[发明专利]一种基于多种群动力学的多传感器证据演化博弈融合识别方法

说明书

本发明公开了一种基于多种群动力学的多传感器证据演化博弈融合识别方法，包括以下步骤：步骤一依据传感器样本数据生成对应的基本概率指派函数；步骤二依据辨识框架建立证据的命题层博弈模型；步骤三依据命题层博弈矩阵建立证据层博弈收益矩阵；步骤四依据多种群动力学对证据进行演化；步骤五依据步骤四的演化结果进行加权平均处理和决策判断。本发明在建立命题层博弈模型的基础上，建立证据层博弈模型，既考虑了证据命题之间的博弈，又考虑了证据之间的相互博弈，使用多种群动力学对生成的证据进行演化，并对演化结果进行加权平均处理进而识别出目标类型，能够动态的反映证据之间的相互作用及影响，为不确定信息融合问题提供了一种新的解决思路。

技术领域

本发明属于目标识别领域，具体涉及一种基于多种群动力学的多传感器证据演化博弈融合识别方法。

背景技术

目标识别技术是现代军事指挥系统达到高效决策与指挥的重要手段，要做到正确、及时地对局势进行决策、指挥，就需要对多源信息进行快速合理的处理，提高指挥员对局面的感知程度和反应能力，从而提高决策质量和水平。

演化博弈论最初是用于生物模型的建模，与经典的博弈论相比，具有很大的发展。后来演化博弈论被用于社会制度分析，便出现了演化博弈论向其他学科交叉、融合的使用现象。近些年来，演化博弈论在不确定信息融合领域的应用越来越受到人们的关注。对于不确定信息的处理，在以往的研究中都是采取静态的方式，使用Dempster组合规则以及修正的Dempster组合规则甚至其他的融合方法将证据模型进行融合。而这些方法都忽略了信息之间动态的相互影响。演化博弈论在复制者动态这一演化动态的模型上，建立了相应的动态分析方法。将演化博弈论应用到不确定信息处理模型上，可以动态地分析信息之间的相互影响，并且能观察到信息的动态演化状态，这为不确定信息融合的问题提供了新的解决方案和研究思路。

此外，多种群动力学模型主要用于模仿多种群之间的相互作用及影响，也可以将这种思想应用到不确定信息融合问题上，为其提供一种解决思路。

因此，本申请基于多种群动力学，使用演化博弈论方法融合多传感器证据模型，一方面可以动态的分析证据之间的相互作用和影响，另一方面又可以提升目标识别的准确率。

发明内容

本发明所要解决的技术问题是：如何实现传感器目标识别。使用该方法实现传感器目标识别问题具有重要意义。

为解决上述技术问题，本发明采用的技术方案是一种基于多种群动力学的多传感器证据演化博弈融合识别方法，其特征在于，包括以下步骤：

步骤一、依据传感器样本数据生成对应的基本概率指派函数；

使用n个传感器对k个目标进行目标识别，将第i个传感器对第j个目标的识别概率记为P_i(j)，i＝1,2,…,n，j＝1,2,…,k，辨识框架为Ω＝{F₁,F₂,...,F_k}，Ω的幂集合为2^Ω＝{φ,{F₁},...,{F_k},{F₁F₂},...,{F₁F_N},...,Ω}，将传感器对每个目标识别的概率值转换成对应的基本概率指派函数，从而建立证据模型，所述基本概率指派函数的转换方法为：

步骤101：令传感器i对第j个目标的识别概率P_i(j)为证据i对元素F_j的支持程度m_i({F_j})，即转换成基本概率指派函数，依据基本概率指派函数的性质可知m(φ)＝0，且若传感器i识别出一个目标B的概率为x，且无法得到其他的识别结果，这种情况下，转换成的基本概率指派函数即为m_i({B})＝x，m_i({Ω})＝1-x，其中Ω＝{F₁,F₂,...,F_k}为全集；