本文關(guān)鍵詞： 信息融合 模糊神經(jīng)網(wǎng)絡(luò) 主成份分析 雷達(dá)回波 濾波算法　出處：《中北大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：多源信息融合也稱多傳感器信息融合,是把多個(gè)渠道、多個(gè)方位采集的局部環(huán)境的不完整信息加以綜合,消除多源信息間可能存在的冗余和矛盾的信息,加以互補(bǔ),降低其不確定性,以形成對系統(tǒng)環(huán)境的相對完整一致性描述的過程,從而提高智能系統(tǒng)的決策、規(guī)劃、反映的快速性和正確性,降低決策風(fēng)險(xiǎn)。本文首先利用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行多傳感器信息融合,與傳統(tǒng)的以概率理論為基礎(chǔ)的融合方法相比,無需任何先驗(yàn)信息;克服了證據(jù)理論融合方法中的證據(jù)難以獲得、計(jì)算量大的缺陷。不僅拓寬了神經(jīng)網(wǎng)絡(luò)處理信息的能力,使其既能處理精確信息,也能處理不精確信息或模糊信息,它將模糊推理機(jī)制蘊(yùn)涵于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)之中;而且,訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)無需額外信息,就可融合多傳感器信息,解決了模糊理論融合多傳感器信息中的模糊規(guī)則的提取和隸屬函數(shù)的確定等,提高了融合系統(tǒng)的融合能力以及融合的準(zhǔn)確性。其次在T-S模糊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的基礎(chǔ)上,基于標(biāo)準(zhǔn)T-S模糊融合算法的時(shí)間和空間復(fù)雜度進(jìn)行算法和網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)。通過仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)的算法在融合過程中的合理性、穩(wěn)定性和準(zhǔn)確性。并且通過Kohonen網(wǎng)絡(luò)的聚類算法來選取適當(dāng)?shù)碾`屬度函數(shù)個(gè)數(shù),通過實(shí)驗(yàn)驗(yàn)證了聚類算法在T-S模糊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法中運(yùn)用的合理性和有效性。然后以模糊神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)對雷達(dá)目標(biāo)回波的識別進(jìn)行研究和實(shí)驗(yàn),引入兩種比較實(shí)用的濾波算法對雷達(dá)目標(biāo)回波的數(shù)據(jù)進(jìn)行優(yōu)化。通過仿真實(shí)驗(yàn)證明,濾波的優(yōu)化效果十分顯著。最后,采用主成份分析算法對用實(shí)地采錄的雷達(dá)目標(biāo)回波數(shù)據(jù)進(jìn)行特征提取。實(shí)驗(yàn)結(jié)果證明,本文采用的方法在雷達(dá)目標(biāo)回波的識別上具有很高的準(zhǔn)確率,并具有良好的泛化性能。
[Abstract]:Multi-source information fusion, also called multi-sensor information fusion, integrates incomplete information of local environment collected from multiple channels and azimuths to eliminate the possible redundancy and contradictory information between multi-source information. It can complement each other and reduce its uncertainty so as to form a relatively complete and consistent description of the system environment, thus improving the speed and correctness of the intelligent system's decision-making, planning and reflecting. Firstly, the fuzzy neural network is used for multi-sensor information fusion. Compared with the traditional fusion method based on probability theory, no prior information is needed. It overcomes the defect that the evidence in evidence theory fusion method is difficult to obtain and has a large amount of calculation. It not only broadens the ability of neural network to deal with information, but also makes it capable of dealing with accurate information. It can also deal with imprecise information or fuzzy information, which implicates the fuzzy reasoning mechanism in the neural network structure. Moreover, the trained fuzzy neural network can fuse the multi-sensor information without additional information, which solves the problem of fuzzy rule extraction and membership function determination in fuzzy theory fusion multi-sensor information. The fusion ability and accuracy of fusion system are improved. Secondly, based on T-S fuzzy neural network data fusion. The algorithm and network structure are improved based on the time and space complexity of the standard T-S fuzzy fusion algorithm, and the rationality of the improved algorithm in the fusion process is verified by simulation experiments. Stability and accuracy. And the Kohonen network clustering algorithm to select the appropriate number of membership functions. The validity and rationality of the clustering algorithm in T-S fuzzy neural network data fusion algorithm are verified by experiments. Then the recognition of radar target echo is studied and tested based on fuzzy neural network. Two practical filtering algorithms are introduced to optimize the radar target echo data. The simulation results show that the optimization effect of the filter is very significant. Finally. The principal component analysis (PCA) algorithm is used to extract the feature of radar target echo data recorded in the field. The experimental results show that the method adopted in this paper has a high accuracy in radar target echo recognition. And has good generalization performance.
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP212;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 尤君;萬顯榮;龔子平;程豐;柯亨玉;;寬帶甚高頻雷達(dá)目標(biāo)回波模型與檢測性能研究[J];電子與信息學(xué)報(bào);2013年12期

2 袁勇;張固瀾;;一種改進(jìn)的中值濾波方法[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

3 雷雨;馮新喜;朱燦彬;李彬彬;;基于數(shù)據(jù)融合理論的多傳感器幾何定位算法[J];紅外與激光工程;2012年05期

4 趙高長;張磊;武風(fēng)波;;改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J];應(yīng)用光學(xué);2011年04期

5 顏兵;王金鶴;趙靜;;基于均值濾波和小波變換的圖像去噪技術(shù)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年02期

6 李立峰;鞠桂玲;鞠紅;安宇資;楊開祥;劉海洋;;基于主成分分析法對各地區(qū)居民消費(fèi)價(jià)格指數(shù)的分析[J];信息系統(tǒng)工程;2010年10期

7 李明;;雷達(dá)目標(biāo)識別技術(shù)研究進(jìn)展及發(fā)展趨勢分析[J];現(xiàn)代雷達(dá);2010年10期

8 劉國宏;郭文明;;改進(jìn)的中值濾波去噪算法應(yīng)用分析[J];計(jì)算機(jī)工程與應(yīng)用;2010年10期

相關(guān)博士學(xué)位論文 前2條

1 田雪怡;多傳感器數(shù)據(jù)關(guān)聯(lián)與航跡融合技術(shù)研究[D];哈爾濱工程大學(xué);2012年

2 易正俊;多源信息智能融合算法[D];重慶大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 桑鵬偉;基于Kohonen神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)回波識別[D];中北大學(xué);2016年

2 蔡麗芳;寧東高鹽水評價(jià)及處理技術(shù)研究[D];長安大學(xué);2015年

3 陳記超;基于因子分析法的油田企業(yè)運(yùn)營風(fēng)險(xiǎn)評估模型構(gòu)建與應(yīng)用研究[D];西南石油大學(xué);2014年

4 王延飛;分布式多艦載高頻地波雷達(dá)目標(biāo)回波與環(huán)境仿真[D];哈爾濱工業(yè)大學(xué);2013年

5 馮于剛;智能機(jī)器人多傳感器信息融合算法研究[D];西北大學(xué);2012年

6 曹金燦;多通道雷達(dá)目標(biāo)回波模擬器的實(shí)現(xiàn)[D];南京理工大學(xué);2010年

7 楊慧;多傳感器信息融合技術(shù)的研究與應(yīng)用[D];哈爾濱工程大學(xué);2010年

8 張翠翠;基于網(wǎng)絡(luò)中心戰(zhàn)的模糊神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)[D];哈爾濱工業(yè)大學(xué);2009年

9 彭利果;基于模糊神經(jīng)網(wǎng)絡(luò)的滯后控制研究[D];西南石油大學(xué);2009年

10 謝穎;信息融合算法研究及其應(yīng)用[D];重慶大學(xué);2008年

，

本文編號：1451353