Signalbehandling för styrbara sensorsystem - Slutrapport

Författare:

  • Fredrik Näsström
  • Jonas Allvar
  • Staffan Cronström
  • Viktor Deleskog
  • Erika Bilock
  • Philip Engström
  • Fredrik Hemström
  • Gustaf Hendeby
  • Jörgen Karlholm
  • Roland Lindell
  • Sebastian Möller
  • Joakim Rydell
  • Per Skoglar
  • Karl-Göran Stenborg
  • Morgan Ulvklo
  • Joakim Wikström

Publiceringsdatum: 2012-12-31

Rapportnummer: FOI-R--3570--SE

Sidor: 46

Skriven på: Svenska

Nyckelord:

  • detektion
  • målföljning
  • samverkan
  • fusion
  • sensorstyrning

Sammanfattning

I denna rapport presenteras arbetet som bedrivits inom projektet Signalbehandling för styrbara sensorsystem (S3). Syftet med projektet har varit att påvisa möjlighet-en och nyttan av optimerad automatisk datainsamling för efterfrågade spanings-, övervaknings- och skyddsuppdrag. Ett scenario som har studerats är hur sensordata från rörliga markfordon och UAV:er kan kombineras för att ge en förbättrad lokal lägesbild kring en egen ko-lonn för att minska risken vid t.ex. eldöverfall. Utvecklingen av plattformar med styrbara sensorsystem har varit mycket kraftig de senaste åren så några exempel på militära plattformar med styrbara sensorsystem presenteras i rapporten. I rapporten presenteras arbetet som har bedrivits inom automatisk detektion och följning av människor med IR-sensorer på fordon resp. UAV. Den vidareutveck-lade detektionsalgoritmen är träningsbaserad så den kan även tränas om för att detektera andra objekt som fordon, fartyg, containrar etc. Samverkan mellan sensorer på UAV och fordon har studerats i projektet. Genom att fusionera information från distribuerade sensorplattformar på en UAV och ett fordon kan till exempelvis noggrannheten i positioneringen av målet ökas. Fusion mellan terrängdata och sensordata för att öka noggrannheten i positioneringen av både egen plattform och mål har också studerats i projektet. Bildanalys för att automatiskt känna igen intressanta regioner i IR-data såsom skog, byggnader etc. där hot vanligen dyker upp har även studerats i projektet. Med denna funktionalitet kan spaningsmönster och algoritmer optimeras beroende på den aktuella bakgrunden.