论文摘要
现代战争中,空中目标识别是防空作战指挥快速、正确决策的关键环节之一。空中目标识别的成败直接影响到防空火力的部署、分配及有效打击,进而会左右整个战场态势。因此,目标识别技术的发展对于提高整个防空系统的效能具有重要意义。本文基于多传感器信息融合技术,研究了空中目标识别方法及其应用。首先介绍了多传感器信息融合相关理论,分析了现有的证据组合方法,并指出其不足,然后在对不同证据焦元之间的冲突程度研究的基础上,将一种基于相互可信度的冲突证据组合方法用于空中目标识别。仿真结果表明:所采用的新方法合成效果好,合成结果更为理想。针对多传感器信息融合中基本概率赋值难以获取的问题,给出了一种利用神经网络技术获取基本概率赋值的方法,并在此基础上提出了一种将证据理论与神经网络相结合的目标识别融合方法。重点研究了支持向量机(SVM)在多传感器空中目标识别中的应用。SVM是在统计学习理论的基础上发展起来的新一代学习算法,基于结构风险最小化准则(SRM准则),采用经验风险和置信范围两项同时作为最小化的风险泛函。通过对几种多类分类支持向量机的比较,将DAGSVM应用于目标识别。仿真研究了神经网络、神经网络与证据理论结合的识别算法、DAGSVM三种算法的性能,结果表明DAG支持向量机在任意噪声情况下,均具有最高的识别率,特别是在大的背景噪声下,识别优势更加明显,说明了支持向量机在空中目标识别中的有效性。另一方面,在DAGSVM中加入并行算法,仿真表明算法运行速度得到了有效提高。
论文目录
相关论文文献
- [1].基于改进证据支持度的多传感器空中目标识别[J]. 计算机仿真 2020(07)
- [2].基于迁移学习的水声目标识别[J]. 计算机系统应用 2020(10)
- [3].水声目标识别技术的现状与发展[J]. 电子技术与软件工程 2019(18)
- [4].深度学习在遥感影像目标识别与定位中的应用研究[J]. 科技创新与应用 2019(34)
- [5].基于微服务的空天协同目标识别与监视系统设计与实现[J]. 软件 2019(11)
- [6].深度学习在水声目标识别中的应用研究[J]. 数字海洋与水下攻防 2020(01)
- [7].电子目标识别关键指标建模与分析[J]. 电子信息对抗技术 2019(04)
- [8].基于深度学习的航拍图像目标识别[J]. 数码世界 2019(05)
- [9].基于稀疏非负矩阵分解的低空声目标识别[J]. 声学技术 2020(01)
- [10].基于深度神经网络的雷达幅度序列目标识别[J]. 电脑知识与技术 2020(13)
- [11].水声目标识别技术现状与发展[J]. 指挥信息系统与技术 2018(02)
- [12].目标识别与人工智能高峰论坛征文通知[J]. 太赫兹科学与电子信息学报 2017(02)
- [13].视觉动态目标识别研究进展[J]. 北京联合大学学报 2013(04)
- [14].基于知识的合成孔径雷达图像目标识别研究[J]. 图书情报工作 2012(S1)
- [15].自平衡跟随机器人的目标识别及预测重拾策略[J]. 计算机与现代化 2019(05)
- [16].水下目标识别技术探究[J]. 数字通信世界 2019(04)
- [17].目标识别与人工智能高峰论坛征文通知[J]. 光学与光电技术 2017(03)
- [18].目标识别与人工智能高峰论坛[J]. 太赫兹科学与电子信息学报 2017(03)
- [19].领域自适应目标识别综述[J]. 中兴通讯技术 2017(04)
- [20].机载雷达图像目标识别模型仿真研究[J]. 计算机仿真 2014(12)
- [21].小波分析和神经网络在水下目标识别中的研究[J]. 计算机仿真 2011(02)
- [22].基于卷积神经网络迁移学习的飞机目标识别[J]. 现代雷达 2019(12)
- [23].基于神经网络的多类别目标识别[J]. 控制与决策 2020(08)
- [24].水下目标识别的规划融合算法[J]. 现代防御技术 2018(06)
- [25].浅谈舰船目标识别的方法和技术[J]. 舰船科学技术 2016(02)
- [26].基于双目视觉的目标识别与定位[J]. 河南理工大学学报(自然科学版) 2014(04)
- [27].基于微动特征的弹道导弹目标识别仿真分析[J]. 弹箭与制导学报 2010(01)
- [28].空中目标识别方法研究[J]. 中国新通信 2019(16)
- [29].无人机在海上舰船目标识别中的应用[J]. 舰船科学技术 2017(12)
- [30].粒子群的K均值聚类算法实现海上目标识别[J]. 舰船科学技术 2016(12)