导读:本文包含了阵群目标论文开题报告文献综述及选题提纲参考文献，主要关键词:阵群目标关联,点模式匹配,相对形状上下文,松弛标记法
阵群目标论文文献综述
刘平,周滨,赵键[1]（2013）在《基于相对形状上下文的低分辨率遥感影像阵群目标关联算法》一文中研究指出目标关联是遥感影像融合处理的重要步骤,本质上是目标配对问题。针对低分辨率遥感影像中阵群目标的特点,提出了一种基于点模式匹配的阵群目标关联算法。首先提出一种新的基于点集的不变特征——相对形状上下文特征,然后建立了以相对形状上下文特征的统计检验匹配测度为基础的阵群目标关联数学模型。为了求解该模型,在构造新的相容性度量函数来初始化关联概率矩阵后,利用松弛标记法通过迭代逐步更新关联概率矩阵,同时通过行列双向正则化最终得到满足一对一约束的最优关联匹配结果。通过仿真和实际数据实验验证了新算法的有效性和鲁棒性。(本文来源于《计算机科学》期刊2013年03期）
赵帮绪,杨宏文[2]（2012）在《利用编成及队形特征的阵群目标数据关联算法》一文中研究指出在星载传感器获取数据的时间间隔较长的情况下,现有的阵群目标数据关联算法的效果不太理想。为此,充分利用阵群目标相对稳定的编成、队形特征,提出了综合利用编成及队形特征的阵群目标数据关联算法。首先,建立阵群目标编成特征和队形特征的描述模型,编成特征由阵群所包含的目标类型以及各类型所包含的成员数量构成,队形特征通过阵群中成员间的距离加以描述;然后分别给出编成和队形特征的基本概率分配函数,并利用D-S证据理论对这两种基本概率分配函数进行证据合成;最后采用二维分配方法实现关联判决。对比仿真实验表明,相对现有的阵群目标数据关联算法,该算法能够有效克服低数据率所带来的影响,保持较高的正确关联率。(本文来源于《电光与控制》期刊2012年06期）
赵帮绪[3]（2011）在《阵群目标数据关联方法研究》一文中研究指出在基于星载传感器的海洋监视应用中,受卫星重访周期的影响,传感器获取探测数据的时间间隔较长,在此期间海上目标的运动状态可能发生较大变化,所以很难对监视区域中的每个目标进行传统的状态建模和跟踪。将阵群目标作为研究对象,利用阵群目标的稳定特征对其进行关联和跟踪,是解决这一问题的有效途径,而阵群目标数据关联是解决问题的关键。本文首先研究了阵群目标数据关联的基本思路及相关模型,在此基础上深入研究了阵群目标数据关联的两个主要问题——目标编群问题和阵群目标数据关联问题。论文主要研究内容如下:1、建立了阵群目标数据关联的基本思路和相关模型。文中首先给出了阵群目标数据关联的基本思路,其包含两个主要问题——目标编群问题和阵群目标数据关联问题。其次,针对星载传感器重访周期较长的特点,分别提出了上述两个问题的解决思路;最后,重点阐述了在多假设编群条件下的阵群目标数据关联的数学模型。2、提出了一种多假设编群方法。文中将目标编群问题描述为多假设问题,在此基础上,提出了一种基于遗传算法的多假设编群方法。在编群假设的编码问题方面,提出了二维的编码方案;在编群假设的适应度值计算上,提出了基于模板匹配的适应度计算方法;在遗传算子的设计上,采用赌轮法、纵向多点交叉法、纵向随机变异法来分别实现选择、交叉、变异叁种算子;并对初始种群、编群约束条件等进行了设定。通过仿真实验对该方法的收敛性和有效性进行了验证及分析。3、提出了一种基于编成及队形特征的阵群目标数据关联算法。首先,分别建立阵群目标的编成特征和队形特征的描述模型,并分别给出了相应的基本概率分配函数;其次,结合D-S证据理论,对这两种基本概率分配函数进行证据合成,建立综合的基本概率分配函数;最后,依据综合评价方法获取较优的编群假设组合,进而采用0-1整数规划模型实施阵群目标数据关联判决,得出关联结果。对比仿真实验表明,相对现有的阵群目标数据关联算法,该算法能够有效克服低数据率所带来的影响,保持较高的正确关联率。(本文来源于《国防科学技术大学》期刊2011-11-01）
赵帮绪,杨宏文[4]（2011）在《基于D-S证据理论的阵群目标数据关联算法》一文中研究指出由于星载传感器获取数据的时间间隔较长,对监视区域中的每个目标进行稳定有效的跟踪是非常困难的。为此,该文将阵群目标作为研究对象,充分利用阵群目标相对稳定的编成、队形特征,提出了一种基于D-S证据理论的阵群目标数据关联算法。首先,建立阵群目标的编成特征和队形特征的描述模型,并据此提取阵群目标的编成及队形特征;其次,通过D-S证据理论,分别利用编成和队形特征建立阵群目标的关联匹配模型,计算相应的基本概率分配函数;最后,对基于编成和队形特征关联的基本概率分配函数进行证据合成,建立综合的基本概率分配函数,并采用二维分配方法实施关联判决,得出关联结果。仿真实验证实了该算法的有效性。(本文来源于《信号处理》期刊2011年09期）
张昌芳,杨宏文,胡卫东,郁文贤[5]（2010）在《一种通用的阵群目标队形识别方法》一文中研究指出受传感器检测性能和观测噪声的影响,阵群成员位置观测集合往往具有不完全性和不确定性,并含有杂波。这种情况下,基于固定基准点的传统阵群目标队形识别方法不再适用。为此,提出了一种通用的阵群目标队形识别方法。该方法根据不同的队形模板和队形观测,动态选择二者队形描述的基准点,有效地抑制了漏检、位置噪声和杂波对阵群目标队形描述的影响;通过队形观测和队形模板的队形描述之间的匹配来对前者的队形进行识别。仿真实验验证了所提方法的有效性。(本文来源于《系统工程与电子技术》期刊2010年08期）
张昌芳,杨宏文,胡卫东[6]（2010）在《基于非固定模板匹配的阵群目标编成识别》一文中研究指出受传感器性能和处理算法的影响,阵群成员类型观测集合往往具有不完全性和不确定性,而且阵群目标的编成模板通常是非固定的。在这种情况下,基于固定模板匹配的传统阵群目标编成识别方法已不再适用。为此,提出了一种基于非固定模板匹配的阵群目标编成识别方法。该方法首先对阵群成员的类型观测和模板库中的非固定编成模板进行描述,然后计算出阵群成员类型观测集合同各个非固定编成模板之间的区间型距离度量,最后通过对所有区间型距离度量排序识别出观测到的阵群目标的编成。仿真实验证实了所提方法的有效性。(本文来源于《系统工程与电子技术》期刊2010年07期）
张昌芳[7]（2009）在《阵群目标信息相关技术研究》一文中研究指出信息相关技术是多源信息融合的前提和关键。它根据信息的描述对象对信息进行分组,每组信息对应同一描述对象,为后续的融合处理奠定基础。论文以基于卫星侦察的海洋监视应用为背景,研究了阵群目标信息相关处理中的一些基础问题以及阵群目标特征稳定和动态变化两种情况下的阵群目标信息相关算法,包括阵群目标信息相关的框架和模型、稳定情况下的阵群成员信息匹配算法、动态变化情况下的阵群目标特征提取和相关判决算法等。论文的研究成果如下:(1)分别建立了稳定和动态变化两种情况下的阵群目标信息相关框架;为稳定情况下阵群目标信息相关的关键环节——阵群成员信息匹配建立了数学模型;建立了动态变化情况下阵群目标信息相关度量计算模型和相关判决模型。(2)建立了阵群成员位置信息的数学模型;考虑到阵群成员位置信息通常会受到观测噪声、漏检、观测区域部分重迭、传感器分辨率不同等因素的影响,提出了一种有效的坐标变换不变性特征描述方法——相对直角坐标描述,并在该描述的基础上给出了一种基于坐标配准的位置匹配度量,该度量有效地克服了上述多种因素的影响。(3)建立了阵群成员属性信息的数学模型;定义了一种新的冲突度量并对其相对于传统冲突度量的性能优势进行了理论证明,在新冲突度量的基础上给出了阵群成员属性信息的匹配度量;结合新的冲突度量,提出了一种新的证据组合规则并对其相对于传统证据组合规则的性能优势进行了理论证明,在新证据组合规则的基础上得到了阵群成员位置和属性信息的综合匹配度量。(4)在阵群目标位置信息具有全局刚性的情况下,针对二维分配算法对传感器漏检适应性较差的问题,提出了一种新的匹配判决思想——基于信息序列截断的匹配判决;考虑到基于信息序列截断的多对多匹配判决算法对非匹配元素的扰动比较敏感,通过聚类实现多对多匹配判决,并解决了匹配簇数和聚类中心的选择问题;针对基于信息序列截断的多对多匹配判决算法对匹配元素的扰动比较敏感的问题,将多对多匹配判决看作匹配度量矩阵扰动校正的过程,并给出了详细的算法设计。(5)针对阵群目标位置信息具有局部刚性的情况,建立了阵群目标信息局部子集的概念,在此基础上提出了两种局部匹配判决和全局验证相结合的复合匹配判决方法——局部匹配判决和聚合式全局验证、局部匹配判决和增量式全局验证,并通过仿真实验对它们的有效性和适用性进行了验证和分析。(6)研究了动态变化情况下阵群目标信息相关中的阵群目标特征提取和信息相关判决问题,提出了一种通用的阵群目标队形特征提取方法和一种通用的阵群目标编成特征提取方法,给出了一种在动态变化情况下适用的阵群目标信息相关判决算法——相关门限参数化-双向约束法。(本文来源于《国防科学技术大学》期刊2009-06-01）
张昌芳,杨宏文,胡卫东,郁文贤[8]（2008）在《基于空间分布特征的阵群目标数据关联算法》一文中研究指出在低数据率条件下,对监视区域内的每个目标进行有效分析是非常困难的。针对该问题,将阵群目标作为研究对象,并给出了一种基于空间分布特征的阵群目标数据关联算法。首先,在近邻点集聚合的基础上,从传感器给出的单目标观测集合中提取出阵群目标观测(简称阵群观测);其次,按照自顶向下的方式逐次计算各个阵群观测不同子集空间分布的距离度量,并以此为基础计算阵群观测之间的关联度量;最后,通过在关联代价矩阵上应用二维分配算法得到不同时刻各个阵群观测之间的对应关系。仿真结果证实了该算法的有效性。(本文来源于《系统仿真学报》期刊2008年22期）
阵群目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在星载传感器获取数据的时间间隔较长的情况下,现有的阵群目标数据关联算法的效果不太理想。为此,充分利用阵群目标相对稳定的编成、队形特征,提出了综合利用编成及队形特征的阵群目标数据关联算法。首先,建立阵群目标编成特征和队形特征的描述模型,编成特征由阵群所包含的目标类型以及各类型所包含的成员数量构成,队形特征通过阵群中成员间的距离加以描述;然后分别给出编成和队形特征的基本概率分配函数,并利用D-S证据理论对这两种基本概率分配函数进行证据合成;最后采用二维分配方法实现关联判决。对比仿真实验表明,相对现有的阵群目标数据关联算法,该算法能够有效克服低数据率所带来的影响,保持较高的正确关联率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
阵群目标论文参考文献
[1].刘平,周滨,赵键.基于相对形状上下文的低分辨率遥感影像阵群目标关联算法[J].计算机科学.2013
[2].赵帮绪,杨宏文.利用编成及队形特征的阵群目标数据关联算法[J].电光与控制.2012
[3].赵帮绪.阵群目标数据关联方法研究[D].国防科学技术大学.2011
[4].赵帮绪,杨宏文.基于D-S证据理论的阵群目标数据关联算法[J].信号处理.2011
[5].张昌芳,杨宏文,胡卫东,郁文贤.一种通用的阵群目标队形识别方法[J].系统工程与电子技术.2010
[6].张昌芳,杨宏文,胡卫东.基于非固定模板匹配的阵群目标编成识别[J].系统工程与电子技术.2010
[7].张昌芳.阵群目标信息相关技术研究[D].国防科学技术大学.2009
[8].张昌芳,杨宏文,胡卫东,郁文贤.基于空间分布特征的阵群目标数据关联算法[J].系统仿真学报.2008