海面目标多信源融合识别技术研究

《海面目标多信源融合识别技术研究》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27卷第1期航天电子对抗37海面目标多信源融合识别技术研究宁勇，朱伟强(中国航天科工集团8511研究所，江苏南京210007)摘要：主要对海面目标多信源融合识别技术进行了研究，介绍了海上目标的融合识别方法：Bayes推理和D—S证据理论，分析了D—S证据理论融合识别原理。采用基于高分辨率体制的雷达对海面目标HRRP的特征信息进行提取和分析，对D—S证据理论在海面目标识别中的应用进行了举例研究。关键词：自动目标识别；多信源融合；D—S证据理论中图分类号：E925；TN971文献标识码：Aresearchonmulti-resou

2、rcedatafusionandidentificationformaritimetargetsNingYong，ZhuWeiqiang(No．8511ResearchInstituteofCASIC，Nanjing210007，Jiangsu，China)Abstract：Multi—resourcedatafusionandidentificationformaritimetargetsarestudied．MethodsoffusionandidentificationsuchasBayesreasoningandD-Se

3、videncetheoryareintroducedfirstly，andtheprincipleofD-Sevidencetheoryisanalyzed．HRRPfeaturesinformationofmaritimetargetsisextractedandanalyzedbasedonhighresolutionregimeRADAR，andtheapplicationforD-Sevidencetheoryonmaritimetargetsidentifica—tionisproposedfinally．Keywor

4、ds：automatictargetsrecognition(ATR)；multi-resourcedatafusion；D-SevidencetheoryO引言自动目标识别(ATR)系统是现阶段和未来武器系统的一个重要组成部分。多传感器、多信源数据融合作为一门新兴技术引入ATR系统，可以克服单一传感器ATR系统的局限性，提高ATR系统在复杂场景的自适应能力，从而使之成为ATR研究中一种新的发展趋势。1多信源融合识别方法多信源融合识别就是运用数据融合技术综合不同传感器(信息)的信息来克服单传感器系统所固有的缺陷，利用不同传感器的

5、数据互补和冗余，为目标识别提供更多可利用的判别信息和指令信号。目前用得比较多的融合方法有两种：Bayes推理和D—S证据理论。收稿日期：2010—07—27作者简介：宁勇(1977一)，男，工程师，主要从事电子对抗与信号处理工作。1)Bayes推理BayeS推理技术是利用先验概率和条件概率导出后验概率，并取最大后验概率做为决策。设H，，H：，⋯，Hi为互不相容的假设，E表示事件(或事实、观测)，Bayes公式为：P(Hi／E)2页P(面E／H而i)P(丽H,)，莩P(H』)-1(1)式中，P(E／H，)为给定假设H，为真时，事件

6、E发生的概率；P(H，)为H，为真的先验概率；所得到的P(H，／E)为事件E发生时，假设Hi为真的后验概率。在多传感器的条件下，每个传感器提供一个关于目标的假设，它依赖于观测和传感器分类算法。此时的Bayes公式可以记为：P(0；／D。nD2n⋯nD。)=￡!!旦!!Q!：：：垦!堡!Q!￡!Q!f2)∑P-(D-／oJ)⋯Pt(Dk／O,)P(oj)该公式提供了一个综合多传感器证据0，的方法。2)D—S证据理论证据理论是由Dempster首先提出的，由Shafer38航天电子对抗2011(1)进一步发展起来的一种不精确推理理论

7、，也称为Dempster／Shafer证据理论，即D—S方法。设@为变量z的所有可能值的穷举集合，且设0中的各元素是相互排斥的，我们称@为辨别框。设0的元素个数为L，则@的幂集合Q的元素个数为20，每个幂集合的元素对应于一个关于z取值情况的命题(子集)。对任何一个属于@的子集A，令它对应一个数优∈[O，1]，而且满足：m(CP)=0，∑m(A)=1(3)则称函数m为20上的基本可信度分配函数，称研(A)为A的基本可信度分配。m(A)的意义为：若ACO且不等于@，则m(A)为A的精确信任程度；若A=0，则m(A)表示不知道A如何分

8、配。证据理论给出了多源信息的合并规则，即Demp—ster合并规则。它综合了来自多源的基本可信度分配，得到了一个新的基本可信度分配作为输出。合并规则称作正交和规则，用+表示。这里首先利用正交和规则对两个基本可信度分配进行合并。假设m。和m：分别是是同一识别框架H