欢迎来到天天文库
浏览记录
ID:35072005
大小:2.72 MB
页数:65页
时间:2019-03-17
《多传感器信息融合目标识别算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号密级硕士学位论文题目:多传感器信息融合目标识别算法研究英文并列题目:ResearchonMulti-sensorInformationFusionTargetRecognitionAlgorithms研究生:丁文静专业:计算机科学与技术研究方向:计算机应用与技术导师:刘以安指导小组成员:学位授予日期:2016年6月答辩委员会主席:张曦煌江南大学地址:无锡市蠡湖大道1800号二○一六年五月摘要摘要近年来,随着信息科学和传感技术的发展,传感器的性能得到了较大提升,出现大量应用于各种复杂背景的多传感器系统,使得多
2、传感器信息融合也成为了人们广泛重视的研究热点。多传感器信息融合又称信息融合,通过多级别以及多层次的处理将多个不同传感器获得的数据转化成有实际意义的信息。多传感器信息融合不仅在军事领域而且在民事领域也有着重大的应用前景。在军事领域,信息融合是为了对目标进行定位、表征以及识别,主要有多传感器目标检测、多传感器跟踪与状态估计、多传感器目标识别融合、态势描述与威胁评估、传感器管理以及数据库管理等。其中多传感器目标识别融合包括将探测、侦查信息中的识别数据进行融合,得到待识别目标的识别结果及对应可信度,本文将对此进行深入研究
3、。作为不确定性的推理方法,证据理论在检测诊断以及人工智能等领域具有很广泛的应用,特别在多传感器信息融合领域,证据理论算法已经是一种基本且重要的融合算法。本文将主要以证据理论为基础对目标识别的相关算法展开研究。本文的主要研究内容如下:(1)对多传感器信息融合理论进行系统研究,并介绍了基础的目标识别算法。(2)D-S证据理论算法有助于处理不确定性信息问题,但是经典D-S证据理论算法也同样存在一票否决问题和证据冲突等问题,正是这些问题的存在,使得经典D-S证据理论的识别精度受到很大影响,为此提出两种针对冲突的改进证据理
4、论算法,分别为基于证据价值的冲突证据合成方法和基于改进的冲突系数的D-S证据理论算法,并对这两种改进算法进行仿真分析。(3)针对改进的目标识别算法中的基本概率赋值难以获取的问题,提出了改进的自适应遗传算法优化BP神经网络的方法用于获取基本概率赋值,并引入灰色关联分析方法对传感器的置信度进行分析,提出基于传感器置信度的目标识别算法,对目标识别算法进行进一步的改进。通过仿真分析说明,本文提出的这两种方法是有效的。关键词:信息融合;目标识别;证据理论;自适应遗传算法;灰色关联IAbstractAbstractInrec
5、entyears,theperformanceofthesensorisimprovedalotwiththedevelopmentofinformationscienceandsensortechnology.Alargenumberofdifferentkindsofmulti-sensorsystemsarewidelyusedinthecomplexbackground,whichmakestheresearchofmulti-sensorinformationfusionattractbroadatte
6、ntionbymoreandmorepeople.Multi-sensorinformationfusionisalsocalledinformationfusion,andistoproducemeaningfulinformationbydealingwithdatafrommultiplesensorsindifferentlevelsandgrades.Multi-sensorinformationfusionhasagreatapplicationprospectnotonlyinthemilitary
7、fieldbutalsointhecivilfield.Inthemilitaryfield,thepurposeoftheinformationfusionispositioning,characterizationandidentificationoftheobservation,includingmulti-sensordetection,multi-sensorintegratedtrackingandstateestimation,multi-sensortargetrecognitionfusion,
8、situationdescription,threatestimation,sensoranddatabasemanagement,etc.Multi-sensortargetrecognitionincludesfusingthedatainthedetectionandinvestigationinformationtogetthetargetrecognitionr
此文档下载收益归作者所有