决策层时空信息融合的神经网络模型研究

摘要

融合目标识别可以获得比任意单传感器更加准确的目标识别结果.决策层融合由于其在信息处理方面具有很高的灵活性,成为信息融合研究的一个热点.针对传统融合算法环境适应性较差的缺点,提出了一种决策层时空信息序贯融合的神经网络模型,讨论了利用各传感器所处环境和专家知识等先验信息确定网络初始权值的方法,研究了网络权值的在线学习算法.仿真实验证明该网络模型的有效性.