基于优化概率神经网络和红外多光谱融合的大气层外空间弹道目标识别
针对大气层外空间弹道目标难识别的问题,该文利用红外多光谱数据融合的思想,提出一种基于粒子群优化概率神经网络(PNN)的大气层外空间弹道目标识别方法。该方法首先通过一种新的多色测温方法提取出弹道目标的温度变化率和有效辐射面积两类动态特征,然后利用高斯粒子群优化(GPSO)方法对PNN的平滑因子进行优化,最后利用优化的PNN完成4类典型空间目标的识别。该方法融合了多光谱信息并提取出了多个动态特征,具有较强的鲁棒性。另外,该方法充分利用了概率神经网络的较高的稳定性和样本容错能力。仿真实验给出了4类典型空间弹道目标的多光谱红外辐射强度序列数据,并进行了目标识别研究。仿真测试结果表明,提出的优化PNN网络对多个弹道目标具有良好的识别能力。
目标识别、弹道目标、多光谱红外数据融合、粒子群优化、概率神经网络
TP391.4;TN219(计算技术、计算机技术)
国家自然科学基金61378046;航空科学基金20120177006资助课题
2014-04-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
896-902