论文部分内容阅读
基于卫星侦察的目标综合识别已经成为夺取制太空信息权的重要手段。雷达侦察、通信侦察和红外成像侦察是三种重要的卫星侦察手段,三者之间存在较强的互补性和冗余性。对三种侦察手段进行智能化综合,可以有效提高目标识别的准确率和可靠性以及识别系统的稳健性。本文以无源电子侦察和被动红外成像侦察为背景,重点研究了基于贝叶斯网络分类器的单传感器电磁辐射源和目标平台识别以及基于贝叶斯网络融合模型的目标融合识别等关键问题,并取得了一些有价值的研究成果: (1)从分析侦察手段所处的战场环境入手,将贝叶斯网络分类器方法引入单传感器辐射源和目标平台识别。通过对几种扩展方法进行理论上和实际分类准确率的综合比较,得到适合单传感器目标识别背景的扩展朴素贝叶斯分类器结构。采用拉普拉斯估计方法从完备样本集学习所需的条件概率表。将辐射源与目标平台的配属关系以条件概率表的方式输入,实现辐射源识别结果到目标平台结果的转换。 (2)针对目标综合识别过程中的复杂性和不确定性特点,利用贝叶斯网络融合模型对融合识别过程进行概率建模及推理。针对无约束贝叶斯网络的构建难于处理的问题,提出利用朴素贝叶斯分类器和扩展的朴素贝叶斯分类器作为基本融合结构构建融合识别网络,并采用TOP-DOWN的分层构建方法,将专家知识与样本学习相结合,构建了一个动态的多层综合识别网络。 (3)根据对朴素贝叶斯分类器和几种流行的扩展朴素贝叶斯分类器的分析,针对基于准确率提高准则的超级父节点方法提出了一种改进方法。 (4)对基于不完备样本集的网络结构学习,首先利用Gibbs抽样算法,借助已有的样本信息补全样本集,而后再利用得到的完备样本集进行网络结构的学习;对基于不完备样本集的参数学习,则首先计算参数值的上限值和下限值,再利用某种策略,如平均值法,得到参数的最终估计值。 以星载电子侦察和红外成像侦察为背景,开发了一个基于贝叶斯网络的多传感器目标综合识别系统。将融合识别结果与基于D-S理论的方法进行了比较。