本文關(guān)鍵詞：多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究　出處：《中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 多源引導(dǎo)信息 光電引導(dǎo)跟蹤系統(tǒng) 信息融合 目標(biāo)識(shí)別 威脅估計(jì) 區(qū)間直覺模糊 灰關(guān)聯(lián) 優(yōu)化算法

【摘要】：隨著微電子技術(shù)、計(jì)算機(jī)技術(shù)、傳感器技術(shù)的發(fā)展,多源信息融合技術(shù)已逐步發(fā)展為一個(gè)新的研究方向,并得到了廣泛應(yīng)用。本文針對(duì)多源引導(dǎo)信息融合的特點(diǎn),在其模型框架中分析了多源引導(dǎo)信息融合的幾個(gè)關(guān)鍵技術(shù),重點(diǎn)研究了其中的目標(biāo)識(shí)別和威脅估計(jì)兩個(gè)方面,提出相應(yīng)的方法,應(yīng)用于某光電引導(dǎo)跟蹤系統(tǒng)中。本文的主要工作和貢獻(xiàn)如下:1.介紹了光電引導(dǎo)跟蹤系統(tǒng)多源引導(dǎo)信息融合的基本理論和模型框架,對(duì)其中目標(biāo)識(shí)別和威脅估計(jì)技術(shù)的研究情況進(jìn)行了歸納總結(jié);介紹了現(xiàn)有目標(biāo)識(shí)別和威脅估計(jì)的相關(guān)算法,分析了各自的優(yōu)缺點(diǎn),并確定了本文所采用的主要技術(shù)手段。2.針對(duì)區(qū)間直覺模糊集和灰關(guān)聯(lián)分析的特點(diǎn),提出了一種基于區(qū)間直覺模糊灰關(guān)聯(lián)分析的目標(biāo)識(shí)別算法,應(yīng)用于光電引導(dǎo)跟蹤系統(tǒng)的目標(biāo)識(shí)別過程中。該方法根據(jù)多源引導(dǎo)信息來獲取目標(biāo)特征參數(shù),采用區(qū)間直覺模糊數(shù)來表征特征參數(shù)對(duì)目標(biāo)類別的隸屬度和非隸屬度,形成目標(biāo)識(shí)別矩陣。從中提取出正、負(fù)理想識(shí)別策略,采用灰色關(guān)聯(lián)理論對(duì)識(shí)別矩陣進(jìn)行分析,從而建立各目標(biāo)類別的灰關(guān)聯(lián)序。實(shí)驗(yàn)結(jié)果表明,基于區(qū)間直覺模糊灰關(guān)聯(lián)的目標(biāo)識(shí)別算法的識(shí)別誤差小于采用單一方法的識(shí)別誤差,并且能夠避免組合爆炸問題。3.針對(duì)傳統(tǒng)方法在比較直覺模糊值和區(qū)間直覺模糊值時(shí)的不足,提出了綜合函數(shù)法,應(yīng)用于對(duì)目標(biāo)識(shí)別矩陣的分析過程中。該方法對(duì)得分函數(shù)和精確函數(shù)進(jìn)行加權(quán)融合,并利用決策結(jié)果對(duì)加權(quán)因子進(jìn)行自適應(yīng)調(diào)節(jié)。綜合函數(shù)法可以有效改善傳統(tǒng)方法中由于凈利潤最大化而帶來的缺陷,并對(duì)兩模糊值之間的差值提供一個(gè)估計(jì)。4.針對(duì)粒子群優(yōu)化算法(PSO)和BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn),對(duì)PSO算法進(jìn)行了改進(jìn),提出了基于改進(jìn)PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(MPSO-BP)的目標(biāo)威脅估計(jì)算法,應(yīng)用于光電引導(dǎo)跟蹤系統(tǒng)的目標(biāo)威脅估計(jì)過程中。該方法采用PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,在PSO優(yōu)化過程中引入變異過程,并對(duì)加速因子進(jìn)行自適應(yīng)處理,以避免粒子種群的快速趨同效應(yīng),使優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)能夠更好地預(yù)測(cè)輸出。實(shí)驗(yàn)結(jié)果表明,MPSO-BP網(wǎng)絡(luò)的預(yù)測(cè)誤差小于BP網(wǎng)絡(luò)和PSO-BP網(wǎng)絡(luò),并且能夠較好地解決對(duì)于小樣本訓(xùn)練問題,避免神經(jīng)網(wǎng)絡(luò)陷入局部極值。5.針對(duì)螢火蟲優(yōu)化算法(GSO)、磷蝦群算法(KH)和支持向量機(jī)(SVM)的特點(diǎn),建立了基于GSO算法優(yōu)化SVM(MGSO-SVM)、以及KH算法優(yōu)化SVM(KH-SVM)的目標(biāo)威脅估計(jì)模型,并提出了基于各自模型的算法,應(yīng)用于光電引導(dǎo)跟蹤系統(tǒng)的目標(biāo)威脅估計(jì)過程中,使優(yōu)化后的SVM網(wǎng)絡(luò)能夠更好地完成目標(biāo)威脅估計(jì)。實(shí)驗(yàn)結(jié)果表明,GSO-SVM和KH-SVM的預(yù)測(cè)誤差明顯小于SVM。
[Abstract]:With the development of microelectronic technology, computer technology and sensor technology, multi-source information fusion technology has gradually developed into a new research direction. And has been widely used. According to the characteristics of multi-source guided information fusion, this paper analyzes several key technologies of multi-source guided information fusion in the framework of its model. Two aspects of target identification and threat estimation are studied, and the corresponding methods are proposed. The main work and contributions of this paper are as follows: 1. The basic theory and model framework of multi-source guided information fusion are introduced. The research of target identification and threat estimation is summarized. This paper introduces the existing algorithms of target recognition and threat estimation, analyzes their advantages and disadvantages, and determines the main technical means used in this paper. 2. Aiming at the characteristics of interval intuitionistic fuzzy sets and grey association analysis. A target recognition algorithm based on interval intuitionistic fuzzy grey correlation analysis is proposed, which is applied to the target recognition process of photoelectric guided tracking system. The interval intuitionistic fuzzy number is used to represent the membership and non-membership degree of the feature parameters to the target category, and the target recognition matrix is formed, from which the positive and negative ideal recognition strategies are extracted. The grey correlation theory is used to analyze the recognition matrix, and the grey correlation order of each target category is established. The experimental results show that. The recognition error of the target recognition algorithm based on interval intuitionistic fuzzy grey correlation is smaller than that of the single method. And can avoid the combinatorial explosion problem. 3. Aiming at the shortcomings of traditional methods in comparing intuitionistic fuzzy values and interval intuitionistic fuzzy values, a comprehensive function method is proposed. The method is applied to the analysis of target recognition matrix, which combines the score function and the accurate function. Using the decision result to adjust the weighting factor adaptively, the comprehensive function method can effectively improve the defects caused by the net profit maximization in the traditional method. The difference between the two fuzzy values is estimated. 4. According to the characteristics of particle swarm optimization (PSO) and BP neural network, the PSO algorithm is improved. A target threat estimation algorithm based on improved PSO algorithm is proposed to optimize BP neural network. PSO algorithm is used to optimize the initial weight and threshold of BP neural network, and the mutation process is introduced in the process of PSO optimization. In order to avoid the fast convergence effect of particle population, the optimized BP neural network can predict the output better. The prediction error of MPSO-BP network is smaller than that of BP network and PSO-BP network, and it can solve the problem of small sample training. To avoid the neural network falling into local extremum. 5. Aiming at the characteristics of the firefly optimization algorithm (GSOO), krill swarm algorithm (KH) and support vector machine (SVM). The target threat estimation model based on GSO algorithm optimization and KH algorithm optimization is established, and the algorithm based on each model is proposed. In the process of target threat estimation in photoelectric guided tracking system, the optimized SVM network can accomplish the target threat estimation better. The prediction error of GSO-SVM and KH-SVM is obviously smaller than that of SVM.
【學(xué)位授予單位】：中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓艷春;李智蘭;曾憲文;;目標(biāo)識(shí)別與分類方法[J];軍事通信技術(shù);2003年01期

2 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識(shí)別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

3 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評(píng)判的目標(biāo)識(shí)別效果評(píng)估[J];計(jì)算機(jī)應(yīng)用研究;2005年03期

4 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識(shí)別性能的方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

5 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識(shí)別效果評(píng)估方法[J];電子對(duì)抗技術(shù);2005年03期

6 蓋明久;呂世良;時(shí)寶;;一種概率更新方法及在目標(biāo)識(shí)別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

7 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識(shí)別新方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

8 賈宇平;付耀文;黎湘;莊釗文;;灰局勢(shì)決策方法在決策層融合目標(biāo)識(shí)別中的應(yīng)用[J];信號(hào)處理;2007年04期

9 李靜;黃崢;;靜態(tài)傅里葉干涉具在目標(biāo)識(shí)別中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年08期

10 黃瑤;熊和金;;目標(biāo)識(shí)別的灰關(guān)聯(lián)方法研究[J];湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

相關(guān)會(huì)議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計(jì)模式識(shí)別方法建立海上目標(biāo)識(shí)別的數(shù)學(xué)模型[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識(shí)別[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識(shí)別中的特征相空間吸引子分析[A];第十屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識(shí)別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識(shí)別的特征量約束[A];第九屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識(shí)別[A];中國工程物理研究院科技年報(bào)（1999）[C];1999年

7 郭相科;劉進(jìn)忙;曹學(xué)斌;張玉鵬;;子類獨(dú)立分量分析在聲目標(biāo)識(shí)別中的應(yīng)用[A];中國聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時(shí)間融合算法的近程目標(biāo)識(shí)別[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識(shí)別概述[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識(shí)別問題綜述[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)重要報(bào)紙文章 前2條

1 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報(bào);2012年

2 陳德潮邋本報(bào)特約通訊員 曹金平 劉劍;為潛艇鑄“魂”[N];解放軍報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 肖永生;射頻隱身雷達(dá)信號(hào)設(shè)計(jì)與目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識(shí)別技術(shù)[D];南京理工大學(xué);2014年

5 王海羅;基于視覺感知的無人機(jī)目標(biāo)識(shí)別與跟蹤技術(shù)研究[D];北京理工大學(xué);2015年

6 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

7 舒銳;衛(wèi)星目標(biāo)識(shí)別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

8 張池平;多傳感器信息融合方法及其在空間目標(biāo)識(shí)別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

9 李彥鵬;自動(dòng)目標(biāo)識(shí)別效果評(píng)估[D];國防科學(xué)技術(shù)大學(xué);2004年

10 賈宇平;基于信任函數(shù)理論的融合目標(biāo)識(shí)別研究[D];國防科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2015年

2 李建;毫米波輻射計(jì)目標(biāo)識(shí)別性能測(cè)試系統(tǒng)研究[D];南京理工大學(xué);2015年

3 陳晨;紅外/毫米波復(fù)合信號(hào)處理方法及電路設(shè)計(jì)[D];南京理工大學(xué);2015年

4 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動(dòng)目標(biāo)識(shí)別[D];沈陽理工大學(xué);2015年

5 姚國偉;基于高分辨距離像的艦船目標(biāo)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識(shí)別定位研究[D];安徽工程大學(xué);2015年

7 譚敏潔;基于壓縮感知的雷達(dá)一維距離像目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識(shí)別研究[D];華中師范大學(xué);2015年

9 劉巍;基于非均勻采樣圖像的目標(biāo)識(shí)別與跟蹤算法研究[D];北京理工大學(xué);2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標(biāo)識(shí)別研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：1438230