主被动雷达复合制导中的融合目标识别技术研究

论文摘要

在日益复杂的战场环境下,目标识别面临严峻的挑战,仅依靠单传感器提供的信息往往很难满足目标识别的要求,利用多传感器数据融合技术能提高目标识别的性能,本文主要研究主被动雷达复合制导中的融合目标识别技术。第一章为绪论部分,首先介绍了课题研究的背景和意义,对多传感器信息融合技术的定义、信息融合的基本原理和级别分层进行了归纳总结,分析了主被动雷达融合目标识别不同层次的特点及其优缺点,并介绍了主被动雷达复合制导的特点与优势。第二章主要针对干扰环境下的主被动融合识别技术进行研究。在研究了主被动雷达目标身份一致性的判断方法和主动雷达波束内多目标检测与分辨的基础上,提出了一种基于目标状态信息的主被动关联识别算法。该算法在主被动传感器受到干扰时,利用目标的状态信息,通过主被动数据关联可以快速识别感兴趣目标,剔除干扰的影响,合理可行,适合在存在干扰的制导环境下应用。仿真结果表明了该算法的有效性。第三章主要对基于特征信息的主被动目标融合识别技术进行研究。本章在分析了可用于目标识别的主被动雷达特征的提取方法后,研究了主被动复合背景下的三种融合识别算法:基于加权几何距离的特征融合识别算法、基于神经网络的特征融合识别算法与基于D-S证据理论的融合识别算法。从仿真结果中可以看出,随着特征矢量维数的增大,信噪比的提高,其融合识别效果都由较大幅度的提升,这说明这些算法合理可行,主被动融合识别是非常有意义的。第四章是论文的结束语,总结了本文的主要工作,指出了本文工作的不足,提出了主被动复合制导中融合目标识别技术中需要进一步研究的内容。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 多传感器信息融合概述
• 1.2.1 多传感器信息融合的定义
• 1.2.2 多传感器信息融合的原理
• 1.2.3 多传感器信息融合的级别
• 1.3 雷达融合目标识别概述
• 1.3.1 数据层融合目标识别
• 1.3.2 特征层融合目标识别
• 1.3.3 决策层融合目标识别
• 1.4 主被动雷达复合制导技术
• 1.5 本文的主要工作
• 2 干扰环境下基于目标状态信息的主被动关联识别
• 2.1 引言
• 2.2 NN-UKF 算法
• 2.2.1 多目标跟踪
• 2.2.2 非线性滤波算法
• 2.2.3 NN-UKF 算法
• 2.3 主被动雷达目标身份一致性判别
• 2.3.1 算法原理
• 2.3.2 算法仿真
• 2.4 主动雷达波束内多目标检测
• 2.4.1 两瑞利目标条件下单脉冲比的概率分布
• 2.4.2 基于N-P 准则的GLRT 方法
• 2.4.3 算法仿真
• 2.5 主动雷达波束内多目标分辨
• 2.5.1 矩方法
• 2.5.2 算法仿真
• 2.6 基于目标状态信息的主被动关联识别算法
• 2.6.1 算法原理
• 2.6.2 算法仿真
• 2.7 本章小结
• 3 基于特征信息的主被动目标融合识别
• 3.1 引言
• 3.2 雷达目标特征提取
• 3.2.1 主动雷达目标特征提取
• 3.2.2 被动雷达目标特征提取
• 3.3 基于加权几何距离的特征融合识别算法
• 3.3.1 算法原理
• 3.3.2 算法仿真
• 3.4 基于神经网络的特征融合识别算法
• 3.4.1 BP 神经网络
• 3.4.2 神经网络初始化
• 3.4.3 神经网络学习算法
• 3.4.4 基于 BP 神经网络的融合识别算法
• 3.4.5 算法仿真
• 3.5 基于证据理论的融合识别算法
• 3.5.1 D-S 证据理论
• 3.5.2 基本概率赋值的确定
• 3.5.3 基于证据理论的融合识别算法
• 3.6 本章小结
• 4 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果