论文部分内容阅读
现代战争中,多传感器系统的应用越来越重要和广泛,这就需要对多传感器获取的信息进行综合处理,实时进行目标发现和优化综合处理来获取目标状态估计、目标属性及目标身份、态势评估、威胁估计等作战信息。而无源传感器也因为作用距离远、隐蔽性强等优点被越来越多地使用,对无源多传感器信息融合技术的研究逐渐引起了人们的重视。本文重点研究了无源多传感器信息融合中的数据关联技术和目标融合识别技术,并完成了无源多传感器信息融合系统仿真平台的设计和实现。本文的主要内容如下:首先重点研究无源多传感器的属性关联算法,分析了利用目标属性数据进行关联的原理和可行性,对基于距离度量的椭圆门限关联算法和基于概率度量的支持度关联算法进行了研究和仿真分析。仿真比较表明椭圆门限关联算法在性能上优于支持度算法,且两种属性关联算法都具有良好的时间性能和目标属性参数不相近情况下较高的关联正确率。接着重点研究了无源多传感器方位关联算法,针对基于测向交叉定位的无源多传感器系统研究了多维分配的方位关联方法,并进一步研究了拉格朗日松弛算法以解决多维分配存在的N-P(Non-deterministic Polynomial) hard问题即组合爆炸问题。详细分析拉格朗日松弛算法的思路及实现流程,并通过仿真证明松弛算法能够在保证关联正确率的情况下获得更优的时间性能。通过仿真还分析研究了影响方位关联性能的多种因素。在目标融合识别方面,本文研究了无源多传感器系统中对目标的属性级融合识别和决策级融合识别技术。在属性级融合中重点研究了属性数据的融合方法和目标的匹配识别方法,在决策级融合中重点研究了利用证据理论融合多节点的身份估计信息,仿真分析通过识别算法表明能够得到合理可靠的识别结果。最后研究了无源多传感器数据处理系统仿真平台的设计和构架实现,给出了基于该仿真平台的无源多传感器数据处理综合仿真结果。