够明显提高目标跟踪精度和身份正确率.     

情报侦察数据融合技术的几个问题

就情报侦察系统中多传感器 (有源 -无源 )数据融合技术的坐标变换、目标状态估计特征、数据关联和跟踪维持、目标身份识别等问题进行了讨论 ,并就各种相关准则和算法给予研究 ,特别提出了模糊聚类关联算法。     

数据融合在雷达目标识别中的应用

数据融合技术系70年代发展起来的一门新兴学科。现代战争中，随着雷达、红外、激光及光电等传感器的数量日趋增多，数据融合技术正日益得到广泛的应用。迄今已发展成为信息处理领域中的强有力工具，其处理的思想和方法论，可很好地解决雷达目标识别中的瓶颈问题。本文介绍数据融合在雷达目标识别中的应用，并揭示出数据融合系解决雷达目标识别之捷径。     

用雷达图像作非协同式空中目标识别：识别率作为信号带宽函数

尽管非协同式目标识别与高可靠敌我识别极其相关，但一直是一个有等解决的问题，过去提出并研究了许多方法，如：利用目标的红外、声学、光学或雷达特征等，其中一些方法是无源法，其优点是不会对被观测目标发出报警，不足之处是观测距离有限，边缘分辨率低，本文介绍的方法是在利用飞机雷达图像的基础上提出的，所研究的是一维雷达图像（通常所说的高距离分辨率剖面图）和二维逆合成孔径雷达（ISAR）图像。     

一种适于工程应用的近似MSJPDA算法

为提高复杂数据融合系统中的航迹关联正确率，在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法，它以一个目标为中心的近似聚为构造关联事件的起点，并在计算中将DC和AC结合得到的一种全部的点迹－航迹关联算法，在杂波下目标密集，航迹复杂的数据融合系统中进行实验，对关联正确率，并联时耗等与最近邻法进行了比较，效果较好，它能为有效提高目标点迹－航迹的关联正确率，在计算时耗上较完全联合概率法少得多，能满足工程中实时性的要求。     

合成孔径雷达图像目标识别问题研究

首先对合成孔径雷达 (SAR)图像目标识别的研究背景和国内外发展现状作了简单介绍 ,然后分析了SAR图像目标识别问题的复杂性 ,讨论了SAR目标识别系统的一般方案与方法 ,提出了基于多源信息融合和人机协作的识别框架 ,进而展望了SAR图像目标识别技术今后的发展方向。     

多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

运动状态下多传感器群目标精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种基于运动状态的集中式多传感器群目标精细航迹起始算法,算法首先基于循环阈值模型和群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器不同分成多个子群,基于非抢占式修正逻辑法和同状态航迹子群获取模型剔除单传感器形成的虚假航迹,并基于多传感器同状态群关联模型消除各传感器虚假的同状态航迹子群,最后基于加权法实现同状态关联群内航迹的精细互联及合并。仿真数据表明,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,算法在起始真实航迹、抑制虚假航迹及杂波鲁棒性等方面综合性能更优。
     

一种利用沿航迹干涉合成孔径雷达复图像域数据的双边滤波算法

沿航迹干涉合成孔径雷达能够提供成像物体的雷达后向散射信息与运动信息,被应用于海面洋流流速测量与地海运动目标识别。在实际雷达系统中,由于系统误差、噪声以及回波信号的去相关导致干涉信息测量精度下降。针对上述问题,从信号处理角度提出一种利用沿航迹干涉合成孔径雷达复图像域数据的双边滤波处理算法。该方法利用像素点的干涉幅度、干涉相位以及空间物理分布信息的相似程度自适应地调整滤波器权系数,以平滑复图像域噪声和缓解传统多视滤波处理算法对图像分辨率的损失问题,从而提升干涉信息测量精度。根据沿航迹干涉合成孔径雷达海面舰船目标实测数据实验结果可得:相比于现有典型的滤波方法,所提算法能够提升干涉测量的精度,进而提升舰船目标与海杂波背景的干涉信息分布差异,为后续运动舰船目标的检测提供准确的干涉域特征。     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

多视角多尺度陨石坑特征检测识别方法

针对序列图像间视角尺度变化大带来的特征无法检测和识别效率低等问题，提出了多视角多尺度陨石坑特征检测识别方法。基于明暗区域信息和形态学处理实现陨石坑图像特征边缘粗提取，利用快速傅里叶变换计算模板与图像特征的匹配度，从而实现图像特征所在区域粗定位。在此基础上，通过引入惯性测量信息计算图像间重叠面积，更新模板形状，并预测搜索区域，解决了序列图像间视角尺度变换及信息冗余带来的特征无法检测和识别效率低的困难，最终在单一陨石坑区域内实现其精细检测。     

一种接近最优JPDA算法

多目标跟踪的关键问题是点迹－航迹数据关联。点迹是从能够提供位置信息的目标或背景杂波中接收到的信号。如果一条航迹关联上不正确的点迹，那么该航迹会偏离目标且过早终止。甚至会引起其它航迹也偏离目标，大多数点迹－航迹数据关联方法分为两类：多假设跟踪（ＭＨＴ）和联合概率数据关联（ＪＰＤＡ）。ＭＨＴ方法用所有或部分适宜的点迹修正航迹，并延迟判断那一个点迹是正确的。ＪＰＤＡ用合理点迹的加权和修正航迹，这些权值是     

多目标雷达数据处理系统中的算法研究

随着雷达技术的发展，时至今日，多目标跟踪理论及其相关算法已经有了巨大的发展，并逐渐在各个领域得到应用；但由于实际情况的复杂性及多样性，多目标跟踪依然有它特有的研究价值。雷达信号处理是对扫描得到的回波串进行处理，从而检测目标是否存在，获取目标的状态数据。但这些数据是孤立且离散的，故需要雷达数据处理系统分析出目标航迹，给出目标的运动参数。文章主要研究了多目标情况下的数据处理算法；对系统中的各个部分逐一进行分析，包括航迹起始、点迹航迹关联、航迹滤波等，以及各个阶段的波门门限选取；综合考虑各个算法的复杂度及精确性，总结出了一种适合工程应用的模型，并对其进行Matlab仿真，以证明框架中所有算法的可实现性，并说明了该系统算法的适用场景及局限。     

一种在SAR图像中进行目标识别的多尺度模型

本文基于SAR相干成像的原理，利用当图像分辨率改变时，自然景物和人工目标班点模式变化方式的不同，提出了一种从自然景物中识别人工目标的多尺度模型，并研究了此模型在不同分辨率图像中的性质及应用。     

多传感器目标融合识别系统模型研究现状与问题

多传感器信息融合系统是当前国内外军事领域的研究热点以及大型军事信息系统开发的重点 之一。总结归纳了信息融合在目标识别领域的重要意义,指出目前多传感器信息融合系统设 计所面临的问题。从功能模型、结构模型、算法模型三个方面分析了多传感器目标融合识别 系统的研究现状。比较了模型中各典型方法的优缺点与适用领域、最新进展,并论述了各模 型在反导目标识别领域的针对性应用。指出了多传感器信息融合系统的体系设计、系统集成 与性能评估所存在的问题,并对其发展趋势进行了展望。
     

用于目标检测的多谱传感器技术

美国CT州的PAR政府系统公司收到一笔41.6万美元合同,要求在18个月内与Rome实验室合作研制出一种用于自动目标检测的多谱传感器技术,用于检测经过隐蔽或伪装的地面目标。这意味着,军方将有能力使目标识别变得更容易些。 多谱传感器采用电磁频谱的可见光和红外两大波段。该公司研制的内容是分别检测各波段的图像,一旦从全波段中采集到信息,研究其反射差异,即可识别是什么目标。例如,检测地面图像,水的颜色显深,草和植物呈另一种颜色,这些研究人员得以识别出有没有目标。在不