采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

维普资讯 http://www.mianfeiwendang.com

』7{/ _ 一 采用最大似然人工神经系统 ( ANS的 ML )多传感器自动目标识别与敌我识别 Le n dI P ro s y J l n A. e nc o i . e lv ui Ch r ik k a 一广p‘『蛆 ff/ J,

看牢 季

[摘要]自动目 标识别及与其相关的非舍诈式敌我识别问题通常要求将多_感器传信息融合到一个统一的战场图像中。当前解决这个问题的途径是分步进行的:首先 检测目标;接着估计目标的航迹 t采用这些航迹进行多传感器信息相关或关联;井

经过关联的信息被综合到一体化的图像中并进行目标识别。将复杂的问分解为题

几个较小的问题分步解决的缺点是每一步仅能利用部分信息。例如,杂波中检测从 出目标不可能在单独传感器的一帧内完成,而且它所要利用的目标运动信息需要航迹估计,因此 上述几个步骤必须并行地进行。本文描述了一种并行求解这一复 杂问题的多个方面的方法——基于最大似然神经系统 ( A S神经网络的方 ML N )法。 A S一种利用内部的真实世界模型的人工神经网络, ML N是其内部模型通过相对少的模型参数对大量的神经元权值蝙码,这样, A S可以用更少的例子进行 ML N学习(与非结构神经网结.日,所需的例子少得多)我们描述了基于模型的神经井比它。网络的范例——ML N, A S井给出了在 ML N A S上并行进行检测、跟踪、背景特性自适应估计、习以及对相似的美国及外国军用飞行器的分类的结果,将学并 ML ANS的性能与多假设跟踪器、典的二洗统计分类器、经最近邻分类器的性能进行了比较,明其性能有明显的改善表

关词堑堑自标键 旦动目识 1引言 自动目标识别技术的一项重要应用是敌我识别( F, I )这在海湾战争期间变得尤 F 为明显。据参战者的说法 ( rwn 19)根 Bo,94, 友军误射的悲剧是当代军事作战中最惨痛的经历。在非军事应用场合,F 1 F通常是通

琴融跟检垦垫型分 鱼踪测望类 中辨别出相似的目标,这是一个只靠单一传感器和人的能力很难解决的复杂问题,而且

由于事实上图像杂波通常使目标检测非常困难,因而使问题更加复杂。解决这一问题 的一个潜在的途径是利用在现

代战场中可以提供的多种传感器。然而,传感器融合通常涉及到将多传感器信息组合到一个一体化的战场图像中的融合处理 .这需要解决一 系列额外的复杂问题。

过使用特定的射频应答器实现的,然而,在特定的情况下 (尤其在特定的军事进攻场合 )这种合作式 I F方式不能使用,, F因此必须将非合作 IF问题作为自动目标识别 F问题的一部分来加以解决。这就要求从杂波

当前的多传感器融合方法试图以以下方式分步解决这一问题,这些步骤通常称为

“ ut—e s rATR a d Ie t iain o in rF eUsn LANS Ne r lNewo k Vo. M li n o s n d n ic to fFre d o o ig M f . u a t r s, 1 8

N . 1,P 1 5 2 01 9;范晋样 o 7 8 P 1 8 ̄10 t9 5

李栋

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

你可能喜欢

  • 融合识别
  • 敌我识别
  • 句法分析
  • 虹膜识别技术
  • 指纹识别技术
  • 指纹识别原理
  • 指纹论文
  • 车牌识别系统

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别相关文档

最新文档

返回顶部