目标识别技术.pptVIP

下载本文档

14
0
约1.84万字
约 87页
2023-04-28 发布于湖北
举报
版权申诉

目标识别技术.ppt

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

11.4 目标识别技术的应用 (3)基于模型的自动目标识别方法模型基(ModelBased,MB)首先是将复杂的目标识别的样本空间模型化,这些模型提供了一种描述样本空间各种重要变化特性的简便途径。典型的MB系统抽取一定的目标特性,并利用这些特性和一些辅助知识来标记目标的模型参数,从而选择一些初始假设,实现目标特性的预测。确定一个MB系统的最终目标时,应匹配实际的特性和预测后面的特性,若标记准确,匹配过程则会成功和有效。MB方法目前尚限于试验室研究阶段。 (4)基于传感器信息融合的自动目标识别方法单一传感器的导引头在有光、电干扰的复杂环境中,目标有哪些信誉好的足球投注网站和知识识别的能力、抗干扰能力及其工作可靠性都将降低。上一页下一页返回 11.3 目标识别技术 1. 最大隶属度原则方法设Ai(i=1,2,…,c)是论域U 上的模糊集,这里每个模糊集Ai 表示一个模糊模式类ωi 。论域中的各个元素x 对每个Ai 都有隶属度μAi (x)。如果对于给定的xi ∈U ,有为了能够运用最大隶属度原则,对于一个分类识别问题,可做如下处理。几个特征的值域分别作为论域,在其上定义若干有意义的类别属性,将它们作为模糊集,构造有关特征(值)关于这些属性的隶属函数,各类模糊集是属性模糊集的某些“运算”,即各类别的隶属函数是属性隶属函数的某种“综合”。对于一个待识别模式,将其各特征值代入各类隶属函数,运用最大隶属度原则进行分类。 2. 择近原则方法择近原则涉及贴近度。贴近度用于表征模糊集之间彼此接近的程度,可定义如下: 定义3:F(U)上的贴近度ρ 是如下映射上一页下一页返回 11.3 目标识别技术为了能构造满足上述公理化的贴近度计算公式,必须先引入模糊集的内积和外积的概念由模糊集的内积和外积的定义和性质可知,A 、B 越贴近,则A ??B 越大,而A ×B越小,即(A ×B)c 越大,因此可以用它们来刻画贴近度。定义4:设A ,B ∈F(U),则称上一页下一页返回 11.3 目标识别技术 (1)欧氏贴近度 (2)海明贴近度] 上一页下一页返回 11.3 目标识别技术 ①目标特征为论域,各特征为论域中的元素。各类或所有已知类别的模式和待识别模式看作模糊集,它们的各特征值归一化后作为隶属函数,从而产生各类与待识别模式的模糊矢量。 ② 这种途径通常用于待识别对象属于同一类的若干模式的情况。 3. 模糊C-均值算法令X = {x1,x2,…,xn},欲将这N 个n 维特征矢量xj (j=1,2,…,N )分成c类,分类结果用分划矩阵U= (uij)c×N 表示。 FCM 算法在迭代寻优过程中,不断更新各类的中心及隶属度矩阵各元素的值,直到逼近下列准则函数的最小值上一页下一页返回 11.3 目标识别技术 11.3.5 数据融合识别技术传感器信息融合又称数据融合,将经过集成处理的多传感器信息进行合成,形成一种对外部环境或被测对象某一特征的表达方式。传感器信息融合技术是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。传感器信息融合技术从多信息的视角进行处理及综合,得到各种信息的内在联系和规律,从而剔除无用的和错误的信息,保留正确的和有用的成分,最终实现信息的优化。它也为智能信息处理技术的研究提供了新的观念。单一传感器只能获得环境或被测对象的部分信息段,而多传感器信息经过融合后能够完善、准确地反映环境的特征。经过融合后的传感器信息具有以下特征:信息冗余性、信息互补性、信息实时性、信息获取的低成本性。上一页下一页返回 11.3 目标识别技术信息融合起初被称为数据融合,起源于1973年美国国防部资助开发的声呐信号处理系统。当时主要应用于军事领域,被称为“情报综合”。20世纪80年代,为了满足军事领域中作战的需要,多传感器数据融合MSDF (Multi-sensorDataFusion)技术应运而生。1988年,美国将C3I系统中的数据融合技术列为国防部重点开发的二十项关键技术之一。1991年美国已有54个数据融合系统引入到军用电子系统中去,其中87%已有试验样机、试验床或已被应用。由于信息融合技术在海湾战争中表现出的巨大潜力,在战争结束后,美国国防部又在C3I系统中加入计算机,开发了以信息融合为中心的C4I系统。此外,英国陆军开发了炮兵智能信息融合系统(AIDD)和机动与控制系统(WAVELL)。英国BAE 系统公司还开发一种被称作“分布式数据融合”(DecentralizedDataFusion,DDF)的信息融合新技术。上一页下一页返回 11.3 目标识别技术使传感器网络中的全部数据都被实时地综合和融合到了一幅单一的作战空间态势图中。欧洲五国还制订了联合开展多传感器信号与知识