论文部分内容阅读
多传感器信息融合是一个新的研究方向,并有着广泛的应用领域。信息融合技术是从多传感器(多个和/或多类)获得信息加以融合,从相关数据库获得信息加以相关,以获得比使用单传感器更好的检测,跟踪和目标识别。分布式多传感器信息融合能够提高系统的可靠性和可信度。 在本论文中,讨论了信息融合的基本原理和算法以及在目标识别上的应用。本论文的主要工作如下: 1.系统介绍信息融合的定义及基本原理,以及信息融合的发展历史,当前研究方向,其在军事中的应用和研究意义。另外,详细讨论了信息融合系统的分类和各种系统模型,着重讨论信息融合用于目标识别的各种算法。 2.对目标识别中的Bayes方法和D-S证据理论方法进行详细讨论,并针对水下目标以舰艇为平台进行仿真,仿真结果显示融合后的识别概率比使用单个传感器的效果好。将Bayes方法和D-S证据理论方法进行比较,说明了D-S证据理论方法的优越性和先进性。 3.详细研究了基于Kalman滤波的多传感器目标状态信息融合,提出了平均融合算法和分层融合算法,将其应用于引信方向。对水下前向探测系统进行仿真,给出仿真的结果图与数据。 4.提出了一种信息融合的模糊模型和算法。仿真中基于一个容许函数,对参与融合的传感器组的可靠性进行度量,使最终的融合结果是尽量可靠的传感器组提供的一致性较好的数据的融合。 论文主要的仿真工作有:①在噪声功率或虚警概率改变的情况下,用Bayes方法实现单传感器和双传感器的检测概率仿真;②基于D—S证据理论的目标识别以及Bayes方法和D-S证据理论方法的比较;③基于Kalman滤波的平均融合和分层融合对水下前向探测系统的仿真;④一定的容许函数下,传感器组的可靠性度量。