• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >复杂环境下目标识别的智能数据融合技术研究
【6h】

复杂环境下目标识别的智能数据融合技术研究

代理获取
页面导航
  • 目录
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

目录

文摘

英文文摘

哈尔滨工程大学学位论文原创性声明

第1章绪论

第2章目标识别的智能数据融合及模型的建立

第3章基于一致性和模糊测度优选的数据分类融合

第4章基于一致理论的特征分类优化融合

第5章基于模糊推理的分类决策证据推理融合

5.1引言

5.2基于模糊推理的分类决策证据推理融合模型

5.3基于模糊推理的不确定分类决策集处理

5.4基于证据特征的证据推理融合

5.5融合模型仿真及分析

5.6本章小结

结 论

参考文献

攻读博士学位期间发表的论文和取得的科研成果

致 谢

展开▼

摘要

战场目标识别的准确与及时，对后面的势态评估和威胁估计有重要的意义，也是在战争中取胜的关键。然而，现代战争空地作战一体化的特点及作战双方采取的各种电子对抗技术使战场环境日益复杂恶劣，传感器受到多种因素的影响，所获得数据是不精确，不完整，不可靠的。在这样的条件下，“正常”状态作为多传感器目标识别的求解条件就不再适合。为了提高多级武器系统的作战性能，研究复杂干扰环境下的多传感器目标识别问题具有极其重要的意义。 数据融合技术是多源信息处理的一个非常活跃的研究领域，也是未来智能武器系统的重要支撑技术。而从现有数据融合技术的研究和应用来看：理论研究较多在理想条件下，实际工作环境的研究较少；数据融合缺乏自适应性、自学习性及推理能力，系统的鲁棒性差，难以满足复杂干扰环境下识别系统的需求。为此，本文研究了复杂干扰环境下多传感器目标识别的智能数据融合技术，将模糊理论、证据理论、神经网络等智能信息处理技术应用于数据融合建模中，与其结构和算法有机结合，增强了识别系统的环境自适应性、自学习性以及鲁棒性。 本文首先根据复杂干扰环境下属性融合存在的问题，提出了一种智能属性融合的模型。该模型由三个模块来实现：环境分析、不确定信息处理和分类识别信息的融合，其中环境分析模块直接影响不确定信息处理模块和分类信息融合模块，在不同信息层次和处理过程中解决了动态多变的环境下，数据融合系统所要求的环境自适应性、稳健性以及灵活性的问题。在此智能融合模型的基础上，本文分别研究了不同类信息的智能属性融合的实现问题。 针对直接利用传感器探测数据进行目标分类识别的属性融合，根据探测数据不确定性的动态变动较大的特点，提出了一种基于一致性和模糊测度优选的数据分类融合模型。该智能融合模型从两方面进行了不确定信息的处理：通过类别概率置信度进行分类估计，修正探测数据误差引起的目标分类偏差；通过一致性测度进行传感器分组，利用模糊测度的传感器组可靠性的度量实现传感器组的优选，最终融合结果是由一致性和可靠性高的传感器组决定。这种选择融合方案将不确定信息处理与融合结构有机结合，增强了属性融合对探测数据动态变动的自适应性。 对于特征分类的目标识别属性融合，由于高维目标特征分布的复杂性和多样性，以及传感器信息本身具有不确定性的特点，本文提出了一种基于一致理论的特征分类优化融合模型。该智能融合模型通过统计可信度和环境可信度，把目标特征分类的统计特性和环境信息融入到属性融合的决策中，并在一致理论的基础上，对属性融合进行全局意义上的优化，根据实际情况合理的利用各传感器信息，增强了全局优化融合的环境适应性和鲁棒性。对于分类决策信息的智能属性融合的实现问题，由于决策信息的信息量少，不确定性大，许多目标的先验知识很大程度上是事先未知的，不能使用严格的解析方法，融合处理灵活性更大，本文提出了一种基于模糊推理的分类决策证据推理融合模型。该智能融合模型根据分类决策集的一致性和可信度分布，利用模糊推理对信息进行分析、判断，区分不同的信息冲突，并制定相应的融合策略，在证据特征的基础上实现证据推理融合。这种融合方式保证了高冲突证据的有效融合，使得高层信息的推理融合更智能化、更具有实际意义。 综上所述，本论文研究了复杂环境下多传感器目标识别的智能数据融合建模及相关技术，提出了相应的解决方法，仿真实验证实本文所提出的模型及算法能够获得很好的效果。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号