多源異質(zhì)傳感器決策層融合算法及其應用研究.pdf

1、決策層信息融合是一種能夠提供判斷依據(jù)和支持的高層融合技術，它通過合理分析、提取低層融合處理后的各種有用信息，針對特定的目標，基于一定的規(guī)則，采用適當?shù)乃惴ǎ@得對目標身份的最后推斷。態(tài)勢評估和威脅估計是決策層信息融合技術中至關重要的兩部分。其中，態(tài)勢評估是一個能夠實時反映環(huán)境態(tài)勢的多層視圖，通過研究各目標實體之間的相互聯(lián)系，聚合成具有一定相似行為和目的的群體目標，再綜合各環(huán)境因素，做出相關的態(tài)勢分析和預測。威脅估計作為指揮決斷中一重要因

2、素，也是信息融合中一個關鍵環(huán)節(jié)，它是通過態(tài)勢評估的處理后，對前期所獲得的評估結果進行更深層次的融合分析，結合各方因素，最終評估得到敵方對我方保護目標打擊威脅程度的過程。
　　本文分別對決策層信息融合中的目標分群及目標威脅估計兩個關鍵技術進行了討論分析，重點對其算法及應用領域進行了詳細研究。論文主要包括以下內(nèi)容：
　　1、以態(tài)勢評估理論為基礎，首先對態(tài)勢評估技術的主要功能做了詳盡分析，對比討論了幾種該領域常用的融合算法。重點研

3、究了態(tài)勢評估中目標分群這一關鍵技術，并對比探討了常用的幾種采用目標函數(shù)的聚類模型算法。
　　2、基于模糊聚類算法所面臨的初始化現(xiàn)象，利用智能算法搜索能力強、靈活性強、結構簡潔等良好特性，給出了基于線性粒子群優(yōu)化的可能性模糊 C-均值算法，并采用標準數(shù)據(jù)庫中的仿真數(shù)據(jù)集對其尋優(yōu)性能及劃分效果做了驗證評估。
　　3、基于最陡下降的穩(wěn)健自適應粒子群魯棒聚類算法的給出，主要用于解決粒子群中的參數(shù)設置問題。該方法的提出，在很大程度上增

4、強了粒子的搜索能力，同時提高了算法的尋優(yōu)速度及適應性，并通過仿真對比結果證明了該魯棒聚類算法良好的搜索能力和運行效果。
　　4、研究給出了基于免疫機理的智能 BP網(wǎng)絡算法。首先，在智能粒子群中引入免疫機理，通過調(diào)節(jié)個體濃度增強其種群的多樣性，防止其由于早熟或陷入局部最優(yōu)最終影響問題的求解；其次，利用免疫粒子群算法獲得最優(yōu)權重和閥值，用此參數(shù)構建初始網(wǎng)絡，通過訓練網(wǎng)絡，完成對目標威脅程度的估計。隨后經(jīng)過仿真對比分析以及應用研究，驗證