基于HMM-PNN模型的助推段目标类型识别

• 作者: 司马端 樊建鹏 王普 程洪玮
• 来源期刊: 航天电子对抗
• 学科: 工学
• 关键词: HMM-PNN模型 助推段弹道模型 时序特征 目标识别
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 导弹武器系统攻防对抗
• 页码范围: 22-25,35
• 页数: 5页
• 分类号: TN971|V474.2+7
• 字数: 4080字
• 语种: 中文

摘要

针对卫星视野下导弹目标的识别问题,将经典隐马尔科夫模型(HMM)识别算法应用在助推段目标类型识别上并加以改进.首先,分析了通用弹道助推段运动特性,确定了不同射程导弹的分类依据.其次,针对HMM模型时序特性差异较小而引起的识别率低的问题,引入概率神经网络(PNN)与HMM模型相结合的结构算法,该方法整合了HMM模型的时间序列数据处理能力和PNN的自学习能力、贝叶斯决策理论,对不同射程导弹目标实现了分类识别.仿真实验结果表明该算法是一种有效的导弹目标识别算法,识别率优于传统的HMM模型方法,误判率较低,且易于工程实现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程洪玮		23	151	7.0	11.0
2	樊建鹏	国防科技大学电子科学与工程学院	2	0	0.0	0.0
3	司马端	国防科技大学电子科学与工程学院	3	9	1.0	3.0
4	王普	国防科技大学电子科学与工程学院	3	9	1.0	3.0