陈新来

(海军蚌埠士官学校，安徽蚌埠 233012)

0 引言

战争条件下，目标属性信息的获取具有很大的不确定性，更使得海战场目标的识别面临很大的困难。能否对目标进行准确快速识别关系到战场的胜负，各国都致力于目标识别技术的研究。目前采用的目标识别方法主要有基于隶属度和D-S理论的目标识别［1－3］、基于贝叶斯网络的目标识别［4］、模糊聚类和模糊模式识别［5］、图像融合的目标识别［6］和一些智能方法［7－8］等。这些方法综合运用目标的物理特征和战术特征对目标进行识别将可以提高对目标类型识别的准确性和科学性，但同时也增加了指标的复杂性和综合分析的难度。随着传感器技术的发展使海战场可以获得的目标信息空前广泛，涉及运动特征、电磁特征、声响特征、影像特征等各个方面，将传感器得到的信息全部用于对目标的识别，冗余信息的加入使得识别复杂性增加，识别速度大大减慢，无关信息的加入甚至会使目标识别中出现较多的误判。而海战场态势分析对目标的识别速度与准确度要求是很高的。

可以将统计分析与神经网络结合起来，首先运用多元统计分析中的主成分分析法对海上目标的多项指标进行综合聚集，将海上目标繁杂的高维价值指标浓缩为互不相关的低维指标来处理，借助神经网络学习能力强，而且有一定的泛化能力的特点，能够对未在样本中出现的目标进行正确识别。提高识别速度和准确度。……