张俊陆[1]2007年在《信息融合在C～4ISR系统目标跟踪与识别中的应用研究》文中认为C~4ISR意指：“指挥、控制、通信、计算机、情报、监视和侦察”。由于系统在现代高技术战争中能帮助指挥员驾驭信息和武器两要素，使军队的战斗力获得最大限度的发挥，成为现代战争能力的倍增器。因此，发展C~4ISR系统在现代战争中具有极其重要意义。数据融合，主要用于综合多信息源的数据，与任何单一信息源所获得的数据相比，提供更加精确和更加确定的数据；信息融合是C~4ISR系统中的关键技术之一，其功能模型包括低层的信号检测，位置估计和身份估计，以及高层的态势估计和威胁估计；同时信息融合也是许多传统学科和新兴的工程领域相结合而产生的一项新技术。本文就C~4ISR系统信息融合技术发展方向进行了阐述，提出了BP神经网络和模糊神经网络以及专家系统是C~4ISR系统智能发展的观点。信息融合在往智能化方面的发展必将引发C~4ISR系统的智能化。未来战场特别是C~4ISR系统对智能的信息融合技术需求也越发的重要。本文在深入分析C~4ISR系统的特点、以及信息化战场对指挥控制系统的需求基础上，构造了基于C~4ISR系统信息融合框架，以解决现代系统中的实时性、容错性和对不确定信息的推理等问题。探讨了信息融合在C~4ISR系统中目标跟踪和识别方面的应用。目标跟踪是C~4ISR系统信息融合低层级别上的一个重要方面，对于机动目标的跟踪问题，利用“当前”统计数学模型，详细讨论了神经网络自适应目标跟踪算法。本文针对传统的目标跟踪技术存在快速响应与提高精度之间的矛盾，根据卡尔曼滤波自适应跟踪系统方差与加速度方差成正比的关系来调整系统方差，提出了一种改进BP网络自适应目标跟踪方法，该方法利用速度残差与加速度的关系来调节系统方差，以达到精确跟踪目标的目的。仿真证明改进算法在一定程度上较传统方法有优势。目标识别是信息融合在C~4ISR系统中应用的又一个方面，是态势评估和威胁估计的基础。我们根据信息融合数据级融合，提取特征信息，利用模糊神经网络来解决特征信息不确定、数学模型难建立的目标识别问题，仿真证明，模糊神经网络对目标识别有着良好的应用前景。
吴荣春[2]2016年在《军事信息系统中信息融合关键技术研究》文中研究表明军事信息系统是用来在整个军事作战范围内支持指挥官筹划、决策、指挥作战等为一体的指挥控制平台,是军队战斗力的“倍增器”。它是对各军兵种所使用的信息系统进行综合设计、综合集成和综合运用,是信息系统、武器系统和军事保障系统的粘合剂。信息活动的描述、融合是军事信息系统动态要素建模、分析与仿真的基础。但是,从信息融合角度对军事信息系统的研究,当前国内外尚未见到比较系统的研究成果。本文研究的总目标是探究人脑信息融合的认知机制,研究其内在组网、特征提取、信息融合、知识表达和推理、决策等认知机理,并将研究结果应用于现代军事系统中多传感器目标跟踪与信息融合过程中。从认知科学的角度为军事信息系统应用背景下目标监测和信息融合,得出有效的融合策略提供指导或者参考。研究工作与创新点主要体现在以下四个方面:一、提出了一种基于内部模型驱动的融合进化结构体系理论方案。人的大脑处理信息过程是一种复杂的信息融合过程,其构建在一种智能、灵活的多源信息融合进化结构体系基础上。本文在借鉴人脑研究的相关理论基础上,通过对比多源信息融合进化过程与人脑的信息融合的模型、机制,指出大脑存在是由大量局部神经元构成的局部神经元回路,由此提出了一个很重要的概念:融合元;并通过研究发现多源信息融合系统的进化过程与分布式的神经网络体系结构具有很多相似特点,由此提出了一种基于内部模型驱动的融合进化结构体系理论方案。最后,从理论解析和现代军事应用背景下仿真实验证实,基于内部模型驱动的多源信息融合系统进化体系结构将大大提高作战效能和战时应变能力。二、提出了适应于战场感知信息融合的智能化分布式系统组网方法。现代战争中智能化装备的使用以及对信息处理能力的需求的不断提高,网络中心战环境逐步实现智能化组网的需求变得越来越迫切。从本质上说,网络中心战环境的战场感知,是通过有效地连接战场空间中知识实体节点将信息优势转化为战斗力,而任何一个空间中知识实体节点,都可以在条件合适的情况下产生一次信息融合事件,通过请求网络系统资源的协作,实现多传感器、智能接口的资源共享和信息交流,这使得信息之间的相关性、冗余性,以及统计分布特性等变得更加复杂和难以确定。由此,本文提出了智能化分布式系统组网方法,通过分布协作式调度网络中各融合元,融合元节点相互之间进行协调来做出决策,达到共同完成信息资源调度融合任务的目的。实验表明,分布式系统组网方法更适合融合节点获取战场信息。叁、提出一种可以用于多传感器目标监测的融合非统计方法,即表决融合。适应于网络中心战环境的战场信息类型杂、信息源多、信息量巨大、信息质量差且富含诱骗,要从这样的信息环境中快速、准确、完整地提取出指挥员所需要的战场态势和环境图景来,难度极大,需要解决的问题极多。由此,提出了利用分布式网络多传感器监测目标的结果,来综合得出目标是否存在的判决技术,应用于目标身份信息融合的不确定性推理技术,提出一种简单的非统计方法,即表决融合,它可以用于多传感器目标监测的融合。实验表明:应用表决融合可获得高的节点感知性能。四、提出了一种能提高传感器组网的发现能力和连续观测能力的多传感器自适应状态融合技术。自适应状态融合技术着眼于算法间的互补性达到某种优化,算法能够根据信息源特性和目标自动选择最有效算法,具有透明性和开放性,是多层次多模型的自适应算法。实验证实:算法提出将为指挥信息系统信息融合提高精度、反隐身、反低空入侵、抗丢失目标等带来较大好处,同时可克服传感器性能不稳定等缺陷。
王智[3]2010年在《机载多传感器数据融合技术研究》文中认为本文针对当前机载多传感器系统工程应用中面临的实际问题,对机载多传感器数据融合技术进行了研究,研究内容主要集中于机载多传感器资源分配、目标类型识别、状态估计与跟踪四个方面。系统建立了基于线性规划的多传感器资源分配算法模型,针对实际的机载火控系统的工程背景,提出将目标相对价值与传感器对目标的平均跟踪(锁定)时间之比作为效能函数,从而便于基于线性规划的分配算法的实现。给出了雷达与红外的协同探测模型和融合仿真模型。多假设跟踪算法最早应用于红外等图像跟踪系统的数据处理,一直以来都应用于单传感器的目标跟踪中,对于多传感器组网的MHT应用情况,国内目前无任何相关报导,国外已有大型的先进组网探测系统应用了该算法框架,但未见技术细节。本文对机载雷达网系统的多假设跟踪(MHT)框架设计和工程实现问题进行了系统深入的研究。针对系统实际工程特点和实装情况,重点研究了集中式点迹融合的MHT的框架构建问题,并对工程实现中的若干关键技术细节进行了说明。对目标电磁散射特征的证据组合识别作了研究,针对证据组合中的基本概率赋值求取问题,设计了单特征和多特征的目标组合识别方法,并对其实际效果进行了比较、分析和评价。针对机载红外搜索跟踪系统的特点,分别对远距离IRST的第叁代图像跟踪技术、多站交叉跟踪技术、红外与无源时差系统联合定位技术进行了研究。将Bayes检测引入到红外图像传感器在目标检测时的灰度过滤中,得到新的PDAF参数(检测概率、虚假量测分布等)。在基于MHT的远距离IRST的图像跟踪方法中,针对远距离IRST的目标属性信息的利用以及MHT的相关处理提出了相应解决办法。对双站交会跟踪的精度进行了CRLB不等式下界计算,并借用单站跟踪的模式建立一种基于单站的修正增益扩展kalman滤波(MGEKF)跟踪方法。对红外与无源时差定位系统的联合定位问题进行了精度分析。
倪龙强[4]2015年在《目标跟踪系统数据处理关键技术研究》文中研究说明综合利用来自多种传感器输出的目标和环境信息,及时、准确、有效的实施对海陆空天各路目标的状态估计与信息融合(即数据处理),是战场预警、精确打击、空中交通管制、智能监控等重要领域的关键技术之一。随着感知环境与对象复杂多变、感知手段日益丰富、感知要求日益提高,使得目标跟踪问题越来越呈现出复杂系统的不确定、非线性、多模态等复杂系统特性。本论文紧密围绕目标跟踪系统中的非线性估计、数据关联、弱小目标检测与跟踪、多传感器融合等关键技术进行研究,主要内容与创新点如下:(1)针对固定采样数目粒子滤波器效率低下以及KLD采样方法门限选择困难等的缺点,提出了一种平滑辅助的自适应采样粒子滤波方法。设计了一种基于粒子平滑器的在线度量指标,实时度量上一时刻的滤波结果,从而自适应选择下一时刻的采样粒子数量。由于采用了粒子平滑和自适应采用策略,使得算法具有较好的估计精度。仿真结果表明了算法的有效性。(2)针对雷达对某型靶机试验的机动目标跟踪问题,设计了一种交互式多模型不敏卡尔曼滤波器(IMM-UKF)。并与经典的模型切换方法进行了比较分析,通过实际工程验证,结果表明:虽然两种方法都能够对机动目标进行连续跟踪,但是基于决策逻辑的模型切换法在模型切换过程中跟踪误差超差严重,而多模型跟踪方法在整个跟踪过程中误差稳定。(3)针对传统联合概率数据关联方法(JPDA)在密集杂波环境下确认矩阵构造困难等不足,提出了一种基于粗糙集的概率数据互联方法。基于粗糙集理论来处理落在跟踪门内的回波量测,通过计算关联近似质量对目标量测进行分类,将跟踪门交叉区域内的量测区分对待,避免复杂的确认矩阵计算。通过某防空武器在复杂电磁环境下的适应能力试验表明:与JPDA算法相比较,本文提出的粗糙集概率数据互联在不损失估计精度的情况下,有效降低了计算量。(4)针对复杂环境下弱小目标检测与跟踪问题,提出了一种量测空间自适应划分的微弱多目标检测前跟踪方法。采用两层划分策略,先对量测空间进行粗划分,通过量测似然比检验目标可能存在的区域;再对目标存在区域进行细划分,设计了一种带有目标可见性和关联性指示信息的Rao-blackwellised粒子滤波器进行目标的检测和跟踪,从而自适应调整量测空间的划分粒度。仿真结果表明:本文提出的方法能够在较低的计算复杂度条件下有效提高目标检测与跟踪性能。(5)针对多传感器目标识别可能存在冲突问题,提出了一种基于局部冲突分配策略的证据合成规则。综合考虑了各传感器对不同目标识别结果之间的冲突和不同传感器对同一目标识别之间的冲突,进行冲突的局部分配和证据合成。通过多传感器联合识别算例,对该方法进行了验证。结果表明:所提出的方法具有良好的一致性,同时在冲突证据合成时,能够有效提高目标识别能力、降低决策风险。(6)针对低检测概率、密集杂波复杂环境下的多目标跟踪问题,提出了一种基于Rao-Blackwellized粒子滤波的联合多传感器多目标跟踪方法。通过建立目标数目的马尔科夫模型,多传感器多目标关联假设的贝叶斯全概率模型,采用Rao-Blackwellized粒子滤波进行统一联合处理。仿真结果表明:所提出的方法能够处理目标数目未知条件下的非线性、机动多目标检测、关联与跟踪问题。(7)工程中通常先用雷达对远距离目标进行探测和跟踪,等目标到达红外跟踪范围内以后,跟踪系统应用雷达输出的目标状态对红外跟踪系统进行导引。然而,由于红外只能输出关于目标的测角信息,要完成跟踪任务就必须要有其它辅助手段来获取目标距离信息,因此本文对雷达/红外联合跟踪方法进行了研究,设计了雷达/红外联合跟踪器,通过仿真对融合系统的性能进行分析。
李云湘[5]2012年在《基于PHD滤波的多目标跟踪技术研究》文中认为多目标跟踪技术因其在军事和民用领域发挥的巨大作用，一直是一个备受关注的研究领域，性能稳定且高效的跟踪滤波算法是多目标跟踪技术研究的核心，也是本课题研究的重点和难点。随着近些年来传感器技术的蓬勃发展，出现了一些传统的多目标跟踪算法难以解决的新问题，迫切需要探索新的多目标跟踪算法来解决这些问题。基于随机有限集(Random Finite Set, RFS)理论的概率假设密度(Probability Hypothesis Density, PHD)滤波算法是近年来发展起来的一种非数据关联多目标跟踪算法，可以克服传统数据关联算法带来的一系列问题，能解决复杂环境中目标个数变化的多目标跟踪问题，正受到各国学者的广泛关注。因此，本文从单传感器、多传感器以及多扩展目标跟踪应用叁个方面，对基于PHD滤波的多目标跟踪算法及其应用展开深入地分析和研究。论文主要工作如下：第二章详细介绍基于PHD滤波的多目标跟踪理论基础，首先对多种跟踪条件下的多目标观测似然进行了深入地研究，然后对粒子滤波基本算法及其性能影响因素进行了详细地讨论，最后给出多传感器信息融合理论的基本内容，为本文后续章节的研究提供理论支撑。第叁章针对先验采样分布和基于聚类的状态提取算法的使用导致单传感器条件下标准粒子PHD(Particle PHD, P-PHD)滤波多目标跟踪性能下降的问题，通过观测方程线性化以及粒子和观测集的匹配处理，提出了一种免聚类最优粒子PHD(Free Clustering Optimal Particle PHD, FCO-P-PHD)滤波算法，该方法可以得到粒子PHD滤波的最优采样分布解析形式，实现了最优粒子PHD滤波，并且不需要利用聚类算法即可提取多目标状态，避免了聚类算法的使用对粒子PHD滤波性能带来的不利影响。此外，由于FCO-P-PHD滤波中的免聚类多目标状态提取方法与最优采样分布解析形式的获取过程是耦合在一起的，通过解耦合处理，提出一种新的单传感器条件下的免聚类状态提取方法，该方法可作为状态提取算法独立使用，与标准的粒子PHD结合，即可得到免聚类粒子PHD(FC-P-PHD)滤波算法。最后通过仿真实验验证了所提算法的有效性和相比已有算法的性能优势。第四章首先对乘积多传感器PHD(Product Multi-sensor PHD, PM-PHD)滤波和序贯PHD(Sequential PHD, S-PHD)滤波的优缺点及其之间的关系进行讨论，得到S-PHD滤波是PM-PHD滤波的一个特例的结论。然后，针对目标距离较近时，聚类算法提取多目标状态性能较差的问题，提出多传感器条件下的免聚类状态提取方法，将其与乘积多传感器粒子PHD(PM-P-PHD)滤波结合，提出免聚类乘积多传感器粒子PHD(FC-PM-P-PHD)滤波算法。实验表明：提出的多传感器条件下免聚类状态提取方法优于聚类的状态提取方法，尤其是目标距离较近时，FC-PM-P-PHD滤波的跟踪滤波性能大幅优于PM-P-PHD滤波。第五章针对当前扩展目标PHD(Extended Target PHD, ET-PHD)滤波在处理非线性条件下多扩展目标跟踪问题时存在的性能下降以及计算效率不高的问题，提出一种新的基于PHD滤波的多扩展目标跟踪算法。首先，推导出能处理非线性问题的ET-PHD滤波的粒子滤波实现形式，即扩展目标粒子PHD(ET-P-PHD)滤波。然后，对ET-P-PHD滤波的计算复杂度进行分析，发现观测集的分割种数和观测子集系数的计算是影响ET-P-PHD滤波计算效率的主要因素，提出基于K-means聚类的观测集分割方法，减少了观测集的分割种数，同时提出基于观测与目标状态似然关系的状态空间加窗方法，简化了观测子集系数的计算。仿真实验表明，本文提出的算法能很好的处理非线性多扩展目标跟踪问题，且大幅提升了算法的计算效率。
唐怡冬[6]2005年在《基于信息融合的车辆跟踪技术研究》文中指出交通运输是国民经济的命脉,智能交通系统ITS(Intelligent Transport System)研究采用各种信息化智能化技术对现代交通运输进行管理,对交通运输的参与者提供服务。近年由于车辆和道路的飞速发展,ITS受到了国内外的高度重视。 本文选择ITS领域中的车辆跟踪做为具体研究对象,结合先进的信息融合技术,讨论具体的车辆跟踪实现技术。 论文首先介绍了智能交通系统(ITS)的相关知识,由此引出论文的选题背景。 接下来,对信息融合技术从其概念、原理、体系结构,关键技术,以及在ITS中的应用给予介绍,特别提出了在车辆跟踪中的实际应用。 论文的第叁章重点研究了在ITS系统中的信息融合技术,基于对ITS系统信息特征的分析,分别讨论了决策信息融合和目标信息融合。尤其是针对目标信息融合,考虑到分布式多源信息的具体情况,提出了分布式复合多源信息融合系统,实验证明该方法具有良好的信号处理能力、抗干扰能力和容错能力。 论文的第四、五章针对ITS系统中的特定问题——车辆跟踪,运用信息融合技术,分别提出了基于Kalman滤波的车辆跟踪算法和基于异类传感器信息融合的车辆跟踪方法,并给出了实验结果。 最后论文予以全面总结,并就车辆跟踪的下一步发展和研究工作进行展望。
宁宣杰[7]2014年在《基于空防雷达网络的多传感器信息融合关键技术研究及其应用》文中研究表明近年来,海湾战争及911恐怖袭击、马航MH370失联等国际事件暴露出的空防情报不共享、提供目标属性不明确、航迹不连续、态势评估不准确等问题,严重影响了战争行动和反恐作战。我军受指挥关系、武器性能、地理遮蔽、编制体制等条件约束,不同程度地存在着上述问题,因此,从2010年开始,重点加强了对空防雷达网络情报系统的研究和建设。本论文所研究的课题,系作者从事几十年雷达情报系统建设与保障维护工作基础上,结合工作实践经验所做的创新和探索。课题重点研究了空防雷达网络系统在多传感器信息融合中的优化布站、目标识别、目标跟踪、威胁评估等关键技术,探讨了有关技术的改进问题,并在工作实际中进行了应用。课题的研究较好地发挥了多传感器信息融合技术在空防雷达网络中的作用,提高了空防雷达网络系统整体作战性能。论文以实现空防雷达网络系统的布站优化,改进异类传感器信息融合的目标识别,完成被动传感器的目标跟踪,以及分析空防威胁评估为目标,主要基于蚁群算法(ant colony optimization, ACO)、模糊神经网络、高斯-厄密特滤波(Gauss-Hermite filtering, GHF)、贝叶斯网络(Bayesian networks, BN)等信息融合理论及方法,对空防雷达网络系统的布站优化、目标识别、目标跟踪、威胁评估等展开研究及实践应用。论文首先归纳了多传感器信息融合的特点和基本定义。描述了信息融合的系统模型和主要算法,异类传感器系统可以实现信息互补,避开各自缺点,但融合复杂,没有统一方法：被动传感器本身不发射信号,具有较强的生存能力和反隐身能力。其次,基于雷达网络布站方案及优化方法,实地搭建了空防雷达网络系统平台。研究了基于ACO算法的雷达网络布站方案,提出了基于参数优选演进的优化布站方法,仿真得到了较好的布站方案；进行了实地勘察,完成了空防雷达网络系统的实地搭建,验证了理论方法的正确性和可操作性。再次,研究了空防雷达网络系统基于异类传感器信息融合的目标识别改进问题。讨论了基于3种异类传感器构建异类传感器信息融合系统,研究了特征层基于模糊神经网络的改进聚类中心选择方法和决策层改进D-S证据组合矛盾冲突解决方案；对四批四架飞机日标进行了侦测,得到了目标特征参数,进行了仿真实验,完成了空防雷达网络系统对空中目标融合识别的改善。之后,基于多被动传感器系统,讨论了空防雷达网络纯方位多目标跟踪融合方法。分析了被动雷达纯方位条件下基于高斯-厄密特滤波(Gauss-Hermite filtering, GHF)的目标航迹关联更新方法,利用目标先验信息计算得到全体观测与目标的可行划分；基于空防雷达网络系统,对两批两架飞机目标进行了纯方位被动跟踪关联,并对关联结果进行了比较。最后,结合空防雷达网络系统对多种情况下的敌机威胁等级进行了评估分析。给出了威胁评估的数学描述,建立了模糊动态贝叶斯网络(fuzzy dynamic Bayesian networks, FDBN)模型,对两批两架飞机目标进行了模拟空战的雷达侦测,并通过计算机仿真给出了基于模糊动态贝叶斯网络的威胁评估(threat assessment using fuzzy dynamic Bayesian networks, TAFDBN)推理过程,以及FDBN灵敏度计算,研究结果扩展了空防雷达网络系统的作战应用。
蒋定定[8]2010年在《基于多传感器信息融合的车载多目标跟踪算法研究》文中研究指明本文分析、总结了数据关联的诸多方法,从应用角度讨论了信息融合的功能模型和融合方法,以及目标跟踪技术中的一些基本要素。论文以科研项目“装甲车辆多传感器信息实时处理系统”作为研究背景,阐明了多目标跟踪所采用的主要算法,并着重分析了在几个关键问题上所采用的处理方案。首先,文中介绍了数据关联算法中的最近邻算法和数据关联快速算法,并进行了仿真实验和结果对比分析,验证了二者的优缺点。在前人研究的顺序多传感器联合概率数据关联算法基础之上,基于数据关联快速算法,文中提出了一种新的关联算法—顺序数据关联快速算法,该算法的基本原理是：凡是落入跟踪门内的点迹,都认为是所跟踪目标的一个有效回波,只是每个有效回波的互联概率不同,而互联概率是根据有效回波的正态分布计算得到,最后利用第一次滤波结果和观测数据进行第二次滤波以减少误差。同时对该算法和数据关联快速算法进行了仿真及误差对比分析,验证了顺序数据关联快速算法的有效性。其次,针对战场目标跟踪中雷达获得的目标角度误差大的问题,引入了高精度的红外方位探测信息进行关联,用以修正融合航迹点的方位角,该算法充分利用了红外与雷达的互补性,经仿真实验,降低了目标航迹的方位角和俯仰角跟踪误差,取得了较好的实验效果。
陈玉坤[9]2007年在《多模复合制导信息融合理论与技术研究》文中研究指明信息融合技术是多模复合制导武器的关键技术之一,它对改善精确制导武器的性能具有至关重要的意义。本文主要针对多模复合制导导引头技术研究课题中的信息融合技术,论证了信息融合分机的软、硬件设计和实现。根据系统的总体设计要求,其信息融合部分需要进行决策融合、数据关联和数据融合。文中研究了多模导引头信息融合所采用的算法,并在研制出的信息融合分机中运用了上述优选算法。同时,对信息融合的这几个关键技术进行了深入的理论研究。在数据预处理方面,研究了异常数据的识别、修补和时间对准方法。量测数据中野值的剔除方法对跟踪性能有很大影响,针对干扰影响大小的不同,提出了一种对新息在线自适应加权的方法。该方法首先进行野值的判决并剔除,在判决并去掉野值后,对新息乘以一个单调下降的加权函数,根据新息的大小自适应在线调整其权值,改变量测值对滤波估计的修正作用,从而达到提高滤波精度的目的。在决策融合理论方面,主要研究证据理论,侧重于冲突情况下的证据理论处理,研究了证据理论存在的问题以及相应的改进算法。改进算法可以充分利用各传感器信息,并对组合结果进行自适应选择,自适应选择的结果与传感器精度、可靠性以及判决门限值有关。此算法可以解决冲突情况下的目标决策问题。在数据关联方面,研究了最近邻法(NN)、概率数据关联算法(PDA)和联合概率数据关联(JPDA)算法。在杂波环境中,概率数据关联和联合概率数据关联算法是目前十分有用的跟踪算法,但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值就会偏离真实值很多,造成滤波发散,严重影响性能。针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法,并进行了对比仿真,仿真结果验证了修正算法的有效性。在融合算法方面,研究了状态向量融合、量测向量融合、离散卡尔曼滤波递推方程和数据融合算法。根据理论和实验结果,提出了一种新的状态融合模型,即修正的测量航迹—航迹融合模型(MMTF),作为叁模导引头数据融合的数学模型,并为模型提供了理论依据。基于卡尔曼滤波预测、修正的思想,对雷达、红外传感器数据融合问题进行了研究,提出了雷达、红外传感器数据融合的新方法,仿真和实验结果表明,它可使主动雷达、红外传感器达到较好的数据融合效果。在系统实现方面,根据系统的指标要求,给出了基于高速DSP处理器TMS320C6201和FPGA的整体硬件设计、系统工作过程和软件流程,通过RS—422串口和主机口(HPI口)实现融合分机与被动雷达、主动雷达、红外传感器和弹上计算机的通信,完成了整个设计流程的调试。通过高山对海试验的检验,达到了实时跟踪的效果。
高国旺[10]2013年在《全向IRST系统的图像处理与信息融合技术研究》文中研究表明红外搜索与跟踪（Infra-Red Searchand Tracking，IRST）系统是一种被动式的红外探测系统，具有隐蔽性好、角分辨率高、抗电磁干扰能力强等优点，已成为现代战争防御体系中的关键装备之一。特别是随着光电对抗技术的迅速发展及广泛使用，导弹、飞机等飞行速度不断提高、导弹作战方式的多样化（如一箭多头、真伪弹齐发、多方位群发等）以及实际作战环境的复杂性，都要求IRST系统必须同时兼具响应快、视场大（全向视场）和空间分辨率高（又称高精度）等性能。作者所在项目组提出的空间多路IRFPA凝视成像全向IRST系统方案，能较好地满足上述性能要求，本文重点研究系统的图像与信息处理算法及其硬件实现技术。论文在分析空间多路IRFPA凝视成像全向IRST系统结构和工作原理的基础上，对系统信息处理中涉及的关键技术，如红外图像预处理、弱小目标的检测与跟踪、信息融合（包括图像拼接和目标航迹融合）等问题进行了较深入的研究，提出了适用全向IRST系统性能要求的图像与信息处理算法，理论分析与仿真实验结果均验证了提出算法的合理性和有效性。最后，还设计并研制完成了实时实现上述算法的软硬件平台。论文的主要研究工作如下：1.分析了IRFPA非均匀性产生的机理和常用非均匀性校正算法的不足，研究了基于多分辨分析小波变换的非均匀性校正算法，该算法实现了非均匀性的增益和偏置参数自适应的校正。实验结果验证了算法的有效性，使图像的质量有着明显的改善。2.针对全向IRST系统工作环境中可能遇到的复杂云层背景和人为干扰，研究了基于全相位非下采样轮廓波变换（APNSCT）的背景抑制算法。为了增强算法的适应性，提出了两种较高性能的改进算法：基于双边滤波的APNSCT背景抑制算法和基于全变差模型的APNSCT背景抑制算法。实验结果显示，两种算法都能够有效抑制多种复杂背景，提高了图像信噪比，并且结构简单，实时性好。3.采用自适应阈值分割算法和帧间相关序列图像检测算法，实现了弱小目标的精确检测，并利用检测概率、虚警概率和ROC曲线对目标检测算法性能进行了评价。为了实现对不同运动状态目标的可靠跟踪，提出了基于交互式多模型的卡尔曼-高斯粒子滤波（IMMK-GPF）的机动目标跟踪算法，该算法具有跟踪精度高、适应性强和实时性好等特点，具有良好的工程实用价值。4.研究了全向IRST系统中的信息融合技术，包括目标航迹融合与图像拼接。采用分布式航迹融合结构方案，研究了分布式航迹关联算法与航迹融合算法，通过理论分析与仿真，算法可满足系统的性能指标要求。另外，还研究了多路小视场图像生成全向视场图像的拼接算法，实现了红外图像的准确、快速拼接。5.为了实时实现全向IRST系统的图像与信息处理算法，设计并研制完成了一套基于FPGA与DSP的高速并行处理的硬件平台，给出了基于DSP/BIOS实时操作系统的RF5软件设计框架结构。硬件平台不仅功能和实时性均满足全向IRST系统的要求，而且还具有稳定性好、易于扩展和便于维护等优点。总之，通过研究，文中提出的全向IRST系统的图像与信息处理算法以及实时实现算法的软硬件平台，都满足研究项目的性能指标要求，从而为研制高性能的全向IRST系统探索出了一条有效的技术途径，也为全向IRST系统的工程化实现奠定了一定的基础。
参考文献：
[1]. 信息融合在C～4ISR系统目标跟踪与识别中的应用研究[D]. 张俊陆. 哈尔滨工程大学. 2007
[2]. 军事信息系统中信息融合关键技术研究[D]. 吴荣春. 电子科技大学. 2016
[3]. 机载多传感器数据融合技术研究[D]. 王智. 南京理工大学. 2010
[4]. 目标跟踪系统数据处理关键技术研究[D]. 倪龙强. 西北工业大学. 2015
[5]. 基于PHD滤波的多目标跟踪技术研究[D]. 李云湘. 国防科学技术大学. 2012
[6]. 基于信息融合的车辆跟踪技术研究[D]. 唐怡冬. 四川大学. 2005
[7]. 基于空防雷达网络的多传感器信息融合关键技术研究及其应用[D]. 宁宣杰. 东北大学. 2014
[8]. 基于多传感器信息融合的车载多目标跟踪算法研究[D]. 蒋定定. 中国海洋大学. 2010
[9]. 多模复合制导信息融合理论与技术研究[D]. 陈玉坤. 哈尔滨工程大学. 2007
[10]. 全向IRST系统的图像处理与信息融合技术研究[D]. 高国旺. 西安电子科技大学. 2013
标签：自动化技术论文; 信息融合论文; 数据融合技术论文; 自适应算法论文; 粒子滤波论文; 仿真软件论文; 图像融合论文; 红外传感器论文; 传感器技术论文; 关联分析论文; 概率计算论文; 红外技术论文; 数据滤波论文; 图像滤波论文; 平滑滤波论文; 卡尔曼滤波论文; 雷达论文;