基于ISVM-DS的红外多传感器融合识别方法

TP391.41; 弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别.针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法.首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 5; pp. 1555 - 1560
Main Authors 吴钇达, 王彩云, 王佳宁, 李晓飞
Format Journal Article
LanguageChinese
Published 南京航空航天大学航天学院,南京江苏 210016%北京电子工程总体研究所,北京 100854 01.05.2024
Subjects
弹道目标识别
支持向量机
ballistic target recognition
多传感器融合
support vector machine(SVM)
Dempster-Shafer证据理论
Dempster-Shafer(D-S)evidence theory
multi-sensor fusion
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.05.10

Cover

More Information
Summary:TP391.41; 弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别.针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法.首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果.实验结果表明,该方法能有效提高目标识别的准确性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.05.10