多传感器信息融合是指对一来自多个传感器的数据进行多级别、多方面、多层次的处理,从而产生新的有意义的信息,而这种新信息是任何单一传感器所无法获得的。多传感器信息融合在国防上己经发展成为一个十分活跃的热门研究领域。现代海战瞬息多变,潜艇静悄悄地在激流涌动地大洋洋面下航行,在意想不到地时间和地点出现并给敌军舰艇以致命地打击。如今潜艇在向深、快、静方向发展,力图通过占领地球的“内层空间”,以对付敌国的潜在威胁。近年来,随着卫星预警技术的发展,大型水面舰艇几乎无法隐蔽地接近攻击目标,潜艇成为最可靠的武器载荷平台,最有效的第二次核打击力量。 本文以潜艇目标识别为背景研究了多传感器数据融合。水下目标识别不能用图像的模式识别来确定目标的类型及其特性,在现代军事发展中潜艇目标识别是利用潜艇在水下航行的特性提取传感器数据,然后进行数据融合。战场目标识别的准确与及时,对后面的态势评估和威胁估计有重要的意义,做到“知己知彼,百战不殆”也是在战争中取胜的关键。 本论文介绍了多传感器信息融合技术的发展过程及其在目标识别中的研究意义和研究现状,综述了信息融合算法及其国内外研究动向。研究了多传感器信息融合技术,针对水下多传感器目标识别的实现问题,论文对其相关技术进行了理论上的研究。主要内容如下: 在数据融合基础理论方面:全面阐述了有关数据融合的基本概念、融合原理、发展简史、应用概况、结构级别以及数据融合技术等,总结分析了数据融合功能模型和结构模型的原理、结构特点及其主要融合算法。 在多传感器数据融合的目标识别技术方面,首先对目标识别算法进行了分类,然后对信息融合中的Bayes推理、Dempster-Shafer证据推理方法、身份融合的最佳方法和神经网络目标识别算法进行了详细的阐述。 在潜艇目标识别中,对潜艇的特征作了详尽的分析并对所用传感器作了具体部署,同时给出了实例分析,对本文所说的数据融合的目标识别方法作了具体的应用,最后对几种目标识别方法进行了比较,展望了未来的发展方向。