基于多传感器特征信息融合的目标识别技术研究

《基于多传感器特征信息融合的目标识别技术研究》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、单位代码１０１４４￣分类号了則、编号＾Ｉ．－心，：：，樂遽ＨＨＨｆｅ＾硕±学位论文．＇－４题目ｉ斗兮在兹義！食ｉｘＡ卷ｆ為＇４Ｗ拍、，：《肴赖古甘｜巧妍究生姓名－Ｖ多乏扣｜、（ｉＡｉ＞６爲ｌｋＵｚ＾ｌ专业）导师姓名＜？１勾论文完成曰期３巧手矮ｉ化少欠妻ＳｈｅｎａｎＬｉｏｎＵｎｉｖｅｒｓｉｔｙｇｇ呂ｙ沈阳理工大学硕±学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本。有关观点、，

2、人独立完成的、方法数据和文献的引用己在文中指出并与参考文献相对应。除文中己注明引巧的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体。本人完全意识到本，均己在文中獻明确方式标明声明的法律结果由本人承担。作者＊＾（签字）；１＂＾曰期：＞年３月Ａ曰学位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定，即：沈阳理工大学有权保留并向国家有关部口或机构送交学。位论文的复印件和磁盘，允许论文被

3、查阅和借阅本人渡权沈阳理工大学可将学位论文的全部或部分内容编入有关数据库进行检索，可ｙｊｌ采用影印、缩印或其它复制手段保存、汇编学位论文。）（保密书的学位论文在解密后适用本授权签名学位论文作者签名：指导教师吊郑．／。‘／？、良＾八：抑文日期：入日期类□全日制学术型硕士全日制工程硕士别□在职工程硕士硕士学位论文论文题目：基于多传感器特征信息融合的目标识别技术研究学科、专业（领域）名称：电子与通信工程研究方向：自适应信号处理论文编号：分类号：TN911.7密级：ＵＤＣ：62

4、1.39编号：工程硕士学位论文基于多传感器特征信息融合的目标识别技术研究硕士研究生：刘朝强指导教师：秦丽娟副教授学科、专业：电子与通信工程沈阳理工大学2015年12月分类号：TN911.7密级：ＵＤＣ：621.39编号：工程硕士学位论文基于多传感器特征信息融合的目标识别技术研究硕士研究生：刘朝强指导教师：秦丽娟副教授学位级别：工程硕士学科、专业：电子与通信工程所在单位：沈阳理工大学论文提交日期：2015年12月论文答辩日期：2016年3月学位授予单位：沈阳理工大学ClassificationIndex

5、:U.D.C:AThesisfortheMasterDegreeofEngineeringResearchOnTargetRecognitionTechnologyBasedOnMultiSensorFeatureInformationFusionCandidate:LiuzhaoqiangSupervisor:Prof.QinlijuanAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ElectronicandCommunicationE

6、ngineeringDateofSubmission:December,2015DateofExamination:March,2016University:ShenyangLigongUniversity摘要在现代化的战场中，由于基于单传感器的目标识别技术的自身局限性已经远远不能满足现在各领域的需求了，而基于多传感器多特征目标识别技术它可以综合利用各传感器的特性来完成更多的任务，基于多特征融合的识别技术可以在许多不确定环境和复杂背景下，通过将多个传感器的特征信息进行有效融合，不仅能够提高目标识别率，

7、而且能减少有限的数据带宽。目前国内对基于多传感器特征信息融合的目标识别技术研究相对而言较少，所以非常迫切的等待对其展开深入而有效的理论和技术研究。为此，我们从以下几块内容去进行探讨和研究：（1）主要介绍了几种特征提取算法，通过外部传感器获得的数据，利用特征提取算法对其数据进行有效的数据提取，其中主要对Hu矩、仿射不变矩、小波矩和Zernike矩这四种主要特征提取算法进行了详细的分析和仿真。（2）主要研究了协方差矩阵算法，根据协方差矩阵它的特点，研究了基于协方差矩阵图像特征融合方法。通过构造有效可靠的区

8、域协方差矩阵来对图像的特征信息进行融合，从而使融合后的特征信息具有更好地旋转不变性、尺度不变性，鲁棒性，类可分性强等特点。（3）主要对BP神经网络进行了分析和研究，针对其存在收敛速度慢和易陷入局部极小等问题，首先对BP神经提出了改进，通过采用附加动量来调整其权值和添加自适应学习算法选择学习率，然后通过理论分析提出并研究了运用粒子群算法去优化改进的BP神经网络的参数来进一步提高神经网络的学习速度，最后再利用上述的融合特征信息进行目标识别。实验结果表明：相对