多传感器融合目标识别关键技术研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13页 |
| ·本文主要研究内容 | 第13-15页 |
| 第二章 多传感器信息融合基本理论 | 第15-32页 |
| ·信息融合基本原理 | 第15-18页 |
| ·基本原理 | 第15-16页 |
| ·信息融合的级别 | 第16-18页 |
| ·多传感器信息融合系统的模型 | 第18-27页 |
| ·信息融合系统的功能模型 | 第18-20页 |
| ·信息融合系统的结构模型 | 第20-27页 |
| ·多传感器融合目标识别算法 | 第27-29页 |
| ·毫米波与红外融合目标识别 | 第29-31页 |
| ·毫米波/红外融合系统的特点 | 第29-30页 |
| ·毫米波/红外融合识别技术 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于毫米波与红外的特征层融合识别方法 | 第32-52页 |
| ·引言 | 第32页 |
| ·毫米波、红外的特性分析与特征提取 | 第32-40页 |
| ·毫米波特性分析 | 第32-33页 |
| ·红外成像特性分析 | 第33-34页 |
| ·用于目标识别的特征提取 | 第34-40页 |
| ·典型的特征层融合识别方法 | 第40-45页 |
| ·联合特征向量法 | 第40-43页 |
| ·多分类器组合的特征层融合方法 | 第43-45页 |
| ·一种新的基于KFDA的毫米波与红外融合方法 | 第45-51页 |
| ·毫米波/红外特征融合 | 第46页 |
| ·KFDA算法描述 | 第46-48页 |
| ·改进的k近邻分类算法 | 第48-50页 |
| ·仿真实验及结果分析 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第四章 基于毫米波与红外的决策层融合识别方法 | 第52-69页 |
| ·引言 | 第52页 |
| ·典型的决策层融合识别方法 | 第52-56页 |
| ·一种新的基于灰关联分析与D-S 理论的融合方法 | 第56-68页 |
| ·灰关联分析方法 | 第57-60页 |
| ·熵值分析法自适应权值 | 第60-62页 |
| ·D-S 理论融合算法 | 第62-65页 |
| ·仿真实验及结果分析 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第五章 结束语 | 第69-71页 |
| ·工作总结 | 第69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者在学期间取得的学术成果 | 第75页 |
