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。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

自动目标识别及与其相关的非合作式敌我识别问题通常要求将多传感器信息融合到一个统一的战场图像中。当前解决这个问题的途径是分步进行的：首先检测目标；接着估计目标的航迹，并采用这些航迹进行多传感器信息相关或关联；经过关联的信息被综合到一体化的图像中并进行目标识别．将复杂的问题分解为几个较小的问题分步解决的缺点是每一步仅能利用部分信息。例如，从杂波中检测出目标不可能在单独传感器的一帧内完成，而且它所要利用     

基于偏差自适应学习的多传感器信息融合机动目标跟踪

为了保证精确打击机动目标,导弹可以采用主/被动雷达切换探测目标。考虑到作战的隐蔽性和生存性,提出基于多传感器信息融合的被动优先跟踪方法:跟踪开始时,令主/被动雷达同时对目标进行探测和跟踪,将二者的信息进行融合,同时自适应地学习融合结果与二者信息的偏差,经过一段时间学习,融合偏差稳定,此时令主动雷达停止工作,由被动雷达单独工作,而目标的运动信息则由被动雷达的信息和学习得到的融合偏差合成。如果目标机动较大,则定期令主动雷达工作以进一步修正融合偏差。该方法既保证了跟踪的精度,同时又减少了主动雷达的工作时间,从而提高了作战的隐蔽性和生存性。将该方法应用于导弹的目标跟踪,仿真结果表明该方法有效。     

机载雷达技术发展动向

现代空战迄今已进入电子化、信息化的阶段。随着现代空中电子战作战环境的日趋复杂和高新技术的不断涌现，机载雷达受到的威胁日益增大，其生存能力遇到了前所未有的挑战。雷达是现代战机作战系统的重要组成部分，亦是战机的关键探测设备。本文扼要介绍其技术发展动向，如低副瓣和极低副瓣天线技术、低截获概率雷达技术、雷达目标识别技术及自适应技术等，对有利于准确地把握住机载雷达技术的发展动向，增强相应雷达技术的研发工作，无疑十分必要。     

一种提高超宽带雷达目标识别概率的方法

首先利用电磁散射理论分析了空中目标在超宽带(UWB)雷达照射下的电磁散射特性,阐述了UWB雷达目标识别的方法与步骤,然后对回波信号的相参积累用于提高UWB雷达目标识别概率的效果进行了分析。理论分析和计算机仿真结果均表明,在低信噪比的情况下,相参积累方法可以提高UWB雷达的目标识别概率。     

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。
     

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。     

采用高分辨率雷达的自动目标识别系统

本文提出了一种利用雷达传感器观测值对飞机目标联合跟踪和识别的系统。文中假设用于估计目标方向和识别目标的数据源高于分辨率雷达的距离剖面图序列。在包括目标数目以及它们的位置、方向和目标类型和完整的参数空间上运用后验分布完成推理判断。算法严格地依赖于适当地传感器和目标模型，从距离剖面图的似然值可得出目标方向，由目标动态确定目标方向的先验值。给出了高分辨率雷达数据的确定性模型和随机模型，对确定性模型研究了     

基于模糊聚类分析的无源雷达目标识别方法

针对无源雷达目标识别的特点,提出了基于模糊聚类分析的识别方法。首先分析了空中目标类型和目标表征,然后阐述了目标识别的原理和步骤,最后运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明提出的方法是可行和有效的。     

多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验，设计数字摄像视觉测振系统，基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程，通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型，通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比，验证了基于视觉测振工况模态试验方法的准确性，为柔性太阳翼在轨模态辨识奠定基础。     

基于熵-AHP融合的空袭目标威胁度量与排序

针对传统防空作战时对目标威胁评价主观性强、排序逻辑刻板的问题,提出基于熵值法与层次分析法(AHP)融合赋权的空袭目标威胁度量与排序方法。首先结合空战态势分析影响目标对我防空阵地威胁度的各属性因素,同时给出影响因素的威胁隶属度函数,然后利用熵值法和AHP赋权并相继采用加权求和、乘法合成、几何平均的方法进行二次融合,所获权重用于各目标威胁度的综合度量及排序。仿真结果表明,二次融合权重兼取熵值法与AHP的赋权特点,度量方法更为合理,排序结果更加贴合真实战场态势,可信度高。     

基于远程预警雷达的临近空间无源相干定位系统

针对空中高价值隐身目标的探测问题,研究了基于远程预警雷达的临近空间无源相干定位技术。对目标探测距离进行了简单分析计算,给出了系统工作信号处理流程,对其中的主要关键技术进行了梳理。该技术可应用于无线电静默状态下的非协同探测定位系统项目,通过与电子侦察系统多传感器融合可以进一步完善防空体系无源探测网,完成对侦察目标在电子静默情况下的态势判断。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

基于极大似然的单传感器误差配准算法

对单传感器系统误差配准问题进行了研究,首先理论分析了传感器量测系统误差对固定目标探测定位的影响,给出了传感器运动将造成固定目标产生虚像做类似运动的结论;在此基础上,提出了一种基于极大似然的单传感器误差配准算法,该算法基于极大似然准则,利用运动传感器对固定目标虚像位置的多时刻跟踪滤波信息,构建对传感器量测系统误差的极大似然估计,并通过进一步迭代估计获得系统误差最终估计结果,从而能够利用位置未知的固定目标实现运动平台单传感器量测系统误差的精确配准。     

基于Bayes方法的某武器系统可靠性综合评估

根据武器系统现场可靠性试验数据少而研制过程中分系统可靠性试验数据较易得的情况,提出了一种基于Bayes方法对某武器系统进行可靠性评估的方法。将研制过程中分系统的可靠性试验数据融合为系统可靠性评估的先验信息,以提高用于评估的信息量。方法对复杂大系统以及高可靠性系统的可靠性评估有一定的参考价值。     

Fault detection,identification and reconstruction for gyroscope in satellite based on independent component analysis

Although satellites are designed with high reliability, faults do occur when satellites are in orbit. To avoid the important services being affected, redundancy is used in satellites. There are many sensors in satellites. In order to reduce the cost, space, weight and power consumption, redundant sensors should be added to satellite as few as possible. Analytical redundancy is an efficient way to optimize the application of redundant. The gyroscope is the attitude determination sensor of the satellite. The minimum redundant structure of the gyroscope system is as follows: three gyroscopes installed in three-axis orthogonally and one gyroscope installed with slantwise for redundancy(3o+1S).To achieve fault detection, identification and reconstruction, hypothesis of statistical independence between the three-axis angular rates and hypothesis of statistical independence between the angular rates and fault are proposed. The scenario that only one sensor is faulting and there are only additive fault and full fault is supposed. Under these assumptions, firstly a threshold method is used for fault detection. After a fault is detected, independent component analysis (ICA) based algorithm for fault identification is employed. To overcome the ambiguities of ICA, correlation coefficients and prior information of the mixed matrix are used. Finally, the reconstruction matrix is obtained. By using this matrix fault signal is extracted so that the yaw, roll and pitch axes (three-axis) angular rates of the satellite can be recovered. Numerical simulations show this method can fulfill fault detection, identification and reconstruction of the gyroscope system.