相关实验视频
Updated: Jan 15, 2026

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.1K
智能反无人机威胁检测使用分层模糊决策和传感器融合.
Fani Arapoglou1, Paraskevi Zacharia1, Michail Papoutsidakis1
1Department of Industrial Design and Production Engineering, University of West Attica, Egaleo, 12241 Athens, Greece.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
本研究介绍了针对反无人机系统 (反UAV) 的智能框架,通过融合传感器数据来增强威胁检测. 层次的模糊逻辑方法优化传感器选择,以提高可靠性和成本效益.
科学领域:
- 机器人和控制系统 机器人和控制系统
- 人工智能的人工智能
- 防务技术 防务技术 技术
背景情况:
- 现代无人机威胁日益复杂和模糊,需要先进的检测和识别方法.
- 现有的反无人机系统在有效地融合异质传感器数据和优化传感器部署方面面临着挑战.
- 需要智能决策框架,能够适应动态威胁环境和传感器不确定性.
研究的目的:
- 为反无人机系统中威胁检测和识别提出一个智能分层模糊的决策框架.
- 开发一种新的三级模糊推理架构,用于适应性传感器评估和最佳配对.
- 提高在反无人机作战中部署传感器的可靠性和成本效益.
主要方法:
- 开发了一个三层的模糊推理系统 (FIS) 架构:FIS-A用于传感器有效性 (高度,检测概率),FIS-B用于操作适用性 (范围,成本),FIS-C用于复合传感器对适用性.
- 不同质的传感器数据的融合,包括电光/红外 (EO/IR),雷达,声学和射频 (RF) 模式.
- 基于模拟的评估,使用经验数据和文献来验证框架的性能.
主要成果:
- 拟议的框架有效地处理传感器数据和威胁识别中的不确定性.
- 在反无人机场景中证明了检测可靠性和准确性的增强.
- 层次结构促进了详细分析,系统级优化和成本效益高的传感器部署.
结论:
- 智能分层模糊决策框架为反无人机系统提供了重大进步.
- 该模块化,可扩展和可解释的方法可转移到其他动态威胁环境.
- 该框架支持自适应式传感器评估和最佳配对,改善整体系统性能和决策.

