Verktyg och metoder för ID-fusion av sensordata

Denna rapport beskriver olika aspekter av klassificering och datafusion med hänsyn till principiella metoder. Efter en diskussion om generiska metoder ges en kort beskrivning av vanliga klassificeringsmetoder. Datafusion diskuteras på särdrags- och beslutsnivå. Tillämpning på tre FOI-projekt visas i mer detalj. Scenariorna har utgjorts av dels simulerade landskap med modeller av fordon och sensorer, dels naturlig terräng med verkliga stridsfordon och sensorer. I projektet MUMS (MultiMålSökare) har särdrag extraherats från segmenterade IR-scener och avståndsprofiler från en högupplösande radar. Resultaten visar att ett artificiellt neuronnät klassificerar mål oftare rätt med IR och radar i kombination, givet kännedom om osäkerhet i sensordata. I projektet IAM (Interaktiva Marksensornät) fusioneras spårföljarens kinematiska data med ID-information från en klassificerare av akustiska signalspektra vilket ger en betydligt lättare association mål-observation i komplexa situationer. I projektet IR/mm-vågsradar har antalet möjliga målkandidater till en spårföljare starkt reducerats med hjälp av ett IR-kontrastfilter skalat med hjälp av avstånd från radarn.