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.     

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。     

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。     

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。     

基于证据理论的雷达与通信侦察目标识别算法

针对异类被动传感器中的目标识别问题,将D-S证据理论运用于雷达侦察与通信侦察的目标识别中。首先将雷达和通信侦察设备侦收到的信息分别通过识别,得到雷达和通信电台的基本概率赋值,再通过D-S证据理论算法进行融合,计算出目标平台的基本概率赋值,从而得到融合后的平台类型。仿真实验结果表明,融合后的结果具有更高的置信度。     

数据融合黑板型专家系统

给出了一种多传感器数据融合和黑板模型推理的专家系统的实现方法。系统以飞机平台为目标，利用多站多个传感器所获得的雷达、通信、敌我识别信息，通过多传感器数据融合和人工智能黑板模型推理，实现对飞机平台的识别和定位。     

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。     

从雷达"四抗"看电子战概念的发展

现代作战雷达 ,在作战中会遇到非常严峻的电磁环境以及敌目标针对雷达采取的各种反措施。雷达为了完成武器系统赋于的探测、跟踪和识别目标任务 ,不得不采取相应的应对措施。它们归纳起来有以下四种 :表 1　雷达面临的电磁环境和采取的“四抗”措施目标的反雷达措施对雷达的作用和影响雷达“四抗”雷达告警接收机探测到威胁雷达信号 ,施放电子干扰失去或降低探测功能(失去或部分失去作战能力 )抗电子干扰用反雷达导弹 ,沿雷达波摧毁雷达被摧毁 (失去作战能力 ) 抗反辐射导弹目标本身采用隐身技术 作用距离下降 ,推迟或丧失探测能力 反隐身低…     

用于识别目标的测量和信号特征情报

1997年 9月在美国麻省Ｈａｎｓｃｏｍ空军基地的电子设备系统中心 (ＥＳＣ)筹建成立了测量和信号特征情报 (ＭＡＳＩＮＴ)搜索中心。该中心将在ＥＳＣ信息作战系统计划办领导下执行ＭＡＳＩＮＴ发展计划 ,收集ＭＡＳＩＮＴ。ＭＡＳＩＮＴ是一种用于识别目标的新的情报类别 ,通常使用雷达和无线电频率 ,测出目标所具有的独特信号特征 ,增补输入数据库中。通过对比频率 ,ＭＡＳＩＮＴ操作员不必依赖图形或其它识别方法 ,就能把目标识别出来。与新搜索中心有关的项目有ＣｏｂｒａＧｅｍｉｎｉ雷达 ,ＳｔｅｅｌＲａｔｔｌｅ手持式传感器和Ｓｔｅ…     

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。     

黏附激励下空间目标惯性参数的辨识方法

针对黏附卫星会自然激励目标改变运动状态的现象，提出一种利用黏附激励进行空间非合作目标惯性参数的辨识方法。黏附前，利用主星对目标特征点的视觉测量，建立估计目标惯性参数与相对运动参数的滤波器，并估计目标的转动惯量比和质心；黏附后，主星直接利用该滤波器估计目标的新的质心速度，并基于动量守恒原理计算目标质量。该方法不仅充分利用黏附过程的自然激励，无需常规辨识必须的主动激励，而且激励前后算法一致，无需切换。数字仿真证实了算法的有效性。