多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

综合航电设备多传感器多级数据融合的敌我属性估计

介绍了C^4 ISR系统中多传感器数据融合的特点和一种空战融合模式,结合实例说明了多传感器各自对目标信息的测量结果进行融合处理,推导了单传感器和多传感器未知命题的周期融合的可信度分配,并根据概率分布函数求出我机和敌机的置信度和拟信度,进行了验证和分析。分析表明,多传感器数据融合可以较全面准确地识别空中目标,达到对目标属性的准确估计。     

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

一种面向复杂体系作战的多源信息融合处理方法

研讨了面向复杂体系化作战的信息融合技术，提出了一种基于中心航迹关联的融合架构，设计了面 向多源异构数据的信息融合处理方法。经过多机飞行场景下的数据仿真测试，能够有效解决多源传感器多目标 环境下目标关联判断问题。     

主被动多传感器多目标状态信息融合

研究了主被动多传感器多目标状态信息融合问题。针对被动式跟踪的特点,借助主动跟踪的距离通道值,提出类主动的被动式跟踪。在此基础上提出主被动串联状态信息融合和并联状态信息融合算法。仿真结果表明两种状态信息融合方法都可以大大提高跟踪精度,同时还可以提高系统的可靠性。     

机载探测设备目标识别算法的研究

针对机载探测设备多传感器系统具有多目标,大量观测数据的特点,提出了一种基于Demp-ster-Shafer（D-S）证据理论和主观Bayesian方法组合的数据融合算法。在数据融合过程中,为保证融合的实时性,融合系统采用时域融合和空域融合相结合的方法,首先对相同传感器的各次抽样值进行时域融合,然后传感器之间的融合采用D-S方法进行融合;最后,其融合结果经概率转化后,与来自于ELINT（Electronic Intelligence）的信息通过主观Bayesian方法进行识别级融合。最后给出一个实例,经过仿真计算证明了该算法的可行性和实用性。     

无人机载多传感器图像融合评述

为了能为作战指挥系统提供清晰的局部战场信息,提高对局部战场低可观测目标的检测概率、定位精度及识别概率,迫切需要对无人机载SAR、可见光传感器、红外探测器等图像信息及其他非图像信息融合处理。提出了无人机载多传感器图像融合技术需要研究的内容,如: 图像融合新方法研究;无人机载SAR图像的非平稳性处理;基于图像融合目标检测和处理技术; 无人机载图像和非图像信息的融合问题;无人机载多传感器图像融合的实现及评估;多无人机载合成孔径雷达的协同成像;用图像融合的方法实现对运动目标检测等。分析了所提出研究内容的可行性,剖析了其中的关键技术,拟定了可能的技术路线。     

图像融合技术检测低可观测目标评述

阐明了利用图像信息空间覆盖范围大的特点,运用图像融合的手段来对低可观测目标进行检测.通过综合处理来自多个传感器图像包含的检测对象信息、环境特性信息、运动信息、空间信息、时间信息,获得的融合信息包含任何单一传感器无法提供的信息,进而提高检测性能.扼要介绍了像素层图像融合、特征层图像融合以及符号层图像融合的基本概念.列举了图像融合技术一些应用实例,阐述了用图像融合技术检测低可观测目标的优点.着重强调了检测低可观测目标需要进一步研究的问题.     

面向空间机械臂的视触融合目标识别系统

为了解决由于视觉传感器视角单一、光线条件复杂导致的空间机械臂作业中相似目标识别较差的问题,提出一种基于CNN-GRU的视触融合目标识别系统.系统由机械臂、灵巧手和视觉传感器构成,实现了对目标物视觉和触觉信息的自主采样,并通过CNN-GRU网络提取视觉信息的空间特征和触觉信息的时序特征,有效利用多模态信息,提高目标识别的...     

自寻的导弹攻击机动目标的最优制导规律的研究及实现

提出一种适用于红外和雷达自寻的制导导弹的适应性强、制导精度高、易实现的最优制导规律。为解决工程实现的关键问题,提出了目标机动加速度模型。根据该模型并利用导弹导引头的AGC信号或雷达测距信号,给出了目标机动加速度、导弹与目标相对距离和距离变化率的估计算法。     

多维力传感器各维间相互干扰的消除

将计算机模式识别方法用于解决载荷作用点不定条件下多维力传感器各维间相互干扰的消除问题,提出了在偏载条件下特征提取方法以及相应的模式预处理和分类判别方法,并给出了一个应用实例。     

STUDY ON ALGORITHM OF SENSOR MANAGEMENT BASED ON FUNCTIONS OF EFFICIENCY AND WASTE

The sensor management system is a subsys-tem of a multisensor data fusion system,and itspurpose is to satisfy requests of multitarget andscanned space by using the limited sensor resourcesin order to gain optimal measurement values of allspecified characteristics ( detection and captureprobability,emission power of sensor,trackingprecision or target losing probability and so on) .By the optimal principle listed above,sensor re-sources are distributed in science and reason.In aword,itis a key p…     

Target Identification by Natural Resonance Estimation

This paper presents a target identification method based on an estimation of the natural frequencies of oscillation in transient radar signatures. The emphasis is placed upon signal modeling and estimation ation strategy rather than relating resonance locations to physical structures. Salient features of this identification method are: 1) target aspect angle is not needed, 2) multiple targets of the same type can be illuminated simultaneously, and 3) bandpass interrogation ion pulses can be used. The latter feature is compatible with existing radar facilities. The method is applied to some simulated transfer functions, and factors affecting estimate accuracy are discussed.     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

Heading and Speed Errors for x, y Tracking Filters

Heading and speed errors are analytically determined for noneumavering targets at the output of an x, y tracking filter which processes range and bearing measurements from a radar sensor in a track-while-scan (TWS) operation. These errors are shown to depend upon target range and speed, the angle between the radius and velocity vectors, sensor accuracies, and tracking filter parameters. eters. Depending upon the tracking filter implementation, these errors may also be a function of target bearing.     

Ship target recognition using low resolution radar and neuralnetworks

The classification of ship targets using low resolution down-range radar profiles together with preprocessing and neural networks is investigated. An implementation of the Fourier-modified discrete Mellin transform is used as a means for extracting features which are insensitive to the aspect angle of the radar. Kohonen's self-organizing map with learning vector quantization (LVQ) is used for the classification of these feature vectors. The use of a feedforward network trained with the backpropagation algorithm is also investigated. The classification system is applied to both simulated and real data sets. Classification accuracies of up to 90% are reported for the real data, provided target aspect angle information is available to within an error not exceeding 30 deg     

Moving Targets Processing in SAR Spatial Domain

This paper presents a novel technique to estimate the initial coordinates and velocity vector of moving targets, including those with velocities above the Nyquist limit, using a single synthetic aperture radar (SAR) sensor without increasing the pulse repetition frequency (PRF). The basic reasoning is that, although the returned echoes may be undersampled in the azimuth direction, their phase and amplitude are informative with respect to the moving target trajectory parameters. Therefore, the so-called blind angle ambiguity, inherent to systems using a single SAR sensor, is overcome. The proposed method samples the data in the spatial domain, along the signature curve which depends on the moving target trajectory parameters. The resulting algorithm is a highly efficient (from the computational point of view) ID matched filter. The effectiveness of the proposed scheme is illustrated using simulated SAR data and real data from the MSTAR public release data set, corresponding to a static SAR scene and a static BTR-60 with simulated motion.     

一种地球同步自旋卫星红外弦宽差分定姿方法

 提出了一种定点后地球同步自旋卫星姿态确定方法，推导了它的计算公式。充分利用了定点后卫星相对地球位置固定不变的特点，只利用一个参考矢量和卫星的位置信息，就可以确定卫星的姿态，完全消除了传统定姿态方法的几何条件限制。由于本方法姿态计算过程中利用的是星上红外地球敏感器测量数据的差分值，消除了测量数据中系统差对定姿精度的影响，使定姿精度提高到0.01°，实际工程应用效果进一步证明了该算法的正确性和精度。