基于属性测度的辐射源识别方法

基于属性测度的辐射源识别方法

ID:37594054

大小:121.08 KB

页数:8页

时间:2019-05-25

基于属性测度的辐射源识别方法_第1页
基于属性测度的辐射源识别方法_第2页
基于属性测度的辐射源识别方法_第3页
基于属性测度的辐射源识别方法_第4页
基于属性测度的辐射源识别方法_第5页
资源描述:

《基于属性测度的辐射源识别方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、中国科学E辑信息科学2004,34(12):1329~13361329*基于属性测度的辐射源识别方法研究**何友关欣衣晓(海军航空工程学院信息融合技术研究所,烟台264001)摘要对辐射源识别问题进行了研究,提出了一种采用属性测度理论对辐射源进行识别的新方法.给出了对雷达侦察设备上报的辐射源参数数据进行属性识别的方法、步骤和多指标权系数的确定方法.针对战场环境下多传感器系统获取的雷达辐射源信息具有时间上的冗余性,文中又将该方法推广到多传感器系统.将属性测度与D-S证据理论相结合,利用文中给出的属性测度计算方法构造

2、证据理论中的基本概率赋值函数.最后以雷达辐射源用途识别和体制识别为例,对单传感器和多传感器的情况分别进行计算机仿真实验,结果验证了这一方法的正确性和有效性.关键词属性测度辐射源识别D-S证据理论基本概率赋值函数1引言现代战场电磁环境日益密集、复杂,如何快速、准确地对辐射源进行识别已成为电磁斗争领域一项紧迫的任务.对辐射源的识别,目前国内常用的仍然是和数据库比较查询的方法,其优点是实现简单、识别速度快,但其对先验知识的依赖性很强,灵活性差.这就需要采用人工智能技术对未知辐射源进行分析和识别,[1,2][3,4]现有

3、的方法包括专家系统法、神经网络法、D-S推理方法等.属性是对事物或自然现象的定性描述,为了定量地研究属性、测量属性,程[5,6]乾生教授提出了属性集、属性测度等概念,建立了属性数学模型.本文针对辐射源识别的特点,给出了一种新的基于属性测度理论的辐射源识别模型,该模型是一种基于多指标权系数的方法.文中同时给出了该模型的两种应用,将它应用于雷达辐射源用途识别和体制识别,并与辐射源识别中常用的与数据库比较查询的模板匹配法进行了仿真比较.2004-09-22收稿,2004-10-28收修改稿*国家自然科学基金(批准号:6

4、0172033)和全国优秀博士论文作者专项资金(批准号:200036)资助项目**联系人,E-mail:yxgx@sohu.comSCIENCEINCHINASer.EInformationSciences1330中国科学E辑信息科学第34卷考虑到情报分析的信息来源不可能仅依靠单传感器来提供,而应利用多个传感器提取的独立、互补的信息,进行多传感器信息融合以降低不确定性,提高正确识别概率.为此,本文将该方法推广到多传感器系统,利用属性测度与D-S证据理论相结合进行辐射源识别.具体地,应用证据理论过程中,基本概率赋值

5、函数(BasicProbabilityAssignmentFunction,BPAF)的获得是一个与应用密切相关的问题,也是实际应用中最难的一步,它大大限制了证据理论的实际应用.这里我们采用本文给出的属性测度计算方法构造证据理论中的基本概率赋值函数.最后,将它应用于雷达辐射源识别的信息融合中,进行了详细的仿真实验.2属性测度和属性识别准则设X为研究对象的全体,称为对象空间.我们把要研究的X中的元素的某类性质记为F,称F为属性空间.属性空间中的任何一种情况都称为一个属性集.如果由一些属性集所组成的集合R满足以下两个

6、条件:1)如果A∈R,则A∈R;2)如果A∈R,BR∈,则A∪B∈R,那么称R为属性代数.如果属性代数R还满足:对于Ai∈R,i=1,2,",有∪Ai∈R,则称R为σ代数,称(F,R)为可i测空间.设F为X上某类属性空间,C1,C2,⋯CK为属性空间F中的K个属性集.如果{C1,C2,⋯CK}满足KF=∪Ci,CCij∩=Φ,i≠j,(1)i=1则称{C1,C2,⋯CK}为属性空间的分割.设x为X中的一个元素,A为一个属性集,用“x∈A”表示x具有属性A.“x∈A”仅是一种定性的描述,我们需要用一个数来定量的刻画

7、“x∈A”的程度,这个数记为µ()x∈A或µx()A,称它为x∈A的属性测度.为方便起见,要求[5]属性测度在[0,1]之内取值.这些属性测度不可以任意给,必须满足一定的规则.属性测度可以由专家经验或对事物的分析确定.设(C1,C2,⋯CK)是属性空间F的一个分割,x属于Ci类的属性测度为µx(Ci),满K足∑µxi()C=1.已知µx(Ci),1≤i≤K,如何判别,属于哪一类Ci?下面分别介绍i=1两种识别准则.最小代价准则:设属于Ci而判别为Cj的代价为dij,βj表示判别为Cj的全部代价,βj为SCIENC

8、EINCHINASer.EInformationSciences第12期何友等:基于属性测度的辐射源识别方法研究1331Kβji=∑djµx(Ci),(2)i=1若βj=minβj,(3)01≤≤jK则认为x属于Cj类.0因为当x判别为Cj类时所付出的代价最小,所以这种判别是合理的.0最大属性测度准则:考虑最小代价准则的一种最简单的情况.若认为正确判别无需付出代价,这时取

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。