一种多层次拦截防御系统的多源探测融合算法技术方案

本发明专利技术涉及一种多层次拦截防御系统的多源探测融合算法，包括步骤：S1、通过多源探测器对运动目标进行探测，获取不同特征信息；S2、得到多种探测方式获取的信息矩阵；将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类；选择具有同类特征的数据进行映射泛化处理，得到探测信息函数，再提取出需要的特征种类，得到特征目标函数；构造出最优目标函数从而得到全局最优解。本发明专利技术提供的一种多层次拦截防御系统的多源探测融合算法，能对各类探测器的探测信息进行融合，进行更多元的特征融合选取，且在相同特征上，能更接近于最优探测值，从而更易对目标进行探测识别。识别。

【技术实现步骤摘要】
一种多层次拦截防御系统的多源探测融合算法


[0001]本专利技术属于防御探测监视
，特别是涉及一种多层次拦截防御系统的多源探测融合算法。
技术背景
[0002]近年来兴起采用低慢小飞行器进行情报侦察，低慢小飞行器是指轻型无人机、航模、多旋翼无人机、固定翼无人机、无人直升机，这类低慢小飞行器一般具有发现难，预警时间短等特点，针对这类低慢小蜂群飞行器，现有防御系统探测手段较为单一，对其分辨能力较差；
[0003]现有针对空中低小慢目标的信息融合技术应用较为广泛，但大多融合算法是对同类探测器的探测信息进行融合，难以结合各类探测器的优势得到最优的探测结果，为了更精准的计算目标特征信息，需要一种新的目标信息融合算法，融合不同探测器得到的不同维度的特征信息，得到最优的融合解。

技术实现思路

[0004]为了解决上述问题，本专利技术提出了一种多层次拦截防御系统的多源探测融合算法，能够实时完成将不同源、不同探测种类的目标信息进行融合，并进行目标特征分类的一种算法。本专利技术能结合不同探测器的优势，融合不同维度特征信息，得到最优的算法融合解，实时实现目标防御。
[0005]本专利技术采用的技术方案是一种多层次拦截防御系统的多源探测融合算法，包括步骤：
[0006]S1、通过多源探测器对运动目标进行探测，获取不同特征信息；
[0007]探测方式包括多普勒雷达探测、雷达成像探测、光学探测、红外探测；
[0008]S2、进行多元目标信息融合处理，具体包括如下步骤：
[0009]S21、目标区分算法；
[0010]U1＝[a1,a2,a3,a4,...an]；
[0011]U2＝[b1,b2,b3,b4,...bn]；
[0012]U3＝[c1,c2,c3,c4,...cn]；
[0013]U4＝[d1,d2,d3,d4,...dn]；
[0014]X＝[a1,a2,a3,a4,...an,b1,b2,b3,b4,...bn,c1,c2,c3,c4,...cn,d1,d2,d3,d4,...dn][0015]U1，U2，U3，U4分别为四种探测方式得到的信息矩阵；
[0016]X为四种探测方式得到的所有信息的矩阵；
[0017]S22、将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类，1＜m＜n；
[0018]S23、选择具有同类特征的数据进行映射泛化处理，得到探测信息函数V＝[Vij|i
＝1,2...,n,j＝1,2,...,s]，再提取出需要的特征种类；
[0019]S24、得到特征目标函数；
[0020][0021]式中，m为特征的种类维数，μ
ik
为每种特征的加权，d
ik
表示特征节点与特征中心的欧式距离，其中c是从m个种类提取的有意义的特征种类的数量，1＜c＜m；
[0022](d
ik
)2＝||x
k
‑
V
i
||2，其中X
k
为特征节点，是X矩阵中的第k项；v
i
为中心节点，其初始值为赋予的经验值，后续用每一次计算得到的最优解迭代；
[0023]且
[0024]S25、构造出最优目标函数：
[0025]S26、得到全局最优解。
[0026]本专利技术还提供的一种多层次拦截防御系统的多源探测融合算法，其特征在于，包括以下步骤：
[0027]Q1、通过多源探测器对运动目标进行探测，获取不同特征信息；
[0028]探测方式包括多普勒雷达探测、雷达成像探测、光学探测；
[0029]Q2、进行多元目标信息融合处理，具体包括如下步骤：
[0030]Q21、目标区分算法；
[0031]U1＝[a1,a2,a3,a4,...an]；
[0032]U2＝[b1,b2,b3,b4,...bn]；
[0033]U3＝[c1,c2,c3,c4,...cn]；
[0034]X＝[a1,a2,a3,a4,...an,b1,b2,b3,b4,...bn,c1,c2,c3,c4,...cn][0035]U1，U2，U3分别为三种探测方式得到的信息矩阵；
[0036]X为三种探测方式得到的所有信息的矩阵；
[0037]Q22、将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类，1＜m＜n；
[0038]Q23、选择具有同类特征的数据进行映射泛化处理，得到探测信息函数V＝[Vij|i＝1,2...,n,j＝1,2,...,s]，再提取出需要的特征种类；
[0039]Q24、得到特征目标函数；
[0040][0041]式中，m为特征的种类维数，μ
ik
为每种特征的加权，d
ik
表示特征节点与特征中心的欧式距离，其中c是从m个种类提取的有意义的特征种类的数量，1＜c＜m；
[0042](d
ik
)2＝||x
k
‑
V
i
||2，其中X
k
为特征节点，是X矩阵中的第k项；v
i
为中心节点，其初始值是规定的经验值，后续为每一次计算得到的值迭代；
[0043]且
[0044]Q25、构造出最优目标函数：
[0045]Q26、得到全局最优解。
[0046]本专利技术还提供的一种多层次拦截防御系统的多源探测融合算法，其特征在于，包括以下步骤：
[0047]W1、通过多源探测器对运动目标进行探测，获取不同特征信息；
[0048]探测方式包括多普勒雷达探测、雷达成像探测、红外探测；
[0049]W2、进行多元目标信息融合处理，具体包括如下步骤：
[0050]W21、目标区分算法；
[0051]U1＝[a1,a2,a3,a4,...an]；
[0052]U2＝[b1,b2,b3,b4,...bn]；
[0053]U3＝[c1,c2,c3,c4,...cn]；
[0054]X＝[a1,a2,a3,a4,...an,b1,b2,b3,b4,...bn,c1,c2,c3,c4,...cn][0055]U1，U2，U3分别为三种探测方式得到的信息矩阵；
[0056]X为三种探测方式得到的所有信息的矩阵；
[0057]W22、将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类，1＜m＜n；
[0058]W23、选择具有同类特征的数据进行映射泛化处理，得到探测信息函数V＝[Vij|i＝1,2...,n,j＝1,2,...,s]，再提取出需要的特征种类；
[0059]W24、得到特征目标函数；
[0060][0061]式中，m为特征的种类维数，μik为每种特征的加权，表示特征节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多层次拦截防御系统的多源探测融合算法，其特征在于，包括以下步骤：S1、通过多源探测器对运动目标进行探测，获取不同特征信息；探测方式包括多普勒雷达探测、雷达成像探测、光学探测、红外探测；S2、进行多元目标信息融合处理，具体包括如下步骤：S21、目标区分算法；U1＝[a1,a2,a3,a4,...an]；U2＝[b1,b2,b3,b4,...bn]；U3＝[c1,c2,c3,c4,...cn]；U4＝[d1,d2,d3,d4,...dn]；X＝[a1,a2,a3,a4,...an,b1,b2,b3,b4,...bn,c1,c2,c3,c4,...cn,d1,d2,d3,d4,...dn]U1，U2，U3，U4分别为四种探测方式得到的信息矩阵；X为四种探测方式得到的所有信息的矩阵；S22、将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类，1＜m＜n；S23、选择具有同类特征的数据进行映射泛化处理，得到探测信息函数V＝[Vij|i＝1,2...,n,j＝1,2,...,s]，再提取出需要的特征种类；S24、得到特征目标函数；式中，m为特征的种类维数，μ
ik
为每种特征的加权，d
ik
表示特征节点与特征中心的欧式距离，其中1＜c＜m；(d
ik
)2＝||x
k
‑
V
i
||2，其中X
k
为特征节点，是X矩阵中的第k项；v
i
为中心节点，其初始值为赋予的经验值，后续用每一次计算得到的最优解迭代；且S25、构造出最优目标函数：S26、得到全局最优解。2.一种多层次拦截防御系统的多源探测融合算法，其特征在于，包括以下步骤：Q1、通过多源探测器对运动目标进行探测，获取不同特征信息；探测方式包括多普勒雷达探测、雷达成像探测、光学探测；Q2、进行多元目标信息融合处理，具体包括如下步骤：Q21、目标区分算法；U1＝[a1,a2,a3,a4,...an]；U2＝[b1,b2,b3,b4,...bn]；U3＝[c1,c2,c3,c4,...cn]；X＝[a1,a2,a3,a4,...an,b1,b2,b3,b4,...bn,c1,c2,c3,c4,...cn]U1，U2，U3分别为三种探测方式得到的信息矩阵；
X为三种探测方式得到的所有信息的矩阵；Q22、将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类，1＜m＜n；Q23、选择具有同类特征的数据进行映射泛化处理，得到探测信息函数V＝[Vij|i＝1,2...,n,j＝1,2,...,s]，再提取出需要的特征种类；Q24、得到特征目标函数；式中，m为特征的种类维数，μ
ik
为每种特征的加权，d
ik
表示特征节点与特征中心的欧式距离，其中1＜c＜m；(d
ik
)2＝||x
k
‑
V
i
||2，其中X
k
为特征节点，是X矩阵中的第k项；v
i
为中心节点，其初始值是规定的经验值，后续为每一次计算得到的值迭代；且Q25、构造出最...

【专利技术属性】
技术研发人员：武春风，周啟帆，秦建飞，王盛龙，朱金宝，秦勇，谢峰，黄埔博，胡从林，
申请(专利权)人：航天科工微电子系统研究院有限公司，
类型：发明
国别省市：