發(fā)布時(shí)間：2020-10-23 22:57

　　 隨著現(xiàn)代化戰(zhàn)爭(zhēng)的日益多元化和復(fù)雜化,為了使常規(guī)火炮在遠(yuǎn)距離攻擊中具有較高的命中率和毀傷概率,末敏彈獲得了較快發(fā)展。其識(shí)別目標(biāo)的工作過(guò)程一般為通過(guò)紅外傳感器和毫米波傳感器分別探測(cè)目標(biāo),通過(guò)信息融合算法,將傳感器信息進(jìn)行融合。因此研究一種復(fù)合識(shí)別算法,融合紅外毫米波復(fù)合探測(cè)器的數(shù)據(jù)信息,對(duì)于提高末敏彈抗干擾能力,獲得更準(zhǔn)確的目標(biāo)定位信息,及時(shí)有效地點(diǎn)燃戰(zhàn)斗部(Explosively Formed Penetrator,EFP),以獲得較高的命中率和毀傷概率,使其在惡劣的戰(zhàn)場(chǎng)環(huán)境背景中更好地完成作戰(zhàn)任務(wù)等方面來(lái)說(shuō)是至關(guān)重要的。本文主要研究了紅外和毫米波復(fù)合探測(cè)信號(hào)的信息處理技術(shù),和復(fù)合信息融合技術(shù)。在相關(guān)技術(shù)要求的前提下,本文首先對(duì)紅外輻射和毫米波輻射的特性和各自適用領(lǐng)域作了簡(jiǎn)單的介紹和研究。其次,提出一種信息融合方法,在特征層屬性上實(shí)現(xiàn)“被動(dòng)毫米波-被動(dòng)紅外”信號(hào)的復(fù)合探測(cè)以及信號(hào)處理。然后,在已知的系統(tǒng)參數(shù)要求下,進(jìn)行了輻射計(jì)信號(hào)的建模和波形仿真,通過(guò)觀察、分析,總結(jié)出波形隨探測(cè)器掃描情況變化的特點(diǎn)。接著,根據(jù)系統(tǒng)的識(shí)別概率要求,采用了基于小波變換的信號(hào)預(yù)處理技術(shù),通過(guò)信號(hào)的分解、降噪和重構(gòu),獲得無(wú)干擾狀態(tài)下的理想波形,并提取出信號(hào)特征。最后利用神經(jīng)網(wǎng)絡(luò)技術(shù)設(shè)計(jì)了一種自組織神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)方法,實(shí)現(xiàn)目標(biāo)的單一傳感器探測(cè)識(shí)別;利用D-S模糊識(shí)別理論,設(shè)計(jì)了一種數(shù)據(jù)融合結(jié)構(gòu)方案,建立數(shù)據(jù)融合模型,將獲得的目標(biāo)紅外和毫米波特征信息進(jìn)行融合,產(chǎn)生綜合判決結(jié)果。最后,將信息融合后的判決結(jié)果與采用神經(jīng)網(wǎng)絡(luò)的單一傳感器識(shí)別結(jié)果進(jìn)行對(duì)比,得到復(fù)合系統(tǒng)識(shí)別成功率高于單一傳感器識(shí)別成功率的結(jié)果。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2016
【中圖分類(lèi)】：TJ303
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀分析
    1.3 相關(guān)技術(shù)發(fā)展現(xiàn)狀
        1.3.1 紅外毫米波復(fù)合探測(cè)技術(shù)
        1.3.2 目標(biāo)識(shí)別技術(shù)
        1.3.3 基于多傳感器的信息融合技術(shù)
    1.4 本文的主要研究?jī)?nèi)容
第二章 紅外毫米波復(fù)合探測(cè)系統(tǒng)
    2.1 毫米波探測(cè)特性
    2.2 紅外探測(cè)特性
    2.3 復(fù)合探測(cè)識(shí)別系統(tǒng)方案選擇
    2.4 雙模信息融合方案
    2.5 復(fù)合識(shí)別系統(tǒng)組成
    2.6 本章小結(jié)
第三章 各探測(cè)器波形仿真
    3.1 毫米波波形仿真
        3.1.1 輻射計(jì)工作原理
        3.1.2 輸出信號(hào)與毫米波輻射量之間的關(guān)系
        3.1.3 輻射計(jì)輸出信號(hào)波形仿真
    3.2 紅外輻射波形仿真
        3.2.1 紅外輻射計(jì)工作原理
        3.2.2 輸出信號(hào)與紅外輻射量之間的關(guān)系
        3.2.3 紅外輻射信號(hào)波形仿真
    3.3 本章小結(jié)
第四章 信號(hào)處理及神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別方法
    4.1 基于小波變換理論的信號(hào)處理技術(shù)
        4.1.1 離散小波變換方法
        4.1.2 尺度函數(shù)和小波函數(shù)
        4.1.3 小波分解仿真
        4.1.4 小波降噪仿真
        4.1.5 信號(hào)特征量提取
    4.2 神經(jīng)網(wǎng)絡(luò)理論和目標(biāo)識(shí)別方法
        4.2.1 神經(jīng)網(wǎng)絡(luò)的工作原理及網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 反向傳播算法（BP算法）
    4.3 基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別試驗(yàn)
        4.3.1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
        4.3.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及樣本檢驗(yàn)
    4.4 本章小結(jié)
第五章 基于證據(jù)理論的探測(cè)系統(tǒng)數(shù)據(jù)融合方案及試驗(yàn)
    5.1 數(shù)據(jù)融合技術(shù)方案選擇
        5.1.1 數(shù)據(jù)融合模型選擇
        5.1.2 D-S證據(jù)理論的算法實(shí)現(xiàn)
        5.1.3 改進(jìn)的D-S證據(jù)理論算法
    5.2 數(shù)據(jù)融合試驗(yàn)及結(jié)果分析
        5.2.1 概率分配函數(shù)及運(yùn)算結(jié)果
        5.2.2 融合算法試驗(yàn)結(jié)果分析
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


本文編號(hào)：2853661