自动目标识别(ATR)可靠性研究
对同类目标畸变不变的正确识别率与不同类目标分类识别别率是衡量一个自动目标识别(ATR)系统的两个最重要性能指标.但在实际应用中,ATR系统所获取的外场的目标与背景总是处于随时间不断变化的条件下,与系统所存储的参考目标通常都不会一致,从而导致相关识别SNR劣化.特别对于多目标识别与不同类目标的区分,常规的相关门限判决方法会造成很大的误识别,大大影响了ATR系统的识别可靠性.本文采用人工神经网络(ANN)与模糊逻辑技术,对相关信号与噪声进行实时数字后处理,通过对信号与噪声强度分布等高线而不仅仅是强度的识别,大大提高了ATR系统的识别可靠性,改善了识别效率.
自动目标识别 人工神经网络 类内识别 类间识别 畸变不变
许毅 李小舜 洪汝桐 洪恩
四川大学物理系(成都) 西南技术物理研究所(成都)
国内会议
贵阳
中文
43-44
2000-07-28（万方平台首次上网日期，不代表论文的发表时间）