一种紫外光协作多传感器数据融合无人机敌我识别方法技术

本发明专利技术公开了一种紫外光协作多传感器数据融合无人机敌我识别方法，首先将雷达传感器、紫外光探测传感器、ESM传感器得到的无人机目标特征信息分为训练组和测试组，通过训练组训练BP神经网络，通过测试组验证BP神经网络的正确性；其次，输入无人机目标特征信息后，BP神经网络自动将无人机目标属性进行分类，利用IFF系统和BP神经网络得出目标识别概率；然后，使用D‑S证据理论判断无人机目标属性并分配相应的权重值；最后，将各传感器及IFF系统得出的权重值进行融合，统一敌我识别属性，得出识别结果。本发明专利技术采用多传感器数据融合进行敌我识别，使获得的目标信息具有更高的分辨性和参考性，从而得到更准确的识别结果。

【技术实现步骤摘要】
一种紫外光协作多传感器数据融合无人机敌我识别方法
本专利技术属于敌我识别
，具体涉及一种紫外光协作多传感器数据融合无人机敌我识别方法。
技术介绍
随着科学技术的发展，现代战争已经转为信息化战争。信息战具有突发性、快速性、海陆空一体化、持续时间短等特点，作战环境非常复杂，敌我双方均需采用伪装、隐蔽、欺骗和干扰等手段和技术来进行识别和反识别的较量。敌我识别(IdentificationFriendorFoe，IFF)是通过各种可以利用的技术和手段，结合通用或专用的平台装备，在作战所需的时空范围内，对目标的敌我属性进行判别和确认。敌我识别技术随着现代作战武器的更新而不断发展，目标敌我识别属性的识别方法也随之持续更新，对于目标敌我识别属性可以分为两大类：非协同式敌我识别和协同式敌我识别。非协同式敌我识别主要是采用各类分布式传感器，如雷达，红外搜索等进行综合识别，其主要特点在于没有询问-应答的信号交互过程，不需要被识别目标的配合。协同式敌我识别必须依赖目标的配合才能获取目标敌我属性信息，即通过询问-应答的方式进行目标的敌我识别。但是近年来，本文档来自技高网...

【技术保护点】
1.一种紫外光协作多传感器数据融合无人机敌我识别方法，其特征在于，具体按照以下步骤实施：/n步骤1，将雷达传感器、紫外光探测传感器、ESM传感器得到的无人机目标特征信息分类为训练组和测试组，通过训练组训练BP神经网络，训练成功后得到成熟的BP神经网络，通过测试组验证BP神经网络的正确性；/n步骤2，输入无人机目标特征信息后，BP神经网络自动将无人机目标属性进行分类，通过大量数据测试利用IFF系统和BP神经网络得出目标识别概率；/n步骤3，利用BP神经网络训练结果和IFF系统得到各传感器的目标识别概率，使用D-S证据理论判断无人机目标属性并分配相应的权重值；/n步骤4，将雷达传感器、紫外光探测传...

【技术特征摘要】
1.一种紫外光协作多传感器数据融合无人机敌我识别方法，其特征在于，具体按照以下步骤实施：
步骤1，将雷达传感器、紫外光探测传感器、ESM传感器得到的无人机目标特征信息分类为训练组和测试组，通过训练组训练BP神经网络，训练成功后得到成熟的BP神经网络，通过测试组验证BP神经网络的正确性；
步骤2，输入无人机目标特征信息后，BP神经网络自动将无人机目标属性进行分类，通过大量数据测试利用IFF系统和BP神经网络得出目标识别概率；
步骤3，利用BP神经网络训练结果和IFF系统得到各传感器的目标识别概率，使用D-S证据理论判断无人机目标属性并分配相应的权重值；
步骤4，将雷达传感器、紫外光探测传感器、ESM传感器以及IFF系统得出的权重值进行融合，统一敌我识别属性，得出识别结果。


2.根据权利要求1所述的一种紫外光协作多传感器数据融合无人机敌我识别方法，其特征在于，所述步骤1的具体做法为：
通过将雷达传感器、紫外光探测传感器、ESM传感器得到的无人机目标的特征信息分为训练组和测试组，将训练组的信息组合为样本集，其中包括输入样本和输出样本，并对它们进行归一化处理；样本集确认成功后，即可初步构建BP神经网络，选用3层BP神经网络，即输入层、隐层和输出层，BP神经网络构建完成后给各个传感器平均分配权重值，通过设置网络最大收敛次数、收敛误差、显示间隔等训练参数，经过不断训练，直至训练为成熟的BP神经网络，最终通过测试组来验证BP神经网络的正确性。


3.根据权利要求1所述的一种紫外光协作多传感器数据融合无人机敌我识别方法，其特征在于，所述步骤2的具体做法为：
雷达传感器对获得的目标航迹和距离信息对BP神经网络进行训练，得到无人机目标型号，从而判断得到敌我属性；紫外光探测传感器对获得的外形轮廓及辐射分布特性得到无人机目标型号，从而得出目标敌我属性...

【专利技术属性】
技术研发人员：赵太飞，姚佳彤，刘昆，程敏花，王璐，薛蓉莉，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61