(多传感器数据融合及其应用)第5章身份融合.ppt

《(多传感器数据融合及其应用)第5章身份融合.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第5章身份融合5.1引言5.2身份融合算法的分类5.3特征及其提取5.4身份识别5.5识别技术概述5.6身份融合算法5.1引言对观测实体身份的识别与判断是多传感器数据融合系统的一个非常重要的任务，是C3I系统的一个关键功能，也是我们采用多传感器的意图之一。在我们利用多传感器完成目标检测和定位之后，我们更感兴趣的是这些目标都是哪一类目标、具体是个什么样的目标，因为这对系统的态势与威胁评估有着非常重要的意义。由前面几章我们知道，一个通用传感器所包含的身份信息是有限的。如一部搜索雷达，尽管在很远的距离上就能够发现目标，但它只能够说明目标的有无，而不能告诉人们所发现的是一个什么样的目标。但这并

2、不等于在它的回波中没有包含任何与身份有关的信息，如它的回波串长度、RCS、回波幅度的起伏特性等，而所给出的信息可能是粗糙的、模糊的。一部雷达所给出的目标回波串很长，就有可能说明它所发现的是一个大目标，如民航机、轰炸机、大型舰艇等。如果利用多部雷达所给出的这些信息，特别是不同体制、不同用途的雷达，就有可能给出一个更精确的判断。实际上，这就是我们所说的身份融合。确切地说，所谓身份融合就是根据各个传感器给出的带有不确定性的身份报告或说明，进一步进行信息融合处理，对所观测的实体给出联合的身份判断。这个过程实际上是对已知信息进行分类与识别处理的过程，最后给出观测实体的类别与属性。如空中飞行的各类飞机

3、，如预警机、轰炸机、歼击机、直升机、运输机等；地面运动目标类，如坦克、装甲车、汽车等。当然，我们不仅希望给出每一批次中有几架飞机，是什么型号的飞机，还希望根据它们的身份能够推断出它们携带什么电子设备、武器和其他挂载，给态势评估与威胁评估提供更多的信息。从理论上讲，组合身份报告要比每个单传感器给出的身份报告更准确、更具体、更完备。由于变量比较多，身份融合要比位置融合更复杂，所涉及的领域更广泛。身份融合按融合的层次可以分为三类，即分别在原始数据级、特征向量级和决策级进行融合。图5-1给出了在不同级别进行身份融合的基本思想。图5-1三个层次身份融合的基本思想(a)数据级身份报告；(b)特征

4、级身份报告；(c)决策级身份报告前面已经指出，身份融合分三级，可以在原始数据级、特征向量级和决策级进行，这主要取决于各传感器的类型和它们所完成的任务。之所以身份融合比位置融合更困难，是因为通常不存在身份报告的物理模型，并且它是分层的，使问题变得更复杂。在实际应用中，位置融合和身份融合不存在一个固定的时间顺序，可能同时进行，也可能交替进行。图5-2给出了一个详细的身份信息融合的原理框图，从这里不仅看到身份融合的主要内容，也可看到身份融合和态势与威胁评估、资源管理、以及各种数据库的关系。图5-2身份信息融合原理图5.2身份融合算法的分类身份融合算法的准确分类方法实际上是不存在的，也是不可能存在

5、的，但我们还是粗线条地给出了一个分类表，大致将其分成三类，即基于物理模型的方法、基于特征推理的方法和基于认识模型的方法。物理模型力图精确地构造传感器观测数据，如各种实体的雷达横截面积、实体图像、实体红外传感器频谱等，并通过将实测数据与模型数据的匹配来进行身份估计。这类方法中包括模拟技术和估计技术，如卡尔曼滤波技术等。尽管利用经典估计技术实现目标的身份估计是可能的，但身份的物理模型的构造是困难的。基于特征推理技术的目的是根据身份数据构造身份报告。它不采用物理模型，而是直接在身份数据和身份报告之间进行映射。我们又把它分成两大类，即有参技术和无参技术。有参技术需要身份数据的先验知识，如它的分布

6、和各阶矩等；无参技术则不需要这些先验知识。有参技术包括基于统计原理的经典推理、Bayes推理、D-S证据推理以及各种聚类方法；无参技术包括神经网络技术、模板技术、熵法和表决法等。基于认识模型的方法是身份融合的第三类方法。它力图模仿人在识别实体身份时的思维和推理过程。这类技术包括逻辑模板技术、基于知识或专家系统的技术和模糊集理论等。图5-3身份融合算法分类5.3特征及其提取5.3.1图像特征1.几何特征几何特征是目标或一幅图像的主要特征，它能展现目标或图像的几何形状和尺寸。边缘是描述几何形状和尺寸特征向量中的重要元素。在图像处理中要经常利用边缘特征进行边缘提取、边缘增强，更直观地反映目

7、标/图像的几何形状，以便对图像进行有效的识别。实际上，边缘是由线段、圆弧、圆等基本元素组成的，它们之间的关系、几何尺寸等都是图像特征选择时所要考虑的重要因素。2.结构特征结构特征能够在多维空间内描述目标/图像的几何形状和尺寸。特征向量中目标的各种几何形状，如球、圆锥、圆柱、多面体等及其半径、表面积和构成这些几何体的线段方向及相互关系等，都是图像处理中用于特征提取的基本元素。结构特征最能显现图像各部分的比例关系。3.时域