留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多源数据多特征融合的弱小目标关联研究

刘铮 毛宏霞 戴聪明 魏合理

刘铮, 毛宏霞, 戴聪明, 魏合理. 基于多源数据多特征融合的弱小目标关联研究[J]. 红外与激光工程, 2019, 48(5): 526001-0526001(6). doi: 10.3788/IRLA201948.0526001
引用本文: 刘铮, 毛宏霞, 戴聪明, 魏合理. 基于多源数据多特征融合的弱小目标关联研究[J]. 红外与激光工程, 2019, 48(5): 526001-0526001(6). doi: 10.3788/IRLA201948.0526001
Liu Zheng, Mao Hongxia, Dai Congming, Wei Heli. Dim and small target association based on multi-source data and multi-feature fusion[J]. Infrared and Laser Engineering, 2019, 48(5): 526001-0526001(6). doi: 10.3788/IRLA201948.0526001
Citation: Liu Zheng, Mao Hongxia, Dai Congming, Wei Heli. Dim and small target association based on multi-source data and multi-feature fusion[J]. Infrared and Laser Engineering, 2019, 48(5): 526001-0526001(6). doi: 10.3788/IRLA201948.0526001

基于多源数据多特征融合的弱小目标关联研究

doi: 10.3788/IRLA201948.0526001
详细信息
    作者简介:

    刘铮(1981-),男,高级工程师,博士生,主要从事目标特性与识别方面的研究。Email:mchina@sina.com

  • 中图分类号: TN215

Dim and small target association based on multi-source data and multi-feature fusion

  • 摘要: 异质传感器弱小群目标关联是传感器协同探测首先要解决的问题。即使在同视场下,由红外光电系统和雷达组成的异质传感器探测目标也不完全一致,特别是远距离探测时,雷达探测目标多而密集,红外光电系统探测目标相对较少,此时目标航迹关联结果具有很大不确定性。针对这一难题,采用基于多源数据多特征融合的弱小目标关联方法,首先基于多模型估计方法筛选同类型目标作为潜在关联目标,再基于航迹关联算法对同类型目标粗关联,最后基于多特征最大联合概率分布对目标精细关联。经红外光电系统/雷达同站址探测仿真试验验证,相比于仅利用航迹进行目标关联,该方法有效提高了弱小目标关联的准确性。
  • [1] Fang Feng, Cai Yuanli. Multi-sensor space registration for maneuvering target tracking[J]. Journal of Solid Rocket Technology, 2016, 39(4):574-581. (in Chinese)
    [2] Niu Xichen, Xiong Jiajun, Ding Xiao. Fuzzy data association based on multi-feature and multi-target[J]. Fire Control Command Control, 2015, 40(10):46-52. (in Chinese)
    [3] Han Hong, Liu Yuncai, Han Chongzhao, et al. Sequential track-association algorithm in multi-target tracking system by using the multi-sensor information fusion[J]. Signal Processing, 2004, 20(1):30-34. (in Chinese)
    [4] Keshavarz H, Tajeripour F, Faghihi R, et al. Developing a new approach for registering LWIR and MWIR images using local transformation function[J]. Signal, Image and Video Processing, 2015, 9(1):29-36.
    [5] Sajjad Safari, Faridoon Shabani, Dan Simon. Multirate multisensor data fusion for linear systems using Kalman filters and a neural network[J]. Aerospace Science and Technology, 2014, 39:465-471.
    [6] Bahador Khaleghi, Alaa Khamis, Fakhreddine O Karray, et al. Multisensor data fusion:A review of the state-of-the-art[J]. Information Fusion, 2013, 14:28-44.
    [7] Lv Dechao, Fan Jiangtao, Han Gangweng, et al. A review of particle filters[J]. Astronomical Research Technology, 2013, 10(4):397-409. (in Chinese)
    [8] Qu Congshan, Xu Hualong, Tan Ying. A survey of nonlinear Bayesian filtering algorithms[J]. Electronics Optics Control, 2008, 15(8):64-71. (in Chinese)
    [9] Gao Yu, Zhang Jianqiu, Yin Jianjun. Polynomial prediction model and tracking algorithm of maneuver target[J]. Acta Aeronautica Et Astronautica Sinica, 2009, 30(8):1479-1489. (in Chinese)
    [10] Chen Zhifeng, Cai Yunze. Data fusion algorithm for multi-sensor dynamic system based on interacting multiple model[J]. Journal of Shanghai Jiaotong University (Science), 2015, 20(3):265-272. (in Chinese)
    [11] Wang Mingkun, Zhang Chenxin, Zhang Xiaokuan. Research on typical maneuvering target dynamic RCS characteristics[J]. Bulletin of Science and Technology, 2015, 31(7):106-110. (in Chinese)
    [12] Yao Peng, Wang Xueqi, Wang Haiyan. Aircraft and black body infrared radiation simulation and modeling[J]. Journal of Detection Control, 2016, 38(6):109-114. (in Chinese)
    [13] Ai Xiaofeng, Zou Xiaohai, Li Yongzhen. Bistatic scattering centres of cone-shaped targets and target length estimation[J]. Science China Information Sciences, 2012, 55(12):2888-2898. (in Chinese)
    [14] Li Ni, Lv Zhenhua, Wang Shaodan, et al. A real-time infrared radiation imaging simulation method of aircraft skin with aerodynamic heating effect[J]. Infrared Physics Technology, 2015, 71:533-541. (in Chinese)
  • [1] 张良, 田晓倩, 李少毅, 杨曦.  基于时空推理网络的空中红外目标抗干扰识别算法 . 红外与激光工程, 2022, 51(7): 20210614-1-20210614-10. doi: 10.3788/IRLA20210614
    [2] 杨棉绒, 牛丽平.  基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
    [3] 王晓艳, 徐高魁.  基于立体视觉与特征匹配的点云目标识别算法 . 红外与激光工程, 2022, 51(9): 20210596-1-20210596-7. doi: 10.3788/IRLA20210596
    [4] 陆建华.  融合CNN和SRC决策的SAR图像目标识别方法 . 红外与激光工程, 2022, 51(3): 20210421-1-20210421-7. doi: 10.3788/IRLA20210421
    [5] 廖莎莎.  基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
    [6] 廖辉传, 赵海霞.  基于分类器决策融合的红外图像目标识别方法 . 红外与激光工程, 2022, 51(8): 20210725-1-20210725-6. doi: 10.3788/IRLA20210725
    [7] 吴剑波, 陆正武, 关玉蓉, 王庆东, 姜国松.  二维压缩感知多投影矩阵特征融合的SAR目标识别方法 . 红外与激光工程, 2021, 50(6): 20200531-1-20200531-7. doi: 10.3788/IRLA20200531
    [8] 李亚娟.  结合多决策准则稀疏表示的SAR图像目标识别方法 . 红外与激光工程, 2021, 50(8): 20210138-1-20210138-8. doi: 10.3788/IRLA20210138
    [9] 刘志超, 屈百达.  复数二维经验模态分解在SAR目标识别中的应用 . 红外与激光工程, 2021, 50(5): 20200309-1-20200309-8. doi: 10.3788/IRLA20200309
    [10] 史国军.  深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
    [11] 尚珊珊, 余子开, 范涛, 金利民.  高斯过程模型在SAR图像目标识别中的应用 . 红外与激光工程, 2021, 50(7): 20200337-1-20200337-7. doi: 10.3788/IRLA20200337
    [12] 伍友龙.  多元经验模态分解及在SAR图像目标识别中的应用 . 红外与激光工程, 2021, 50(4): 20200236-1-20200236-7. doi: 10.3788/IRLA20200236
    [13] 赵璐, 熊森.  多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
    [14] 马丹丹.  图像分块匹配的SAR目标识别方法 . 红外与激光工程, 2021, 50(10): 20210120-1-20210120-8. doi: 10.3788/IRLA20210120
    [15] 石峰, 陆同希, 杨书宁, 苗壮, 杨晔, 张闻文, 何睿清.  噪声环境下基于单像素成像系统和深度学习的目标识别方法 . 红外与激光工程, 2020, 49(6): 20200010-1-20200010-8. doi: 10.3788/IRLA20200010
    [16] 张盼盼, 罗海波, 鞠默然, 惠斌, 常铮.  一种改进的Capsule及其在SAR图像目标识别中的应用 . 红外与激光工程, 2020, 49(5): 20201010-20201010-8. doi: 10.3788/IRLA20201010
    [17] 谢冰, 段哲民.  基于SAE与底层视觉特征融合的无人机目标识别算法 . 红外与激光工程, 2018, 47(S1): 197-205. doi: 10.3788/IRLA201847.S126004
    [18] 付跃刚, 赵宇, 刘智颖, 张凯, 朱启凡, 李亚红.  用于目标识别的紧凑型仿生复眼光学系统设计 . 红外与激光工程, 2017, 46(6): 602001-0602001(7). doi: 10.3788/IRLA201746.0602001
    [19] 刘俊良, 陈尚锋, 卢焕章, 赵本东, 毋亚北.  弹道目标识别的红外辐射数据仿真研究 . 红外与激光工程, 2016, 45(10): 1004002-1004002(7). doi: 10.3788/IRLA201645.1004002
    [20] 杨绪峰, 林伟, 延伟东, 温金环.  采用热核特征的SAR图像目标识别 . 红外与激光工程, 2014, 43(11): 3794-3801.
  • 加载中
计量
  • 文章访问数:  537
  • HTML全文浏览量:  92
  • PDF下载量:  82
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-12-10
  • 修回日期:  2019-01-18
  • 刊出日期:  2019-05-25

基于多源数据多特征融合的弱小目标关联研究

doi: 10.3788/IRLA201948.0526001
    作者简介:

    刘铮(1981-),男,高级工程师,博士生,主要从事目标特性与识别方面的研究。Email:mchina@sina.com

  • 中图分类号: TN215

摘要: 异质传感器弱小群目标关联是传感器协同探测首先要解决的问题。即使在同视场下,由红外光电系统和雷达组成的异质传感器探测目标也不完全一致,特别是远距离探测时,雷达探测目标多而密集,红外光电系统探测目标相对较少,此时目标航迹关联结果具有很大不确定性。针对这一难题,采用基于多源数据多特征融合的弱小目标关联方法,首先基于多模型估计方法筛选同类型目标作为潜在关联目标,再基于航迹关联算法对同类型目标粗关联,最后基于多特征最大联合概率分布对目标精细关联。经红外光电系统/雷达同站址探测仿真试验验证,相比于仅利用航迹进行目标关联,该方法有效提高了弱小目标关联的准确性。

English Abstract

参考文献 (14)

目录

    /

    返回文章
    返回