多传感器目标识别的优化融合

多传感器目标识别的优化融合

ID:9235131

大小:112.14 KB

页数:5页

时间:2018-04-24

多传感器目标识别的优化融合_第1页
多传感器目标识别的优化融合_第2页
多传感器目标识别的优化融合_第3页
多传感器目标识别的优化融合_第4页
多传感器目标识别的优化融合_第5页
资源描述:

《多传感器目标识别的优化融合》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、第26卷 第1期宇 航 学 报Vol.26No.12005年1月  JournalofAstronauticsJanuary2005多传感器目标识别的优化融合杨莘元,蒲书缙,马惠珠(哈尔滨工程大学信息与通信工程学院,哈尔滨150001)  摘 要:对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础

2、的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。关键词:目标识别;数据融合;一致理论;可信度;最小二乘法;神经网络中图分类号:TP212;TP274   文献标识码:A   文章编号:100021328(2005)0120047205集函数综合在一起,最终形成一个统一的概率分布0 引言估计。它的原理非常相似于分布式数据融合原理,战场目标识别的准确与及时,对后面的势态评其中的汇集函数相当于数据融合中的融合函数。估和威胁估计有重要的意义,也是在战争中取胜的Benediktsson早在1992年提出了以一致理论为关键。然而现代战争空地作战一体化

3、的特点及作战[1~3]理论基础的数据融合法,并运用在多传感器或双方采取的各种电子对抗技术,使战场环境日益复[4~7]多源信息的目标分类识别上,该方法通过汇集杂恶劣,传感器所获得数据的不精确、不完整、不可函数集合各传感器(信息源)的本地目标识别信息,靠。在这样的条件下,单个传感器识别方法就不再并利用最大值选择规则得到最终的分类识别结果。在适用。利用多传感器实现目标识别,更大程度的若采用的一致规则不同,汇集函数也不同。一致规收集和处理目标和环境的信息量,从而提高识别系则有两种:线性意见汇集(TheLinearOpinionPool)和统的准确性和可靠性。在这个

4、过程中,冗余和互补对数意见汇集(TheLogarithmicOpinionPool),其数学信息的融合,同样也引入了“信息冲突”这个新问题,表述如下:原因在于各传感器的信息存在不确定性和模糊性,对于某一目标X,有n个传感器对其观测并得而这些往往是由多种因素影响所致。在一个多传感到相应的目标特征信息zi(i=1,⋯,n),Z=[z1,器目标识别系统中,如何表示被融合信息的可信度,⋯,zn]表示对目标总的观测量。若存在目标类别有以及把这些可信度有效的融入系统,是确保识别系M类,表示为ωj(j=1,⋯,M)。p(ωj

5、zi)为第i个统具有较高的识别率和容错性的关

6、键。本文以一致传感器认为目标X属于类别ωj的后验概率估计。理论为基础,讨论了传感器本地分类信息的可信度λi表示了第i个传感器本地识别信息的可信度权估计问题,并利用这些可信度实现多传感器目标识值,它定量的反映了各传感器探测信息的好坏,并控别的优化融合,通过计算机实验仿真进行了验证。制各传感器本地识别信息在汇集函数中的相对影响1 一致理论与数据融合度。对于线性意见汇集规则的汇集函数一致理论(Consensustheory)最早运用在统计学Cj(Z)=f(λ1p(ωj

7、z1),⋯,λnp(ωj

8、zn))(1)和管理学中,它是专门针对在某一专家组里找寻一对数意见汇

9、集规则的汇集函数λλ致意见的研究领域。在一致理论中,每位专家根据Lj(Z)=f(p(ωj

10、z1)1,⋯,p(ωj

11、zn)n(2)贝叶斯决策理论估计某一事件发生的后验概率,然或后再把这些不同的意见通过某种一致规则决定的汇log(Lj(Z))=f(λ1log(p(ωj

12、z1)),⋯,收稿日期:2004207212,修回日期:2004211210©1994-2007ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net48宇航学报第26卷λnlog(p

13、(ωj

14、zn)))(3)这样定义可信度,既考虑了目标观测信息的静  汇集函数输出的是目标属于类别ωj的最终后态统计特性,又巧妙的把动态的环境信息引入识别验概率估计,估计值最大的就说明目标属于该类的系统,有效的处理了“冲突”信息和传感器故障所产可能性最大,该类就是识别系统最终的输出结果。生的错误信息,提高了识别精度,也保证了系统的稳该方法除了融合各传感器本地识别信息,也考虑了健性。这些信息的可信度,实际上,它是分布式数据融合的3 可信度的估计一种优化融合方式。311 统计可信度的估计算法2 传感器本地识别信息的可信度影响统计可信度大小的因素往往都直接或间接从

15、信息论的角度看来,多观测增加了关于目标的反映在传感器本地识别信息的

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。