多传感器信息融合方法及其在空间目标识别中应用.pdf

Classified Index: V249.122 U.D.C: 629.78 A Dissertation for the Degree of Doctor of Engineering METHODS OF MULTI-SENSOR DATA FUSION AND THEIR APPLICATION IN THE SPATIAL TARGETS RECOGNITION Candidate: Zhang Chiping Supervisor: Prof. Yang Di Vice Supervisor: Prof. Cui Pingyuan Academic Degree Applied for: Doctor of Engineering Speciality: Spacecraft Design Affiliation ： College of Astronautics Date of Defence: June, 2006 Degree-Conferring-Institution: Harbin Institute of Technology 摘要 摘要 近年来多传感器信息融合理论及其应用技术研究得到了快速的发展，已 经成为一个重要的研究领域，基于信息融合的目标识别技术成为国内外研究 的热点。由于空间目标识别是空间监视中的一项关键技术，因而成为目标识 别的一个重要研究方向。针对空间目标识别问题的特点，多传感器信息融合 可望突破传统识别方法的瓶颈，本文即以此为出发点，研究了多传感器信息 融合方法及其在空间目标识别中的应用。 基于多传感器进行空间目标识别，首要任务就是判断来自不同传感器的 信息是否针对同一目标，这就是航迹关联问题。目前的航迹关联方法在密集 目标环境下，航迹错关联概率和漏关联概率较大，针对这一问题，本文利用 D-S 证据理论，提出了基于模糊综合决策的 D-S 航迹关联方法和基于 K 近 领域的 D-S 航迹关联方法，两种方法成功地将模糊决策的逻辑性和统计模 式分类的严密性与证据理论的智能特性相结合，仿真结果说明了两种方法的 有效性和实用性。 假设传感器得到的目标信息是关联的情况下，下一步的工作就是如何利 用传感器信息获得目标的有效识别。神经网络方法在这方面应用较为广泛， 但是对复杂的传感器系统，单一神经网络会出现稳定性差、收敛性差、网络 训练时间长等问题。就此本文提出了基于模糊决策的神经网络和带有加权融 合的神经网络组两种目标识别方法，与传统的神经网络相比，基于模糊决策 的神经网络结构简单，逻辑层次分明，学习训练算法简洁，而神经网络组在 不增加训练时间的基础上，提高了网络的智能特性，能够更加合理地对不确 定性信息进行融合。经仿真验证，基于模糊决策的神经网络能够提高噪声较 大情况下的识别率，而利用神经网络组不但减少了训练时间，而且提高了目 标识别的精度。 在目标识别过程中，如果能够得到关于目标属于不同类别的基本概率分 配的话，则证据理论显示了信息融合的优越性。本文引入了基于证据决策的 目标识别方法，经仿真验证，证据理论对于不确定信息能够很好地进行处理 和融合。但是 D-S 证据理论不能处理矛盾证据，限制了其应用的范围，本 文在分析这一问题来源的基础上，提出了改进的 D-S 证据融合规则，经实 例验证，改进的方法能够有效地解决这一问题，并达到了理想的识别效果。 最后针对飞机目标的识别问题，利用神经网络组和 D-S 证据理论建立 - I - 哈尔滨工业大学工学