一种混合结构的数据融合算法研究及在目标识别中的应用

随着科学技术的迅猛发展,各种面向复杂应用背景的信息系统大量涌现,其中以战场指挥系统、机器人系统、目标检测跟踪识别等系统为代表。这些系统中传感器的种类和数量都在大幅度增加,对传感器性能的要求也在提高。每种传感器都有自己的特点和局限性，不能保证在任何时刻都提供准确无误的信息。多传感器数据融合技术能够综合多个传感器提供的各个侧面信息，可以获得观测对象更全面、更准确的信息，从而得到准确、快捷的决策和判断。 首先阐述了多传感器数据融合的基本原理、基本概念以及多传感器数据融合技术的优点、特点、应用背景。总结了数据融合的层次和模型结构形式，对常用的融合算法进行了总结分类，并介绍了多传感器数据融合技术的发展和研究现状。其次给出了粗集理论的概念，并提出了使用粗集理论进行融合识别，以改善融合效果。对基于粗集理论的多传感器数据融合算法及在目标识别中的应用，在整理、归纳现有研究文献的基础上，并进一步深入研究和仿真实验。同时对基于神经网络和证据理论的数据融合方法进行了详细的阐述，对这些算法在目标识别中的应用也进行了深入研究。 随着人们对多传感器数据融合系统的性能要求越来越高，仅仅依赖某一种融合方法是难以达到要求的。因此，尝试采用混合结构的数据融合算法实现最好的融合效果，并对几种基于目标识别的融合算法的优缺点进行分析比较。最后在比较各种融合方法的基础上，提出了采用基于粗集理论、神经网络和证据理论的混合结构的融合算法，并将其应用在目标识别中。通过仿真实验证明，该方法为改善融合识别提供了一条有效的途径。