[发明专利]目标特征辅助多源数据的关联方法

权利要求书

1.一种目标特征辅助多源数据的关联方法，其特征在于包括如下步骤：根据异类特征之间的相关性，确定异类传感器数据的关联分类规则，建立目标运动特征空间、目标识别特征空间与目标类型空间的映射关联模型，在映射关联模型中构建类别辨识框架Ω，以及表征一个目标的识别分类结果的单类别ω_s，按照K-近邻法K-NN规则找出距离目标特征x_i的K个近邻，并基于目标特征x_i与其近邻x_j之间的距离d_ij构建信任指派过程中的和接受阈值拒绝阈值两个阈值构造信任指派；对得到的K个信任指派进行融合，作为综合考量的结果实现目标分类，获得静态证据判决；在每个采样时刻t获取目标的特征，然后对每个t时刻的目标特征进行BK-NN训练，基于训练样本空间获得各个类别对应时刻在t时刻提供的局部静态证据，融合生成t时刻的静态判据，在获得静态证据后，进行动态更新，将t时刻的静态判据与历史证据融合，实现迭代的动态融合；通过对雷达和电子支援措施ESM的特征分类后，计算不同特征动态分类的综合结果，将特征分类的识别结果与雷达、ESM的位置特征结合，进行序贯滤波融合，获得更加可靠的关联滤波结果。

2.如权利要求1所述的目标特征辅助多源数据的关联方法，其特征在于：类别识别框架Ω标识所有识别结果ω的合集，Ω＝{ω₁，ω₂...ω_h}；ω_s的取值为类别辨识框架Ω中的任意一个，s取值为1～h，h为自然数。

3.如权利要求1或2所述的目标特征辅助多源数据的关联方法，其特征在于：距离目标特征x_i的K个特征近邻是从训练样本中得到，接受阈值拒绝阈值由单类别ω_s中所有训练样本距离的平均值来确定，其中，ω_s表征一个目标的识别分类结果的单类别。

4.如权利要求3所述的目标特征辅助多源数据的关联方法，其特征在于：基于得到的K个信任指派进行融合，作为综合考量的结果实现目标分类，从而获得静态证据判决。

5.如权利要求4所述的目标特征辅助多源数据的关联方法，其特征在于：获得每个时刻目标分类的静态判据是把每个时刻属于同一类的置信指派融合，获取该时刻的局部融合结果；将所得的结果全局融合，即为该时刻的静态判据。

6.如权利要求1所述的目标特征辅助多源数据的关联方法，其特征在于：基于训练样本空间，通过BK-NN获得各个类别在t时刻提供的局部静态证据，经过静态判别融合生成t时刻的静态判据m_ts(·)；将t时刻的静态判据m_ts(·)与历史证据m_1:t-1(·)融合，利用算法公式，综合从初始到t时刻的所有信息，实现迭代的动态融合，其中，υ_t、τ_t分别表示加权融合时，静态判据和历史证据采用的权值。

7.如权利要求1所述的目标特征辅助多源数据的关联方法，其特征在于：通过对雷达和ESM的特征分类后，计算不同特征动态分类的综合结果；将特征分类的识别结果与雷达、ESM的位置特征结合，进行序贯滤波融合，获得关联滤波结果，其中，BK-NN分类中，如果不能获得明确的分类时，则进行传统的位置关联滤波，当获得明确分类及对应概率时，则进行特征辅助的关联滤波。

8.如权利要求1或2所述的目标特征辅助多源数据的关联方法，其特征在于：构建基本信任指派与目标特征x_i与其近邻x_j之间距离的距离d_ij的函数，将所述函数分别定义为接受概率函数

和拒绝概率函数其中，

接受概率函数

拒绝概率函数

式中，e表示指数函数，λ_j为指数函数的系数，用来控制函数的斜率。