[发明专利]目标识别中基于协商策略的信息融合方法

说明书

本发明公开了一种目标识别中基于协商策略的信息融合方法，包括如下步骤：(1)确定时域信息集合M；(2)计算各时刻的BPA(m_⊕t‑1、m_t、m_t+1)间的距离；(3)确定阈值μ；(4)非冲突信息融合；(5)冲突信息融合。本发明的效果如下：它可以根据时域证据间的冲突程度自适应的选择融合方法，提升融合方法的智能性和针对性，增强融合方法对冲突信息的处理能力，更好的适应目标融合识别系统对不确定信息处理的实时性和鲁棒性要求。

技术领域

本发明属于不确定信息处理、信息融合领域，具体涉及基于协商策略的时域证据自适应融合方法。

背景技术

现代战争条件下，对来袭目标的准确探测和有效预警、对战场环境的高清侦察与实时监控以及对己方武器的精确制导等，都要求武器系统具备全天候探测、超视距监视、高精度识别的能力。但是，由于战场环境的复杂性，单一传感器难以满足目标识别的需求。基于多传感器平台的多源信息融合技术为解决自动目标识别技术中的难题提供了有效途径。多源信息融合技术依据一定规则、按时间序列对各传感器获得的目标识别信息进行自动分析、优化融合来提升对目标的识别精度，从而为合理的决策提供依据。然而，各信息源获取的原始信息可能存在非完备性，多源信息之间也可能存在矛盾性，这些都将导致融合结果存在很大的不确定性。因此，需要使用不确定信息处理的理论和方法，对非完备信息进行有效融合，这对融合效果的提升具有重要意义。在众多可用于处理不确定信息的理论和方法中，证据理论以基本概率分配函数及其相关函数为基础，可以从多个角度合理量化信息中包含的不确定性，具有兼备主观性与客观性的优点，因此可以利用证据理论解决目标识别中的信息融合问题。

由于基于多传感器平台的目标综合识别是一个时空序贯融合识别的过程，涉及空间和时间两个维度上的不确定信息融合，因此，非常有必要在证据理论的框架内研究时空不确定信息融合方法。基于证据理论的时空信息融合模型有三种：递归集中式融合模型、递归分布无反馈式融合模型和递归分布有反馈式融合模型。这三种模型将证据分类为空域证据和时域证据，按照先空域后时域或先时域后空域的顺序进行融合。空域证据指的是不同传感器在同一时刻获得的证据，在获取所有证据后同时进行融合获得一个空域融合结果。时域证据指的是同一传感器随时间序列逐步获取的证据，时域证据融合具有明显的序贯性和实时性，在每一时刻每增加一条新证据后都要输出当前时刻时域累积融合结果。时域证据融合还具有动态性，即任何两个时间间隔的改变或证据获取顺序的改变都可能会导致时域融合结果的变化，这与空域证据融合结果不受证据融合顺序的影响区别很大。

在证据理论框架下，当证据间冲突较大时，Dempster规则的融合结果往往不合理。针对这一问题，国内外研究者将证据可靠性纳入融合过程中，对原始证据进行修正后再用Dempster规则融合，取得了较好的效果。这类方法能处理冲突较大的空域证据，但对冲突较大的时域证据并不适用，因为证据可靠性大都是依据证据间的相互支持度获取的。空域证据的数量往往大于等于3个，通过相似性/相异性测度很容易得到它们的相互支持度；而每一时刻参与融合的时域证据只有2个，即前一时刻时域累积融合结果和当前时刻时域证据，很难获取合理的相互支持度，证据可靠性也就无法获得。

在目标综合识别中，受干扰信息和传感器性能的影响，单个时间节点传感器所获取的证据并不一定准确，往往需要对多个时间节点的证据进行时域融合，因此对时域证据融合方法的研究是很有必要的。尽管有学者相继提出时空证据融合模型，但当相邻时刻的时域证据冲突较大时，获得的结果会出现不合理情况。在处理冲突较小的时域证据时，优势不明显，计算量较大。

为了有效融合非冲突/冲突情况下的时域证据，本发明提出一种基于协商策略的时域证据自适应融合方法。将后一时刻时域证据作为参考信息，使其与前一时刻时域累积融合结果、当前时刻时域证据组成一个证据集，利用幂Pignistic概率距离综合分析三个时域证据包含的信息，将证据集分类为非冲突或冲突证据集。对非冲突情况，直接使用Dempster规则对前一时刻时域累积融合结果和当前时刻时域证据进行融合；对冲突情况，先评估二者的可靠性，用折扣法修正后再使用Dempster规则融合。