[发明专利]一种多物理域特征信息融合方法

摘要

本发明公开了一种多物理域特征信息融合方法，包括：（1）通过测量工具获取工程事件中所需要的先验信息，去除其中的冗余信息，获得优化的特征信息集；（2）将优化的特征信息集中的每个特征信息值Xi转换成区间形式；（3）求取广义隐马尔科夫初始模型；（4）根据获得的广义隐马尔科夫初始模型λ，获取最优模型；（5）求得每个单物理域的最优的广义隐马尔科夫模型，再各单物理域最优模型参数间的耦合关系，合成联合的广义区间后验概率分布，完成获得多物理域特征信息融合。本发明的方法通过广义贝叶斯法则，建立不同工程中多物理域参数间的耦合关系，能有效的解决多物理域特征特征信息融合问题。

主权项

1.一种多物理域特征信息融合方法，具体包括如下步骤：(1)获取各单物理域的特征信息集通过测量工具获取工程事件中所需要的先验信息，去除其中的冗余信息，获得优化的特征信息集；(2)将步骤(1)得到的特征信息集中的每个特征信息值X_i转换成区间形式；(3)求取广义隐马尔科夫初始模型，具体过程为：首先根据工程实际情况，划分工程状态；然后利用区间化了的特征信息值X_i以及划分的工程状态，求取状态转移概率矩阵A、观测概率矩阵B以及初始状态概率矩阵π，即可获得广义隐马尔科夫初始模型λ＝(A，B，π)，其中，上述各概率矩阵中的概率用广义区间概率取代；(4)根据获得的广义隐马尔科夫初始模型λ，获取最优模型，具体为：(4.1)利用特征信息集中的观测序列O，通过前向后向算法，计算在所述广义隐马尔科夫初始模型λ下的区间概率P(O|λ)；(4.2)利用特征信息集中的观测序列O，通过viterbi算法，选择所述广义隐马尔科夫初始模型λ对应的最优状态序列Q＝q₁q₂…q_T；(4.3)利用所述观测序列O，通过Baum-Welch算法，调整所述初始模型λ的参数，直至P(O|λ)区间概率的上、下界都收敛为止，即得到最优的广义隐马尔科夫模型(5)利用上述步骤求得每个单物理域的最优的广义隐马尔科夫模型，再根据广义贝叶斯法则建立各单物理域最优模型参数间的耦合关系，合成联合的广义区间后验概率分布，即完成获得多物理域特征信息融合。