弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于...弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。展开更多
文摘弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。
