Multisensormålsökare. Klassificering av markmål med datafusion - 4

Klassificering av markmål har studerats med en kombination av simulerade IR- och radardata. Dessa data antas registreras från en robot som närmar sig ett av sex möjliga, tidigare upptäckta, markmål. IR bilder genereras från texturmodeller av scen och mål med hjälp av ett 3-D verktyg. Högupplösta HRR radaravståndsprofiler beräknas från högupplösta CAD-modeller baserat på fysikalisk optik. På dessa profiler adderas en klottermodell koherent. IR-särdrag baseras i första hand på geometriskt invarianta storheter extraherade från IR-bilden. Radarsärdrag utgörs här av hela avståndsprofilen. En preliminär studie med "superupplösta" radarprofiler har även gjorts med hjälp av den s.k. MUSIC-algoritmen. Målen klassificeras med hjälp av ett artificiellt neuronnät på extraherade särdrag, både för sensorerna individuellt och i kombination. Två skilda datafusionsmetoder har studerats: särdragsfusion, som använder en sammanslagen särdragsvektor, och beslutsfusion som väger samman individuella sensorbeslut med stöd från tidigare experiment. Resultaten visar att särdragsfusion är minst lika bra som den bästa sensorn givet man känner osäkerheten i data. Beslutsfusion slår i sin tur särdragsfusion så långt man kan lita på förhandsdata. Lokala målskattningar har också uppdaterats genom rekursiv användning av Bayes regel.