多传感器目标识别决策融合算法分析

多传感器信息融合已成为现代条件下目标识别的重要手段。研究多传感器目标识别决策级信息融合算法，分析了决策级信息融合算法之间的内在联系，为对目标识别决策级信息融合方法的选择上提供了理论依据。     

无线传感器网络仿真中的目标定位问题

针对在无线传感器网络仿真平台的设计里，单个可见光传感器无法获得运动目标的距离信息，无法实现运动目标的定位及多传感器的信息融合的问题，提出一种基于多个可见光传感器数据融合的运动目标定位方法。该方法将数字图像处理与数据融合技术相结合，采用运动目标检测与识别技术确定目标个数与种类，运用数据融合技术融合多个传感器的识别结果及节点位置信息，很好地解决了仅利用可见光传感器仿真的情况下，运动目标在监控场景里的定位问题。     

基于证据组合理论的多传感器目标识别算法

为了提高多传感器目标识别的准确性，提出了证据加权数据融合的新方法。给出了证据理论的基本概念、组合规则、加权证据组合及决策规则，同时给出简单的多传感器信息融合模型。针对战场环境下多传感器系统获得的辐射源信息。通过仿真给出了文中方法的目标识别步骤及识别结果．仿真结果表明该算法提高了目标识别的准确性和有效性。减小了识别的不确定性。     

基于神经网络与改进D—S证据理论的目标识别

研究基于神经网络（NN）和D—S证据理论相结合对多传感器多测量周期进行数据融合的目标识别方法．采用中心式融合算法，利用神经网络对单个传感器不同周期的目标进行融合识别；利用D—S证据理论对识别信息进行全局融合，得到综合的目标识别，达到对目标识别的目的，并通过实例证明了该方法的有效性．     

基于矩阵分析的加权证据时空融合算法研究

在多传感器目标识别系统中．为解决各传感器可信度不一致的问题，提出加权证据的方法。为便于采用计算机实现，采用基于矩阵分析的D-S证据理论。考虑融合系统的时间性和空间性．先从空间域对多传感器进行空域信息融合．然后在此基础上对时间序列进行融合。最后进行判决，识别出目标。识别实例表明了该方法的正确性和有效性。     

多传感器目标识别决策融合算法分析

多传感器信息融合已成为现代条件下目标识别的重要手段.研究多传感器目标识别决策级信息融合算法,分析了决策级信息融合算法之间的内在联系,为对目标识别决策级信息融合方法的选择上提供了理论依据.     

多传感器目标特性测量及数据融合应用

通过对单一探测模式的特点以及典型地面装甲的多种光电特性曲线及图像特征的分析，阐述了多模探测复合原则，以及多模复合回波数据融合结构，讨论了多传感器信息融合的模型和分析方法。基于多传感器信息融合技术有利用不同传感器工作方式上的协同作用和所获取目标信息的互补性，提高对目标的识别能力达到改善系统性能的效果。     

反舰导弹末制导雷达目标识别技术及其发展

阐述了反舰导弹末制导雷达目标识别的概念、原理、分类和衡量标准，指出了目标识别的内容与重要性，分析了末制导雷达目标识别的发展概况和所面临的问题，提出了提高目标识别能力的途径，并介绍了几种反舰导弹末制导雷达目标精测识别、编队模式识别、多传感器融合和极化技术识别等新技术，为反舰导弹末制导雷达目标识别技术的发展提供参考。     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

D-S证据理论在目标识别中的应用

根据地面目标运动引起的地震动信号的特征信息，应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征，应用BP神经网络模式识别法，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法，并应用D－S证据理论进行识别信息融合，训练样本和识别样本分别取自外场实验所获得真实有效的数据，通过对识别信息融合，以较高的可信度得到与识别样本相一致的识别结果，这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的，该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。     

基于改进D S 理论在无人化武器系统信息融合中的应用

针对无人化武器系统多传感器数据之间存在的信息融合问题,提出一种将AHP法和D-S证据理论相结合的无人化武器系统信息融合算法。根据多个传感器信息融合时所在环境条件对各传感器精确程度的影响,通过AHP法确定在多个传感器基本概率赋值中各传感器的权值,并利用D-S证据理论进行改进,实现了目标识别。实例分析结果证明:改进后的识别结果明显优于传统D-S证据理论的识别结果,在一定程度上改善了目标识别系统的性能。     

基于OWA算子的多传感器属性信息融合

将OWA算子引入到多传感器信息融合领域中来，建立了基于OWA算子的两级式多传感器属性信息融合模型。通过合理调整OWA算子中加权向量的与或程度，适当选择各传感器探测数据的权重，从而有效地调整各传感器之间的融合程度，使整个系统的性能得到进一步提高。文末的目标识别实例表明了该方法的有效性和实用性。     

数据融合技术在末敏弹目标识别中的应用

末敏弹探测结果直接影响到其毁伤装甲目标的能力，为了提高末敏弹对目标的识别能力，提高命中概率，该文采用基于模糊数学和D—S证据理论的多传感器数据融合技术，对毫米波／红外复合敏感体制末敏弹的目标识别问题进行了分析研究，有效地提高了末敏弹对目标的识别能力。     

层次分析法用于多传感器数据融合中属性权的求取

为了解决多传感器目标分类识别的数据融合中传感器本身可信度的求取问题，本文提出了传感器属性权的概念，并利用层次分析法求解传感器的属性权及其层次分析结构模型。进行了应用探讨，验证了这一方法的有效性。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

导弹自动目标识别关键技术研究

自动目标识别是导弹武器系统应具备的重要性能,可有效提高导弹对目标的打击精度及抗干扰能力。针对导弹制导系统中应用为广泛的雷达、红外、激光三种传感器的目标识别技术,介绍了影响导弹目标识别性能的关键技术;分析了基于雷达传感器的编队队形识别技术、基于红外传感器的非同源景像匹配技术、基于激光传感器的回波脉冲全波形记录及分析技术;后对多传感器信息融合技术进行了概述。     

基于D-S证据推理的多传感器战场目标识别

文中在简单介绍了多传感器信息融合技术的概念之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.     

基于多传感器数据融合的飞机目标自动敌我识别方法

为提高复杂环境下目标敌我属性识别能力,提出了一种基于多传感器数据融合的自动目标敌我属性识别方法。采用将IFF、ESM、雷达,红外获取的信息进行特征级融合的方法对目标进行识别,并采用模糊神经网络模拟真实战场环境,提高了目标的识别率和准确度。     

一种融合ESM和红外传感器的飞机目标识别方法

针对单一传感器提供的信息不全面的缺点，提出了一种融合ESM和红外传感器的互补信息来进行目标识别的方法。该方法在神经网络的基础上，结合模糊集理论和D—S证据理论。获得了较高的识别率。最后通过飞机目标的仿真试验，证明了该方法是有效的、可行的。