二十世纪七十年代末八十年代初,信息融合作为一门新兴学科,在机器人技术、战场态势感知和目标识别领域迅速发展起来。本文以融合目标识别为背景,研究了信息融合的神经网络原理及其应用。 本文首先对目标识别中的信息融合技术进行了简要概述,分析了神经网络技术在数据层、特征层和决策层进行信息融合目标识别的应用和研究状况。 其次借鉴神经生物学和认知科学的基本理论和现有的研究成果,探索性的论述了人脑进行高层信息整合的基本原理,希望能够对信息融合的研究有一定的借鉴作用。介绍了神经元进行信息传递和低层信息处理的机理,在此基础之上着重描述了人的感官系统——视觉系统信息处理的基本流程。结合这些已有的研究成果,给出了研究信息融合基本理论和建立信息融合系统中应该遵循的几个基本原则。 再次研究了模糊神经网络在信息融合中应用的基本理论和方法。讨论了基于模糊推理的多层前馈神经网络,给出了根据误差反向传播原理的学习算法,研究了利用该类型网络进行特征级融合识别的一般性方法。继而研究了模糊ARTMAP网络用于特征层融合识别的方法,并提出了一种网络警戒参数自适应调整新算法。仿真试验的结果表明利用模糊神经网络在特征层实现信息融合目标识别是一种有效的方法。 最后研究了利用神经网络实现决策层时空信息融合的基本方法。针对一般神经网络不能充分利用各个传感器所处环境和专家知识等先验信息的不足,提出了一种决策层时空信息序贯融合的神经网络模型。根据神经生物学原理对网络结构进行了简化,并讨论了利用各个传感器所处环境和专家知识等先验信息确定网络连接权值初始值的方法。此外研究了网络连接权值——各个传感器融合权重的在线学习算法。