59、智能传感器系统中的自动目标识别算法

智能传感器系统中的自动目标识别算法

1. 自动目标识别算法概述

自动目标识别（ATR）可用于军事武器系统，让弹药自动飞向目标，也能基于计算机算法，自动检测、定位和识别信息对象。比如，龙卷风 ATR 会分析多普勒雷达的旋转情况、区域压力、风速、温度和卫星图像等。

ATR 算法由多个算法协同工作以支持决策过程。在使用计算机算法识别目标模式前，需先通过特征集合来定义模式。特征代表了感兴趣信号的压缩信息，通常应具有物理意义或可观测属性，但这并非硬性要求。通过多次观察特定模式，测量特征的均值、协方差或高阶矩，可统计性地定义模式。用于定义特征统计的特征数据称为训练数据集，它还能用于调整滤波器网络以分离模式类。

常见的 ATR 算法有自适应神经网络（ANN）和句法模糊逻辑分类器。ANN 能有效分离模式类，但内部系数缺乏物理意义和统计度量，其设计更像是一门艺术。句法模糊逻辑分类器则要求事先了解语法（特征物理和决策规则），利用模糊逻辑融合模式数据和置信度，以做出更平衡、明智的决策。

2. 统计模式识别

2.1 基本概念

统计模式识别是较为直接的 ATR 概念，通过将测试模式与先前由特征统计（如均值和协方差）定义的模式类进行比较来识别模式。例如，可将“炎热天”模式类定义为平均温度约 90°F，标准差为 10°；“寒冷天”定义为平均温度 40°F，标准差为 15°。这些类可通过人类调查数据来定义，收集一定时间内多人的调查表格，统计得出温度的均值和标准差。给定某天的温度，统计模式识别算法就能客观推测人们对当天天气类型的判断。

2.2 概率密度函数

核心算法是将“炎热天”和“寒冷天”类特征化为具