雷达属于主动传感器,通过收到的雷达回波对目标进行识别。其探测距离较远且精度高,具有全天候、全天时的作战优点;但是,雷达面临着反辐射导弹、电磁干扰等威胁。红外传感器属于被动传感器,被动接收目标的红外辐射形成红外图像,通过红外图像提取目标特征进行识别;任何温度大于绝对零度的物体都有红外辐射,因此目标能被红外传感器探测的概率比较高;但是,红外传感器的探测距离较近。红外与雷达融合识别可以优势互补,能提高融合识别系统的性能。本文基于红外与雷达融合识别目标的应用需求,开展了如下的工作:(1)目标红外成像和雷达回波的仿真及单传感器的识别。红外图像仿真中,根据目标群由远及近的飞行特点及目标红外辐射特性,仿真了目标群红外图像序列。红外图像识别中,当目标较远呈迎头点目标状态时,利用弹头温度变化率比较慢的特征进行目标识别;当目标较近呈面目标状态时,利用目标的灰度分布特征及其形状特征进行识别。目标的雷达回波仿真中,首先基于目标的运动模型仿真了目标的一维距离像;然后基于一维距离信号提取微动特征的思想,将待识别目标与模板库进行匹配识别出真弹头。还介绍了目标识别隶属度的确定方法,为证据理论奠定了基础。(2)对经典DS证据理论存在证据冲突时的改进。当证据之间存在高度冲突时,经典DS理论会得到与直觉相悖的结论。本文采用了证据权值的预处理和基于距离信息修正冲突系数的方法,对经典DS理论进行了改进,最后进行了实验,通过与已有经典DS理论进行对比,验证了算法的有效性。(3)提出了基于DS理论的决策层时空融合神经网络模型。整个网络是动态神经网络,能够实时利用各传感器的识别信息,可以适应红外雷达分时段工作的情况,并具有记忆功能。在空间域,对不同传感器识别结果进行动态加权;在时间域,通过输出的反馈作用,运用改进的DS理论,组合当前时刻和历史时刻的识别证据。该模型能够通过自我学习的方法,利用多传感器信息和先验信息,自动调整网络参数,提高了系统对环境的自适应性和融合结果的准确性及可靠性。仿真实验显示,系统能比单传感器更快速、更准确地识别出弹头和诱饵;即使在个别传感器出现严重误判时,如出现虚警和漏警时,识别结果依然正确,达到了预期的效果。