基于神经网络分类的异类传感器目标关联算法
2012-10-03孟藏珍袁定波彭石宝王晓军
雷达学报 2012年4期
孟藏珍 袁定波 许 稼 彭石宝 王晓军
①(清华大学电子工程系 北京 100084)
②(中国人民解放军空军预警学院 武汉 430019)
③(北京理工大学信息与电子学院 北京 100081)
1 引言
相比于单传感器,多源信息融合系统可以在时间、空间、属性等层面提供更多维度的目标信息,能够满足日益复杂的用户要求。在民用、军事领域中得到广泛应用,如多传感器组合导航系统[1]、C4ISR 系统[2]、雷达组网系统[3,4]等。由于异类传感器能提供不同类型目标信息,实现信息互补[5],在军事领域更是备受关注。目前,雷达与红外传感器是主要的异类传感器融合系统[6,7]。两类传感器可安置在运动或静止的平台上。当红外传感器安装在高速动态平台上而雷达放置地面上时,将构成军事领域中有着特殊用途的融合系统。因此,也备受关注。但是该类融合系统中,由于红外传感器缺少距离信息且平台高速运动,使得数据融合过程中系统误差的补偿及目标关联变得异常复杂。本文将就该问题进行讨论,并给出一种有效的解决方法。
多源信息融合按照同步方式可以分为同步融合和异步融合[8,9]。本文讨论同步融合情况。同步融合一般包括空时配准、系统误差补偿、目标关联等[10]关键环节。经典的处理流程中,系统误差补偿是目标关联的基础,补偿精确与否直接决定关联的质量;而系统误差精确补偿又以目标正确关联为前提,因此,实际系统中系统误差补偿与目标关联是紧密耦合在一起的,这给问题的研究和解决带来了极大的挑战。……
登录APP查看全文
