人工神经 网络应用

目标识别中的人工神经网络应用

张彦军,刘　俊,张文栋

(华北工学院微米纳米技术研究中心,山西太原030051)

E2mail:shyzgy@public.ty.sx.cn

摘要:对分布式无人职守战斗单元的目标识别技术进行了研究,提出用模糊神经网络技术来识别战场目标,检验结果表明该方法具有较高的识别率。

关键词:目标识别;模糊神经网络;传感器

中图分类号:TP183　文献标识码:A　文章编号:167124776(2003)07/0820096202

Application of f uzzy neural net w ork in target recognition

ZHAN G Yan2jun,L IU J un,ZHAN G Wen2dong

(N ano2technology Research Center,North Chi na Instit ute of Technology,Taiyuan030051,Chi na)

Abstract:The target identification technology for the distributed combat unit out of duty was dis2 cussed,then a fuzzy neural network classifier is proposed to identify acoustic signals targets.The re2 sults have shown that this method has higher resolution.

K ey w ords:target identification;fuzzy neural network;classifier;sensor

1　引　言

战场目标识别技术是“分布式无人职守战斗单元”中的一项关键技术。随着战场环境越来越复杂,以及未来战场对抗与反对抗手段的不断增强,使得检测到的目标信号特征更加模糊、不确定。传统的模板匹配方法已不再适应战场要求。基于这种背景下,本文提出了一种应用模糊神经网络的目标识别方法。

2　模糊神经网络概述

人工神经网络是从上世纪80年代开始逐渐发展起来的,它是根据人脑的神经结构,以现代神经科学为基础而提出的,整个网络是由简单的基本元件———神经元相互连接而构成的动态系统。神经网络以非线性大规模并行处理为主要特征,对环境具有极强的自适应和学习能力,作为智能信息处理工具,它已在模式识别、聚类分析、专家系统等多方面取得了重大突破,显示了崭新的应用前景。而模糊技术则抓住人类思维中的模糊性特点,具有容易被人理解的表达能力,是一种处理不确定性、非线性和其它不确定问题的有利工具。尽管神经网络技术和模糊技术都有自身优势,但他们在信息处理中也存在自身的局限:从系统建模来说,神经网络采用的是典型的黑箱型学习模式,当学习完成后,输入/输出关系以权值的方式储存下来,难以被人理解;而作为模糊信息处理核心的“隶属函数和模糊规则的自动生成和调整”问题,也是一个模糊技术难以解决的难题。将模糊技术表达能力和神经网络的学习能力有机结合起来,取长补短,可以有效地解决上述问题。基于人工神经网络的目标识别系统与传统的目标识别系统相比,它既能识别带有噪声变形的输入模式,又有极强的自适应和学习能力,可以对特征向量进行复杂的计算和非线性映射,避免了复杂的处理和建模。模糊神经网络的研究和应用将有非常广阔的前景。

收稿日期:2003205215

基金项目:该项目受国防预研项目“分布式无人职守战斗单元研究”的资助。

69

微纳电子技术　2003年第7/8期　　　　　　　　　　　Micro nano ele ctro nic F e ch no lo gy/J uly～Augus t2003