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] 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
    [2] 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
    [3] 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
    [4] 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
    [5] 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
    [6] 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
    [7] 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
    [8] 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
    [9] 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
    [10] 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
    [11] 游瑞蓉, 王新伟, 任鹏道, 何军, 周燕.  约翰逊准则的视频监控目标检测性能评估方法 . 红外与激光工程, 2016, 45(12): 1217003-1217003(6). doi: 10.3788/IRLA201645.1217003
    [12] 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
    [13] 万一龙, 柏连发, 韩静, 张毅.  低照度双目立体显著目标距离测定方法与实现 . 红外与激光工程, 2015, 44(3): 1053-1060.
    [14] 杜双, 张宁, 陶宇, 赵帅, 王文生.  光学相关多目标识别技术 . 红外与激光工程, 2014, 43(8): 2740-2745.
    [15] 刘洪志, 陈宇, 霍富荣, 郑丽芹.  改良型MACH滤波器算法的形变目标识别 . 红外与激光工程, 2014, 43(11): 3788-3793.
    [16] 陈骁, 石志广, 杨卫平, 凌建国.  利用三维点云的圆锥状弹头目标参数估计 . 红外与激光工程, 2014, 43(10): 3480-3485.
    [17] 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.
    [18] 时光, 张海洋, 耿仲博, 杨苏辉, 赵长明.  大视场激光主动探测系统实验 . 红外与激光工程, 2013, 42(4): 890-894.
    [19] 何思远, 刘刚, 王玲, 唐延东.  基于无人机的输电线路设备识别方法研究 . 红外与激光工程, 2013, 42(7): 1940-1944.
    [20] 耿利祥, 陈钱, 钱惟贤.  改进的联合概率数据关联算法(JPDA)对红外目标与诱饵的辨别 . 红外与激光工程, 2013, 42(2): 305-310.
  • 加载中
计量
  • 文章访问数:  281
  • HTML全文浏览量:  41
  • PDF下载量:  54
  • 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