多域一体化作战下的多源异类信息融合研究概述

发布时间：2021-11-08 05:52

　　针对多域一体化作战下的多源异类信息融合面对的新挑战、发展的新趋势及待突破的关键技术进行综述。首先从多源异类信息融合的架构、信息的差异性、处理过程及参数的适应性等方面出发分析了多域一体化作战下多源异类信息融合面对的挑战;其次针对以上挑战总结了多源异类信息融合耦合化、多源化、智能化和一体化的发展趋势;最后结合以上发展趋势梳理出了四项多源异类信息融合的关键技术。 

【文章来源】：现代导航. 2020,11(01)

【文章页数】：5 页

【部分图文】：

JDL信息融合模型

例如，在检测与跟踪的过程中，检测门限的设置使得低于其的微弱目标被漏检，微弱目标有限的信噪比被损失，从而使得后续目标跟踪航迹处理非常困难。在复杂应用背景及多种不确定因素条件下，各分阶段最优无法保证全局最优，多源信息融合问题一般很难得到较满意结果。另外，融合处理各步骤之间顺序执行，当前步骤的处理输入依赖于前一步骤的处理输出，各步骤之间未构建反馈闭环，后一步骤的处理结果无法指导前一步骤的处理，难以实现处理流程的迭代优化。2.3 先验信息缺乏“普适性”

传统融合系统包含检测、聚类、关联和估计等四个处理阶段，每个阶段针对该项功能的进行优化处理，分阶段的优化处理都可能会损失“全局”有用信息。序贯的处理方式将检测、估计、识别等都是被作为子问题独立处理的,在每个阶段采用最优策略，以上处理策略很难满足大尺度、复杂动态军事应用的需求。通过研究联合检测前跟踪（TBD)[16]、联合聚类与估计（JCE)[17]、联合关联与估计（JAE)[18]以及联合决策与估计（JDE)[19]等技术，构建一体化联合检测、聚类、关联及估计框架，如图3所示，建立多级参数动态反馈调控机制，通过在线信息质量评估对传感器工作模式、工作参数（射频、天线、频谱等）等参数进行动态反馈调整，实现复杂动态异构多传感器平台的联合优化管理。系统性的提升信息融合的质量，进而形成一体化、强对抗、自适应的多源信息融合系统，达到提高微弱信号、强隐身目标的检测概率，缩短防御系统的处理时间。

【参考文献】：
期刊论文
[1]信息融合理论研究进展:基于变分贝叶斯的联合优化[J]. 潘泉,胡玉梅,兰华,孙帅,王增福,杨峰.  自动化学报. 2019(07)
[2]海上信息感知与融合研究进展及展望[J]. 何友,熊伟,刘俊,刘瑜.  火力与指挥控制. 2018(06)
[3]海上信息感知大数据技术[J]. 何友,周伟.  指挥信息系统与技术. 2018(02)
[4]天基海洋目标信息感知与融合技术研究[J]. 何友,姚力波.  武汉大学学报(信息科学版). 2017(11)
[5]面向网络中心战的分布式信息融合[J]. 李君灵,赵宗贵.  指挥信息系统与技术. 2017(02)
[6]信息融合发展沿革与技术动态[J]. 赵宗贵,李君灵.  指挥信息系统与技术. 2017(01)
[7]网络信息体系中的信息融合与挖掘技术研究[J]. 刘海峰,张超,罗江,林福良.  指挥与控制学报. 2016(04)
[8]大数据环境下多源信息融合的理论与应用探讨[J]. 化柏林,李广建.  图书情报工作. 2015(16)
[9]信息融合动态与发展趋势[J]. 赵宗贵,许阳.  指挥信息系统与技术. 2014(06)
[10]信息融合技术的起源、功能模型与发展趋势[J]. 赵丰,赵宗贵.  电信技术. 2012(S1)



本文编号：3483137