專利名稱：一種基于不確定推理的目標(biāo)綜合識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于不確定推理的目標(biāo)綜合識別方法，屬于軍用航空電子技術(shù)領(lǐng)域，具體地說本發(fā)明是綜合利用多種目標(biāo)身份獲取信息計算得到最終的目標(biāo)屬性、類型等信息，完成目標(biāo)綜合識別。
背景技術(shù)：
目標(biāo)識別是數(shù)據(jù)融合技術(shù)中最常用的一個功能，具有廣泛的應(yīng)用前景，它在軍工領(lǐng)域有相當(dāng)大的應(yīng)用需求。近幾年，美軍正大力發(fā)展戰(zhàn)場傳感監(jiān)視系統(tǒng)的目標(biāo)識別技術(shù)。在學(xué)術(shù)界，研究者們已從許多方面對目標(biāo)識別技術(shù)進行了研究，但由于問題本身具有復(fù)雜性， 以及多種信號的干擾，特別是存在多噪聲干擾源的復(fù)雜電磁環(huán)境，用單一偵察設(shè)備無法解決目標(biāo)識別問題，問題的解決有賴于多種偵察手段的綜合運用，以提高目標(biāo)的正確識別率。在多傳感器數(shù)據(jù)融合系統(tǒng)中，各個傳感器提供的信息往往是不完整的，不精確的， 具有某種程度的不確定性及模糊性，甚至有可能是矛盾的。數(shù)據(jù)融合不得不依據(jù)這些不確定信息進行推理，以達到目標(biāo)身份識別和屬性判決的目的?？梢哉f，不確定性推理是處理那些具有不完全、不確定、不清晰的信息或數(shù)據(jù)，是目標(biāo)識別和屬性級融合的基礎(chǔ)。雖然各種不確定性推理方法都有各自的優(yōu)點，但證據(jù)理論以其在不確定性的表示、量測和組合方面的優(yōu)勢而受到重視。證據(jù)理論是一種基于統(tǒng)計的數(shù)據(jù)融合分類算法，是研究認(rèn)識不確定性問題的另一種理論，屬于人工智能的范疇。常規(guī)的決策分析理論以概率論和數(shù)理統(tǒng)計為基礎(chǔ)，該理論認(rèn)為概率是由事件發(fā)生的頻率作為證據(jù)完全決定的，是純客觀的，并且片面強調(diào)證據(jù)的作用，忽視人的判決作用。而主觀概率理論認(rèn)為，概率是人的偏好或主觀意愿的度量，是純主觀的，即該理論片面強調(diào)人的判決作用，而忽視客觀證據(jù)的作用。證據(jù)理論認(rèn)為， 對于概率推斷的理解，我們不僅要強調(diào)證據(jù)的客觀化而且也要重視證據(jù)估計的主觀性，概率是人在證據(jù)的基礎(chǔ)上構(gòu)造出的對一命題為真的信任程度，簡稱為信度。因此，證據(jù)理論可以根據(jù)各種資料對系統(tǒng)各個部分狀態(tài)的概率進行歸納與估計，并作出正確的決策。同時，證據(jù)理論比貝葉斯推理更一般，具有以下一些優(yōu)點(1)它具有比較強的理論基礎(chǔ)，既能處理隨機性所導(dǎo)致的不確定性，又能處理模糊性所導(dǎo)致的不確定性。(2)它可以依靠證據(jù)的積累，不斷地縮小假設(shè)集。(3)能夠?qū)⒉恢篮筒淮_定區(qū)分開來。(4)不需要先驗概率和條件概率密度?；诓淮_定推理規(guī)則的DS證據(jù)理論已在模式識別和智能控制等領(lǐng)域取得了良好的應(yīng)用。目前基于不確定推理規(guī)則的DS證據(jù)理論目標(biāo)識別方法在軍事目標(biāo)綜合識別中還沒有得到實際應(yīng)用。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明針對現(xiàn)有技術(shù)存在問題與不足提供一種充分利用不同情報偵察手段優(yōu)點、獲取更具體的目標(biāo)類型、從而提高目標(biāo)識別可靠性的基于不確定推理的目標(biāo)綜合識別方法。技術(shù)方案一種基于不確定推理的目標(biāo)綜合識別方法，包括如下步驟第一步，多元情報收集，通過多種偵察手段對目標(biāo)進行探測，并將探測到的目標(biāo)信息進行格式轉(zhuǎn)化形成多元情報源；第二步，多元情報關(guān)聯(lián)，將收集到的多元情報源統(tǒng)一的同一坐標(biāo)系下，通過綜合多元情報源的位置和高度信息完成情報關(guān)聯(lián)，獲取同一坐標(biāo)系下的多元情報源的屬性信息；第三步，可信度分配，根據(jù)多元情報源的屬性信息獲取每個情報源的可信度，或者根據(jù)所述目標(biāo)信息的特性計算得到每個情報源的可信度，所述情報源的可信度為DS證據(jù)融合(DS證據(jù)融合，即基于DS證據(jù)理論的融合)計算提供依據(jù)；第四步，DS證據(jù)融合，通過不確定推理規(guī)則對所述多元情報源的屬性信息和情報源的可信度進行DS證據(jù)融合，對多元情報源的屬性信息和情報源的可信度組合得到融合屬性和融合可信度；其中，在DS證據(jù)融合過程中，通過對每個情報源的屬性信息和情報源的可信度進行DS證據(jù)融合，得到每個情報源相應(yīng)的融合屬性和融合可信度；第五步，建立類型知識庫，類型知識庫用于建立不同層面類型之間的隸屬關(guān)系，通過隸屬關(guān)系獲取得到每個情報源的具體類型信息，各個情報源的類型信息可能處于不同層面，如F-16戰(zhàn)隼和小型機屬于不同層面，但又有隸屬關(guān)系，通過類型知識庫建立不同層面類型之間的隸屬關(guān)系，便于根據(jù)隸屬關(guān)系獲取得到更具體的類型信息；第六步，識別確認(rèn)目標(biāo)，根據(jù)情報源及其屬性、具體類型信息和融合屬性和融合可信度確定目標(biāo)的最終屬性和類型。對于同一目標(biāo)，往往能被不同偵察手段掌握，通過多種偵察手段對目標(biāo)進行探測， 并將探測到的目標(biāo)信息進行格式轉(zhuǎn)化形成多元情報源，為目標(biāo)識別提供全面的原始信息； 多元情報關(guān)聯(lián)步驟將進入系統(tǒng)的多元情報源(即多個情報源)統(tǒng)一到同一坐標(biāo)系下，并綜合每個情報源的位置、高度信息完成情報關(guān)聯(lián)，獲得掌握同一目標(biāo)的多元情報源信息；可信度分配中，對于由不同情報源獲取得到的目標(biāo)屬性信息，其可信度可以由情報源上報的獲得，也可以根據(jù)目標(biāo)特性計算得到，為DS證據(jù)融合計算提供依據(jù)；通過DS證據(jù)融合，得到每個情報源相應(yīng)的融合屬性和融合可信度；在類型識別過程中，類型信息由于各個情報源通過不同的偵察手段獲取得到，不同的偵察手段往往會獲取得到不同層面的識別結(jié)果，通過類型知識庫中不同層面類型之間的隸屬關(guān)系，可獲得具體類型信息；運用DS證據(jù)理論得到目標(biāo)最終的融合屬性和融合可信度，識別出目標(biāo)的最終屬性和類型。上述方法提高了目標(biāo)識別的準(zhǔn)確性和可靠性。第一步中所述的偵察手段為雷達、電子偵察和技術(shù)偵察手段，多種偵察手段，是獲取更全面的多元情報源。第六步中所述識別確認(rèn)目標(biāo)通過自動和人工兩種處理工作模式實現(xiàn)。有益效果本發(fā)明提供的基于不確定推理的目標(biāo)綜合識別方法，采用多種偵察設(shè)備和手段，對同一目標(biāo)進行偵察，獲取得到目標(biāo)信息并且完成多元情報關(guān)聯(lián)，對各個情報源上報的屬性、類型信息基于不確定推理規(guī)則進行了 DS證據(jù)融合計算，獲取得到目標(biāo)最終的屬性和類型信息；一是提高了對多個情報源信息的利用率，充分利用了不同情報偵察手段的優(yōu)點，是ISR集成的優(yōu)勢體現(xiàn)；二是運用類型知識庫，建立不同層面類型之間的隸屬關(guān)系，通過隸屬關(guān)系獲取得到更具體的目標(biāo)類型；三是運用DS證據(jù)理論融合方法，無需先驗概率和條件概率密度，對前提條件的要求更為寬松；四是本發(fā)明可以工作在不同工作模式下，提高了目標(biāo)識別可靠性。此外本發(fā)明識別獲取的目標(biāo)屬性、類型信息為后續(xù)一致圖像生成和服務(wù)提供了有效支撐。


圖1為本發(fā)明實施例的流程圖；圖2為本發(fā)明實施例中的基于DS證據(jù)理論的融合過程圖；圖3為本發(fā)明實施例的目標(biāo)確認(rèn)的效果圖。
具體實施例方式下面結(jié)合附圖和具體實施例，進一步闡明本發(fā)明，應(yīng)理解這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對本發(fā)明的各種等價形式的修改均落于本申請所附權(quán)利要求所限定的范圍。如圖1所示，本發(fā)明通過基于機器智能的自適應(yīng)飛行計劃航跡預(yù)測方法來進一步闡明基于不確定推理的目標(biāo)綜合識別方法，步驟如下第一步，多元情報收集對于空中目標(biāo)，通過雷達、電子偵察和技術(shù)偵察等偵察手段獲探測到目標(biāo)信息，并將探測到的目標(biāo)信息進行格式轉(zhuǎn)化形成多元情報源。不同偵察手段獲取得到的情報信息特性是各不一樣的通過雷達探測得到的情報信息能提供較為準(zhǔn)確的位置信息，而對于目標(biāo)屬性，類型等特征則需要其他偵察手段獲取的情報支援；對于由電子偵察探測得到的情報信息能根據(jù)輻射源特性提供類型信息，而對于位置等信息則需要其他偵察手段獲取的情報支援；對于由技術(shù)偵察探測得到的情報信息在不同的情報獲取方式下是不一致的，可能包含了目標(biāo)的位置、屬性、類型等信息。第二步，多元情報關(guān)聯(lián)對于目標(biāo)綜合識別而言，由不同偵察手段獲探測到的目標(biāo)信息從多渠道為目標(biāo)提供了情報來源，形成多元情報源。多元情報源關(guān)聯(lián)過程需要將由各個情報源獲取得到的不同信息進行時空對準(zhǔn)，然后利用多元情報源中的位置、高度信息的相似性進行關(guān)聯(lián)，確定同一目標(biāo)的不同來源。第三步，可信度分配，可信度分配主要確定各個情報源上報的屬性、類型信息確信程度。本發(fā)明中，可信度在情報源可以上報的情況下，可以通過上報的情報源獲取可信度。 在情報源無法上報可信度的情況下，通過目標(biāo)類型數(shù)和環(huán)境加權(quán)系數(shù)或根據(jù)目標(biāo)的速度和加速度確定，基本規(guī)則如下(1)根據(jù)目標(biāo)類型數(shù)和環(huán)境加權(quán)系數(shù)確定概率賦值設(shè)N為目標(biāo)類型數(shù)，M為傳感器總數(shù)，Ci (Oj)是傳感器i對目標(biāo)類型Oj的關(guān)聯(lián)系數(shù)，要根據(jù)具體環(huán)境而定，λ i是傳感器i的環(huán)境加權(quán)系數(shù)，真值域為
且定義
權(quán)利要求
1.一種基于不確定推理的目標(biāo)綜合識別方法，其特征在于，包括如下步驟第一步，多元情報收集，通過多種偵察手段對目標(biāo)進行探測，并將探測到的目標(biāo)信息進行格式轉(zhuǎn)化形成多元情報源；第二步，多元情報關(guān)聯(lián)，將收集到的多元情報源統(tǒng)一的同一坐標(biāo)系下，通過綜合多元情報源的位置和高度信息完成情報關(guān)聯(lián)，獲取同一坐標(biāo)系下的多元情報源的屬性信息；第三步，可信度分配，根據(jù)多元情報源的屬性信息獲取每個情報源的可信度，或者根據(jù)所述目標(biāo)信息的特性計算得到每個情報源的可信度，所述情報源的可信度為DS證據(jù)融合計算提供依據(jù)；第四步，DS證據(jù)融合，通過不確定推理規(guī)則對所述多元情報源的屬性信息和情報源的可信度進行DS證據(jù)融合，對多元情報源的屬性信息和情報源的可信度組合得到融合屬性和融合可信度；其中，在DS證據(jù)融合過程中，通過對每個情報源的屬性信息和情報源的可信度進行DS證據(jù)融合，得到每個情報源相應(yīng)的融合屬性和融合可信度；第五步，建立類型知識庫，類型知識庫用于建立不同層面類型之間的隸屬關(guān)系，通過隸屬關(guān)系獲取得到每個情報源的具體類型信息；第六步，識別確認(rèn)目標(biāo)，根據(jù)情報源及其屬性、具體類型信息和融合屬性和融合可信度確定目標(biāo)的最終屬性和類型。
2.如權(quán)利要求1所述的基于不確定推理的目標(biāo)綜合識別方法，其特征在于第一步中所述的偵察手段為雷達、電子偵察和技術(shù)偵察手段。
3.如權(quán)利要求1所述的基于不確定推理的目標(biāo)綜合識別方法，其特征在于第六步中所述識別確認(rèn)目標(biāo)通過自動和人工兩種處理工作模式實現(xiàn)。
全文摘要
本發(fā)明公開了一種基于不確定推理的目標(biāo)綜合識別方法，采用多種偵察設(shè)備和手段，對同一目標(biāo)進行偵察，獲取得到目標(biāo)信息并且完成多元情報關(guān)聯(lián)，對各個情報源上報的屬性、類型信息基于不確定推理規(guī)則進行了DS證據(jù)融合計算，獲取得到目標(biāo)最終的屬性和類型信息。該方法一是提高了對多個情報源信息的利用率，充分利用了不同情報偵察手段的優(yōu)點；二是運用類型知識庫，建立不同層面類型之間的隸屬關(guān)系，通過隸屬關(guān)系獲取得到更具體的目標(biāo)類型；三是運用DS證據(jù)理論融合方法，無需先驗概率和條件概率密度，對前提條件的要求更為寬松；四是本發(fā)明可以工作在不同工作模式下，提高了目標(biāo)識別可靠性。
文檔編號G06K9/62GK102393912SQ20111033838
公開日2012年3月28日 申請日期2011年11月1日 優(yōu)先權(quán)日2011年11月1日
發(fā)明者常樂, 王立峰, 藍(lán)羽石, 鄭宇杰 申請人:中國電子科技集團公司第二十八研究所