论文部分内容阅读
现代高科技战争中,敌我识别日趋复杂。相较于传统的依靠敌我识别器(IFF)的询问-应答信号完成识别的方式,IFF与雷达敌我识别系统兼具协作式(IFF)和非协作式(雷达)的敌我识别方式,可以克服单一传感器识别的缺陷,得到比单纯的协作式敌我识别系统更加可靠的识别结果。IFF与雷达敌我识别系统的核心技术为如何利用雷达与IFF的信息进行敌我识别,以及如何将识别结果进行融合。本论文依托具体的科研项目,围绕上述核心技术,主要研究了基于运动信息及IFF应答信息的敌我识别算法,主要内容为:1、分析了敌我识别系统的不确定性,得到该系统包含随机不确定性以及模糊不确定性,得出利用模糊数学的知识以及利用多周期、多种观测特征来推导目标身份证据的基本思路。2、针对如何充分利用已有的观测样本及专家经验的问题,研究了基于数据集的模糊规则提取算法,实现了数据样本与专家经验的结合。3、针对如何利用多种观测信息、多部传感器进行敌我识别的问题,提出了基于多种身份识别算法与D-S证据理论相结合的混合识别算法。多种身份识别算法可以实现基于运动信息、一维距离像信息、IFF询问-应答信息的身份证据推导运算,D-S证据理论可以实现多个身份证据的融合处理。4、针对识别结果的更新问题以及将观测置信度输入到识别算法之中的问题,提出了基于离散模糊动态贝叶斯网络(离散模糊DBN)、多级模糊综合评判以及D-S理论相结合的敌我识别算法。离散模糊DBN算法可以完成基于不断增加的观测运动特征的身份判决结果更新问题。多级模糊综合评判可以将多次观测数据的置信度以及多部雷达的置信度考虑进去,而D-S算法可以融合多个身份报告。基于该混合算法的雷达与IFF敌我识别系统可以得到比单一传感器更加可靠的身份判决结果。仿真验证了上述算法的有效性,可以实现在只有观测样本库及专家经验的条件下,基于多次、多种观测特征的多部雷达以及IFF相结合的敌我识别。