论文部分内容阅读
本文根据雷达情报判性应用背景，对Bayes方法在该领域的应用进行了研究。首先，就五类空中目标提取了四种特征：目标身份、俯仰角、速度和加速度等，同时建立了它们的统计模型。运用两种普遍使刚的统计推断方法—Bayes方法和D-S证据理论对以上空中目标进行识别，比较了它们的收敛时间和稳健性。结果表明，Bayes方法对先验信息的精确程度要求并不十分严格，能较好地解决雷达情报综合问题，而D-S方法比Bayes方法更具有稳健性，但是其收敛时间较长。其次，考虑到Bayes方法在特征建模上具有较大的难度，而BP神经网络具有较强的非线性逼近能力，为此我们将BP神经网络的输出代替领域专家的知识经验，并用BP神经网络与主观Bayes方法结合起来的BPBayes方法对目标进行识别。识别结果表明，这种方法能够有效地提高识别率。同样的，将BP神经网络与D-S方法相结合(BPD-S方法)来识别目标，其识别率有了进一步的提升，其稳健性相对较好，但是识别时间比BPBayes方法的要长。