李陆军， 杨 源， 赵兴刚， 潘小平， 王志刚

(1. 93975部队， 新疆 乌鲁木齐 830000； 2. 空军预警学院研究生大队, 湖北 武汉 430019；3. 66136部队，北京 100043)

在反导预警系统中，目标识别是最关键、最核心的环节。弹道导弹目标识别涉及的装备种类复杂，技术含量高，易受外界环境干扰，且弹道导弹目标突防手段多样，目标环境复杂，单个传感器、单个特征难以有效完成目标识别任务[1]。因此，多传感器、多特征融合识别将是未来发展方向。多传感器融合可分为数据层、特征层和决策层[2-3]。当前，多传感器融合问题研究主要集中在决策层，如：笔者等[4]提出了一种基于证据理论(Dempster-Shafer Theory，DST)和比例冲突再分配准则5(Proportional Conflict Redistribution Rule 5，PCR5)的弹道目标识别方法，有效解决了识别中不稳定、不一致信息的融合问题；金宏斌等[5]提出了一种基于DSm(Dezert-Smarandache)理论的弹道导弹目标综合识别方法，有效解决了多传感器相互矛盾的、模糊的信息融合问题；李昌玺等[6]提出了一种基于专家系统的弹道导弹目标综合识别方法，引入专家系统理论对冲突证据和非冲突证据分别进行处理，最后通过实例验证了该方法的有效性。尽管上述研究均不同程度地解决了不一致、冲突的信息融合问题，但由于决策层融合事先对传感器的数据进行了浓缩，预处理代价高，势必会减少信息含量。因此，需要加强数据层、特征层的数据融合研究。

数据层融合虽信息利用充分，但因数据量大、运算时间长，无法满足导弹防御系统的实时性要求。特征层融合位于数据层和决策层之间，既能保证信息量，又能满足实时性，因而更适合弹道导弹目标综合识别。……