弱小目標(biāo)檢測與多傳感器數(shù)據(jù)融合跟蹤技術(shù)研究.pdf

1、隨著多傳感器復(fù)雜大系統(tǒng)的不斷出現(xiàn)，多傳感器數(shù)據(jù)融合技術(shù)已經(jīng)受到廣泛關(guān)注。目前，各國都在競相投入大量的人力、財力進行研究，使得數(shù)據(jù)融合技術(shù)已經(jīng)成為有效處理多源信息的一個非?；钴S的領(lǐng)域。西方發(fā)達國家已經(jīng)研制和開發(fā)了數(shù)個軍用數(shù)據(jù)融合系統(tǒng)。我國數(shù)據(jù)融合的研究水平和國外發(fā)達國家相比還較為落后，尤其在復(fù)雜環(huán)境下，數(shù)據(jù)融合的一些相關(guān)技術(shù)還缺乏準(zhǔn)確性和自適應(yīng)性。本文主要研究了數(shù)據(jù)融合中三個最基本又最重要的問題：目標(biāo)的檢測、跟蹤和識別關(guān)鍵技術(shù)的實現(xiàn)問題。

2、對于多傳感器多目標(biāo)的檢測識別環(huán)境，往往是復(fù)雜背景弱小目標(biāo)的情況，多信息的關(guān)聯(lián)和融合、跟蹤都是以低信噪比、弱小目標(biāo)的檢測為前提的。系統(tǒng)的每個傳感器對每個弱小目標(biāo)的檢測效果越好，其融合、跟蹤能力越理想。因而本文在研究多傳感器對多目標(biāo)的融合跟蹤之前，首先討論了以紅外弱小目標(biāo)的檢測為對象的復(fù)雜背景下低信噪比、弱小目標(biāo)的檢測方法。主要研究內(nèi)容及創(chuàng)新工作如下： 本文首先研究了紅外圖像的目標(biāo)檢測問題，針對低信噪比，?？毡尘暗募t外圖像中的弱小目

3、標(biāo)檢測問題，提出一種基于高斯內(nèi)核的自適應(yīng)濾波方法，并將它應(yīng)用于紅外圖像的小波變換后的子圖中抑制噪聲，然后根據(jù)小波尺度分解的特點，把低頻子圖和水平子圖以及垂直子圖能量交叉加權(quán)，并進行小波重構(gòu)。在此基礎(chǔ)上，根據(jù)重構(gòu)圖像的信噪比，自適應(yīng)的設(shè)定分割門限，分割紅外圖像中存在的可疑目標(biāo)。實驗表明，該算法易于工程實現(xiàn)，也能夠滿足實時性的要求。 其次，對于多傳感器多目標(biāo)跟蹤問題，數(shù)據(jù)關(guān)聯(lián)是其中一項重要問題，也是實現(xiàn)多傳感器數(shù)據(jù)融合的前提。研究了

4、兩種情況的數(shù)據(jù)關(guān)聯(lián)．同類傳感器和異類傳感器。在同類傳感器數(shù)據(jù)關(guān)聯(lián)研究時，針對多維分配算法S≥3時求解復(fù)雜度隨著問題規(guī)模的增大呈指數(shù)規(guī)模增大，提出把它轉(zhuǎn)化為用粒子群優(yōu)化算法求解的組合優(yōu)化問題，并通過量測約束，更快更有效找到最優(yōu)解，實現(xiàn)數(shù)據(jù)關(guān)聯(lián)；在異類傳感器數(shù)據(jù)關(guān)聯(lián)時，提出同時利用雷達和ESM不同類型的信息的數(shù)據(jù)關(guān)聯(lián)方法。該方法基于模糊C—均值算法，把動力學(xué)信息和來自ESM的特征信息有效結(jié)合，應(yīng)用到聚類過程中，提高數(shù)據(jù)關(guān)聯(lián)精度。 再

5、次，研究了目標(biāo)航跡融合問題。采用一種利用模糊理論的自適應(yīng)數(shù)據(jù)融合算法。對雙傳感器的濾波數(shù)據(jù)進行特征提取，并在一定的隸屬函數(shù)和模糊規(guī)則下對其進行模糊推理，得到隨目標(biāo)機動情況自由調(diào)節(jié)加速度方差的系數(shù)調(diào)節(jié)值，使之保持對目標(biāo)機動的快速響應(yīng)，提高了跟蹤精度。 最后，在多傳感器目標(biāo)識別決策融合模型的基礎(chǔ)上研究了基于模糊積分的目標(biāo)識別決策融合的實現(xiàn)問題。對模糊積分應(yīng)用于決策層目標(biāo)識別的決策層融合的核心問題一模糊密度賦值，針對僅利用訓(xùn)練樣本先