基于动态贝叶斯网络的弹头目标融合识别方法

《基于动态贝叶斯网络的弹头目标融合识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第30卷第2期2011年4月飞行器测控学报JournaIofSpacecraftTT&CTechnoIogyV01．30No．2Apr．2011基于动态贝叶斯网络的弹头目标融合识别方法。王爽，郭军海，张艳(北京跟踪与通信技术研究所·北京·100094)摘要：通过分析导弹目标识别问题的特殊性，设计了适用于导弹目标识别的动态贝叶斯网络。根据导弹目标的特点，选取了几种具有较好普适性的目标特征，并给出了每种目标特征的条件概率。通过分析导弹目标识别流程，提出了合理的贝叶斯网络模型。最后经过仿真试验，证明该模型相比单特征识别模型识别概率有明显

2、提高，并且具备较好的稳健性。关键词：导弹目标；弹头识别；动态贝叶斯网络；贝叶斯估计中图分类号：V557文献标识码：A文章编号：1674—5620(2011)02一0070一05FusedWarheadRecognitionBasedonDynamicBavesianNetworkModelWANGShuang，GUOJunhai，ZHANGYan(Be巧ingInstituteofTrackingandTelecommunicationsTechnology，Beijing100094)Abst隋ct；Ad”amicBa”sian

3、networkisconstructedformissiletargetrecognitionafteranaIysiso“tsparticularity．InlightofthefeaturesofmissiIetargets，severaluniversaltargetfeaturesarechosenandassignedappropriatecondi—tionalprobabilityfortheproblem．Then，missilerecognitionflowchartisillustratedandaration

4、alizeddynamjcBayesiannetworkmodelisproposed．simulationi8performedtoevaluatetheperformanceofthemDdel．Resultsshowthatthemodel’sperformnceismuchbetterandmorerobustthansinglefeaturerecognitionmodels．Keywords：Missile；WarheadRecognition；DynamicBayesianNetwork(DBN)，BayesianE

5、stimationO引言在弹道导弹大气层外防御中，由于弹头及其伴飞物在大气层外以大致相同的速度作惯性飞行，并且来袭导弹通常会采用各种先进突防手段，这给防御系统实现真假目标识别带来了极大的技术难题，多目标识别问题已成为防御系统的主要技术瓶颈‘11。为此，国内外学者对导弹目标识别技术做了大量研究[2剖。从国内外公开的文献看，主要存在以下几个问题：①大部分的研究仍集中于单目标特性识别，这很容易使识别结果受到观测噪声的污染[63；②实时性不高，部分研究者着重于事后分析，而导弹目标识别问题恰好是一个对实时性要求极高的问题；③大部分研究者仍试

6、图建立复杂、完备的目标特征库，而忽视了弹道目标识别正是典型的非合作目标识别，根本不可能事先获得目标的特征。为此，本文提出利用动态贝叶斯网络进行导弹目标识别，为解决上述几个问题进行初步的尝试。动态贝叶斯网络是人们为了处理动态系统而对静态贝叶斯网络在时间序列上的扩展。动态贝叶斯网络是对动态系统进行建模和状态估计的新工具，是近年来国际上的研究热点。国内学者也对其应用进行了广泛探索，如语音识别、水文预报、态势估计等。动态贝叶斯网络模型能够感知连续不确定信息对系统的影响，即它能够从大量不同时间观测信息中进行推理口]，这个特性赋予了它天生的导

7、弹目标识别能力。1动态贝叶斯网络1．1贝叶斯网络推理模型贝叶斯网络可以用一个二元组来描*收稿日期：2010—08—31；修回日期：2010—09—29第一作者简介：王失(1987一)，男，硕士研究生，主姜研究方向为导弹目标融合识别技术；Emmil：galoiscode@gmil．com第2期王爽，等：基于动态贝叶斯网络的弹头目标融合识别方法述[8]。D为一个有向无环图，图的节点对应于问题中的变量，有向弧表示变量之间的依赖关系，没有弧连接则表示节点之间相互独立，图是对问题中变量间因果关系的定性描述。P为对应于各个节点的条件

8、概率表，是对问题中变量间因果关系的定量描述。图1即为一个简单的贝叶斯网络模型。图1贝叶斯网络结构示意图贝叶斯网络结构蕴含着节点独立性假设，贝叶斯网络规定任意节点K独立于其父节点给出的非V，后代节点的任何节点子集，若用A(V；)表示非K后代节点的任意