基于目标特征信息融合的潜艇目标识别系统

结合水下目标运动状态估计和目标声特征提取的关键技术,提出了基于目标运动状态特征和声特征信息融合的潜艇目标识别基本原理.首先,采用双通道Power-law水声瞬态信号检测方法和LMS自适应时延估计算法,建立了基于方位时延的目标运动状态跟踪的数学模型,并采用EKF算法实现了水下目标运动状态估计;其次,建立了提取潜艇典型不变声特征的原理模型;最后,提出基于多目标特征信息融合的结构模型,为潜艇目标识别系统的发展奠定了理论基础.     

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。     

基于D-S证据理论的潜艇多源信息融合系统

介绍了未来战争中潜艇所装备的主要信息源,对这些信息源提供的目标属性信息进行了总结.构建了基于D-S证据推理的潜艇多源信息融合系统,并就D-S证据推理过程中基本概率赋值的分配提出了一种可行的方案.     

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。     

基于信息融合的高精度潜艇深度测量方法研究

潜艇深度的测量主要基于海水压力信息，通过低通滤波器去掉波浪的影响，但降低了潜艇深度的动态测量精度。本文将测得的海水压力信息与潜艇惯导系统测得的垂向加速度信息融合，通过理论推导获得潜艇深度的高精度测量方法。通过对中大型潜艇的仿真分析，以及对测量精度的分析讨论，证明本方法是可行的。     

潜艇信息融合的一个框架

讨论了潜艇多传感器信息融合的一些基本问题,提出了一个适于该融合问题的融合框架。重点探讨了该框架结构的实现,以及存在的困难。     

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.     

基于模糊综合技术的多传感器目标识别融合

通过研究基于模糊综合技术的多传感器之间的目标识别融合技术，把不同传感器提供的不同信息进行融合，这样可以把声呐系统的检测、识别、定位和跟踪联系在一起，根据它们之间一定的关系进而提高声呐系统的各项功能，以达到对弱信号的检测和估计。     

基于回波空间特性的潜艇目标识别研究

本文阐述了基于波束分裂的互谱法定向理论,给出了水下体目标的亮点模型.在此基础上,提出了一种利用体目标回波的空间方位分布信息识别水下目标的方法.通过对亮点模型目标回波的方位角和俯仰角进行估计,估算出目标的线性尺度,实现体目标的识别,最后通过计算机仿真给出了估计量的估计方差并进行了相应的分析.     

无人机多源序列图像融合系统设计

针对无人机多源序列图像实时融合的应用需求,文章以DSP为处理核心构建了一种小型机载实时多源序列图像融合系统。通过光机结构设计,经过倍率调整和数字位移,实现了图像配准,利用TI的RF5框架中的基本数据元素并结合图像融合算法,实现了多源序列图像的融合。     

基于信息融合的实时数据处理方法应用

文章以实际工程背景为出发点,以提高某指挥控制数据处理系统的处理效果为目的,在对当前已有的数据处理方式、方法深入剖析的基础上,综合运用多传感器信息融合技术、多目标跟踪技术、Kalman滤波技术等多种数据处理方法设计了一套改进的数据处理系统。解决了多传感器跟踪同一目标时,因各传感器精度、数据采样率不同而造成的航迹混乱的现象;解决了飞机编队起飞、大空域机动、空中编队和交叉飞行等复杂状态下的跟踪、态势综合、指挥控制、实时测控引导问题;应用系统设计包括系统体系结构与处理流程、多传感器融合算法模型、多种滤波算法、实测数据仿真和实际系统应用等问题。     

基于信息融合的水雷引信目标识别系统设计

该文介绍了水雷在水中的各种信号类型,对于水雷目标识别过程中的多个不利因素进行了分析,引进了信息融合技术来解决目标识别中的诸多不确定因素,并设计了基于多传感器信息融合的水雷引信目标识别系统。     

鱼雷目标检测的贝叶斯判别融合方法研究

对基于贝叶斯判决法的模式分类方法进行了理论分析,并将多变量的贝叶斯模式分类方法应用于决策信息融合过程,证明用多传感器测得的多维信息通过决策融合进行目标判别优于用单传感器测量进行目标判别,此方法用于鱼雷的目标检测,能大大提高系统的目标检测概率,或降低检测的虚警概率。理论分析和数学仿真均证明其是一种有效的方法。     

船用柴油机故障诊断多信息融合技术研究

为了解决船用柴油机故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压力,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。通过提取船用柴油机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

基于多平台信息融合的船舶导航技术

为保证船舶航行的安全性,对传统综合导航平台的技术实现进行分析,提出基于多平台信息融合的导航技术实现方案。在对船用雷达导航系统（Radar Navigation System,RNS）、船舶自动识别系统（Automatic Identification System,AIS）、罗经和计程仪的导航数据进行分析的基础上,设计以数据融合为支撑的船舶导航系统架构,并以实例验证该技术的可行性和有效性。该技术可有效发挥不同平台的导航信息优势,对船舶综合导航系统的优化具有一定的参考价值。     

基于模糊神经网络的航海信息融合技术研究

根据航海信息融合的要求，建立了航海信息融合处理模型，讨论了各种传感器数据的融合处理；采用改进的自适应模糊系统的径向基函数网络的信息融合算法实现目标信息融合，建立数学模型，给出了具体的算法，并通过计算机仿真，验证了该信息融合算法对提高目标数据的精度和可靠性的有效性。