一种多源集中式空中目标类型综合识别方法

与单传感器相比,多源传感器收集的多方面、多类型信息对目标类型识别更有意义.针对当前空中类型识别方法特征单一,分类结果无法交叉验证、准确率低的问题,提出一种融合多源传感器特征的目标类型综合识别方法.该方法首先利用深度学习模型提取目标飞行器的光电图像、运动轨迹、RCS以及电子侦收特征.考虑到真实环境下各传感器特征的重要程度会动态变化,采用注意力机制和距离参数对特征权重进行动态分配.在仿真数据集上的实验结果表明,与单传感器模型相比,集中式方法识别准确率平均提升12.89％,识别效果提升明显;与基于层次分析法投票的分布式模型相比,集中式方法不仅能够更有效地融合多源特征,提升识别效果,并且具有更强的鲁棒性,能适应复杂环境的变化.