基于Kohonen神经网络的多传感器多目标跟踪方法

本文描述了一个Ｎ维Ｋｏｈｏｎｅｎ神经网络和算法,提出了多传感器多目标跟踪（ＭＳＭＴＴ）的Ｋｏｈｏｎｅｎ神经网络方法,认真研究表明该方法的有效性,可提高目标跟踪的速度和精度。     

多目标跟踪中的目标位置及速度数据融合

基于多传感器数据融合理论，提出了一种在杂波环境下解决多目标跟踪的方法，即利用位置，速度的融合，得到比较满意的多目标跟踪运动轨迹，给出了有效的融合算法，并进行了仿真，通过仿真可以看出这是一种实用，有效的多传感器融合。     

分布式多传感器航迹数据融合

本文研究分布式多传感器系统中的航迹数据融合问题，对来自分布于不同几何位置，具有不同精度的多传感器的所有航迹，根据它们的状态向量及其滤波误差协方差阵Ｐ进行融合处理，形成融合航迹，介绍两种典型的适用于分布式系统的航迹融全数学模型。各种模型中又有数值模式。     

多传感器信号融合算法的仿真

基于贝叶斯推理的多传感器最佳融合规则不能用于多目标的信号判定,本文对改进的多目标多传感器信号融合算法和经典算法进行了仿真,讨论了仿真结果,并对两种算法进行了比较。     

神经网络在机动多目标跟踪中的应用

本文概括地介绍机动多目标跟踪理论，解决多目标跟踪问题的重大意义及解决多目标跟踪问题的传统方法，通过对已有的用于解决多目标跟踪问题的神经网络方法的分析，讨论了神经网络应用于解决多目标跟踪问题的可行性。     

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。     

主被动声呐多目标航迹关联的双门限算法研究

主被动声呐航迹关联在军事多传感器数据融合方面是一个重要研究课题,本文基于统计理论提出了双门限主被动声呐航迹关联算法,推导了双门限阀值的选取,仿真结果表明该方法能有效地判决航迹的关联.     

主被动声呐多目标航迹关联的双门限算法研究

主被动声呐航迹关联在军事多传感器数据融合方面是一个重要研究课题，本文基于统计理论提出了双门限主被动声呐航迹关联算法，推导了双门限阀值的选取，仿真结果表明该方法能有效地判决航迹的关联。     

分布式传感技术在海面多目标检测中的研究

在海面战争中,多目标的检测关系到战争胜败。相对于一般运动目标检测算法,海面环境下的检测模型背景更加复杂,目标物相比较背景成像更小,对目标物检测的实时性和精度都有所降低。本文研究基于分布式传感技术的海面多目标检测系统,同时针对海面复杂背景的模型,在模糊理论及自适应反馈的分布式目标检测及数据融合基础上,首次结合训练静态数据信息融合传感器采集信息的模糊检测进行自反馈的方法,提高了检测精度。     

基于改进Kohonen神经网络的多传感器关联融合算法

把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来,该方法能对多传感器的测量数据进行自组织聚类,把测量数据准确地划分到各个类别中去,从而实现测量数据的关联。计算机仿真结果表明,该方法运用到多传感器多目标数据关联中来具有明显的优越性,能克服传统算法的错跟漏跟现象。     

基于神经网络的声纳特征级信息融合中目标分类研究

声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类) ,以利于实时处理、决策分析。基于数学模型的各种算法,由于情况复杂,往往很难建立。而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模。在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果。仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础     

小波神经网络在舰载雷达多路径效应检测中的应用

针对海面反射对舰用电子支援措施(ESM)产生的多路径效应,研究了多路径反射信号模型,采用删除构造小波网络的结构,探讨了运用小波网络对多路径效应进行检测的方法.     

求解多目标跟踪中数据互联问题的数字网络结构研究

在多目标跟踪情况下,求解数据互联问题要求计算把第i个量测分配给第t个目标的概率βi^t。该文阐述了求解数据互联概率βi^t的神经网络方法,介绍了具有神经元网络结构的数字实现,并分析了该神经元网络结构的稳定性和收敛性。     

一种基于BP神经网络的机动目标跟踪算法

交互式多模型（IMM）算法是一种可以有效跟踪机动目标的滤波算法,针对其跟踪精度和计算量在很大程度上受制于模型选择和转移概率确定的问题,提出了一种利用BP神经网络修正子模型滤波结果的改进IMM算法。仿真实验表明,该方法可以使IMM算法的收敛速度加快,收敛精度提高,改善了跟踪性能,具有一定理论指导意义。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

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.     

灰色系统理论及数据融合技术在低空小目标跟踪中的应用研究

当小目标作低空掠海飞行时,由于海面杂波和电子干扰等因素的影响,易使入侵小目标的反射 信号淹没在杂波中而难以被舰载雷达系统发现,造成跟踪系统的失效。针对这一情况,本文首先应用灰 色系统理论的GM(1,1)模型,处理系统跟踪的数据丢失问题;然后应用数据融合技术来改善和提高系 统的跟踪精度。仿真结果表明,应用灰色系统理论和数据融合技术相结合,可大大提高系统的可靠性和 跟踪精度。     

网络数据融合技术在MITS中的应用研究

探讨了基于传感器网络的数据融合技术在海事智能交通系统(MITS)中的应用问题,为该领域的进一步研究提供一些有价值的思路和见解。基于目前研究遇到的困境,提出将MITS抽象成一个无线传感器网络(WSN),从而可在WSN环境下引入数据融合技术来研究海事智能交通系统中的各种信息处理问题,如船舶的定位与导航以及避碰等;紧接着,总结了现有定位、导航、避碰和船舶安全管理技术研究的现状并分析了存在的主要问题;针对基于GPS的MITS存在的种种弊端,结合各国卫星定位导航系统的建设现状,提出利用MITS内其它元素的信息和多源信息融合技术来实现船舶的相对定位和导航这一新思路;最后,从网络数据融合技术角度出发,具体指出了MITS网络融合系统构建时所必须考虑的一些基本问题,并给出该融合系统的一般性框架。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法,并对BP算法进行了改进,提出了一种动态优化学习率的方法,对6L80MC柴油机实际数据用BP网络进行计算的结果表明,该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。