人工神经网络技术在目标识别中的应用

在多传感器信息融合的基础上讨论了目标种类识别的有关问题，并给出了直升机、固定翼飞机、导弹、水面舰艇、鱼雷、潜艇和水雷的识别准则和方法，并在此基础上提出了基于BP神经网络的目标种类识别模型。仿真计算结果表明，只要学习样本足够多，能够有效保证识别的正确性和克服基于规则的识别方法在模糊区识别效果差的问题。     

水雷隐身对声呐探雷的影响

简述了水雷隐身技术的发展现状,指出声呐是探雷技术发展的主要手段和方向.根据猎雷声呐探测识别方式,提出降低目标强度、减弱甚至消除声影是实现水雷武器声隐身的主要技术途径,并从这2个方面分析了水雷隐身对猎雷声呐探测识别效能的影响.其中,当采用回波法探测识别水雷时,水雷目标强度的降低可缩短声呐的探测距离,并且在清澈海水中其效果较好;而对于声影法探测识别,则需要消除或减弱水雷的声影才能使其难以被猎雷声呐发现.     

面向目标识别的水下多传感器信息融合技术比较研究趑

对于水下作战,目标识别十分困难,因此必须走多传感器融合、多技术融合的道路,应分析研究不同的方法优缺点,取长补短,综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点,分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D-S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术,提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架,并结合应用讨论了其特点。     

面向目标识别的水下多传感器信息融合技术比较研究

对于水下作战，目标识别十分困难，因此必须走多传感器融合、多技术融合的道路，应分析研究不同的方法优缺点，取长补短，综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点，分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D—S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术，提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架，并结合应用讨论了其特点。     

舰艇编队目标信息融合功能模型的构建

根据舰艇编队不同的作战任务和使用需求,其信息系统中信息融合的内容、程度、范围和要求是不同的。基于多传感器实时目标信息的舰艇编队目标信息融合,应满足对实时目标状态估计和目标识别的需求。为此,在分析目标信息来源、组织结构的基础上,构建了舰艇编队目标信息融合的功能模型。     

多传感器综合目标识别技术研究

描述了传感器与目标身份信息的特征，提出了多佑感器特征级综合目标识别的系统结构，并介绍了与综合目标识别相关的关键技术，重点阐述了几种目标识别融合算法。     

D-S证据理论在信息过滤中的研究

详细说明了Dempster-Shafer证据理论的原理,并在其理论基础上将其引入到信息过滤技术中的过滤结果部分,讨论其在目标识别过程中是否具有可行性.根据计算的结果证明了信息融合中的D-S证据理论在判断识别目标上的使用是有效果的,它能够有效地去除冗余的信息并确定最有用的待识别目标.     

海面分布式传感器多信息融合技术

在海上军事指挥系统及其目标识别中,基于分布式的多传感器信息融合技术一直是海上作战体系中的重要研究课题。由于受海面环境噪声等因素影响,单个传感器对目标物数据的采集往往精度比较低甚至会出现误差。本文重点研究信息融合技术中的数据关联算法,提出一种联合概率数据关联算法,较好的克服了在海面噪声干扰及多径信道干扰条件下的多目标定位跟踪的精度。最后对算法进行实验仿真,通过分析得出此算法的有效性。     

水下目标识别的一种信息融合算法

利用布设的水下传感器对水下潜艇进行探测预警是反潜的一种重要反潜手段。本文利用信息融合算法对水下目标识别中多传感器获得的不同数据进行信息融合,从而得出识别结论。     

一种多源信息融合的声呐综合目标识别方法

针对声呐在搜潜过程中目标识别正确率提升的问题,分析声呐目标特征及其获取手段,研究声呐目标特征提取、分析和识别方法,提出一种多信息源融合的声呐目标综合识别方法。综合运用声呐探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行联合识别,深层次挖掘目标特征信息,通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,形成标准的声呐目标综合识别使用流程,从而提高目标识别正确率。     

CEC系统信息融合技术探讨

协同作战能力（CEC）系统是未来网络中心战感知网格的重要组成部分，本文将初步探讨CEC系统信息融合技术。首先介绍CEC系统，分析适合于CEC系统的信息融合功能模型，提出分布式融合结构模型，探讨CEC系统中航迹关联算法和目标识别方法等。     

基于多源信息融合的潜艇目标识别方法研究

提出一种基于多信息源的潜艇目标识别系统原理模型,介绍了证据理论在潜艇目标识别中的应用方法,给出了针对潜艇装备情况,建立各种识别信息源的方法,初步探讨了该识别系统的实现方法,并给出了有效的决策规则,为解决潜艇目标识别难题提供了一种新的解决方案.     

多分类器融合在水中目标识别中的应用

为了提高对水中目标的识别能力,研究使用DS证据理论对多分类器进行融合,论述以往确定BPA方法的优缺点,并在此基础上提出一种新的利用分类器性能和输出信任度来确定BPA的多分类器融合方法,实验证明这种方法在对水中目标进行识别问题中的优越性,为进一步研究分类器融合在目标识别中的应用提供参考.     

数据融合技术与船舶自动化的发展

数据融合技术是近年来快速发展的一种自动化信息技术,已引起世界各国的广泛重视。由于数据融合技术充分综合和利用了多源信息的作用,在目标识别、态势评估等方面,有巨大的应用潜力。数据融合技术可以极大地推进船舶自动化的发展,进行数据融合技术的研究具有特别重要的意义。     

一种目标识别的三级混合数据融合方法

多级混合数据融合方法是解决目标分类识别问题的一种重要途径，研究了一种三级混合数据融合方法，该算法在不同级别使用了改进的BP算法、D-S证据理论及基于模糊综合的方法。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D—S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D—S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

基于D-S证据理论的多平台协同目标识别分步式融合

针对多平台协同目标识别问题,提出了基于D-S证据理论的分步式融合设计思想,目标型号识别.通过仿真验证了算法对解决不确定问题的有效性和正确性.     

D-S证据理论及其改进算法研究

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有效的方法。但是,当证据严重冲突或完全冲突时,利用D-S证据理论法计算容易给出错误的结果。改进的证据理论法虽然解决了上述问题,但通过分析数据试验发现改进方法在处理一般的证据时效果不理想。文章将经典证据理论和改进方法相结合,发挥两种方法的优点,以达到更好的识别效果。