• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Aerospace and Electronic Systems >Sequence comparison techniques for multisensor data fusion andtarget recognition
【24h】

Sequence comparison techniques for multisensor data fusion andtarget recognition

机译：用于多传感器数据融合和目标识别的序列比较技术

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A new class of techniques for multisensor fusion and target recognition is proposed using sequence comparison by dynamic programming and multiple model estimation. The objective is to fuse information on the kinematic state and “nonkinematic” signature of unclassified targets, assessing the joint likelihood of all observed events for recognition. Relationships are shown to previous efforts in pattern recognition and state estimation. This research applies “classical” speech processing-related and other sequence comparison methods to moving target recognition, extends the efforts of previous researchers through improved fusion with kinematic information, relates the proposed techniques to Bayesian theory, and applies parameter identification methods to target recognition for improved understanding of the subject in general. The proposed techniques are evaluated and compared with existing approaches using the method of generalized ambiguity functions, which lends to a form of Cramer-Rao lower bound for target recognition
机译：利用动态规划和多模型估计的序列比较，提出了一类用于多传感器融合和目标识别的新技术。目的是融合有关未分类目标的运动状态和“非运动”签名的信息，评估所有观察到的事件的联合可能性以进行识别。关系与模式识别和状态估计中的先前工作已显示出来。本研究将与“语音”相关的“经典”和其他序列比较方法应用于移动目标识别，通过改进与运动学信息的融合来扩展先前研究人员的工作，将提出的技术与贝叶斯理论联系起来，并将参数识别方法应用于目标识别。总体上提高了对该主题的理解。使用广义歧义函数的方法对提出的技术进行评估并与现有方法进行比较，从而为目标识别提供了一种Cramer-Rao下界形式

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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