復(fù)雜環(huán)境下目標識別的智能數(shù)據(jù)融合技術(shù)研究.pdf

1、戰(zhàn)場目標識別的準確與及時，對后面的勢態(tài)評估和威脅估計有重要的意義，也是在戰(zhàn)爭中取勝的關(guān)鍵。然而，現(xiàn)代戰(zhàn)爭空地作戰(zhàn)一體化的特點及作戰(zhàn)雙方采取的各種電子對抗技術(shù)使戰(zhàn)場環(huán)境日益復(fù)雜惡劣，傳感器受到多種因素的影響，所獲得數(shù)據(jù)是不精確，不完整，不可靠的。在這樣的條件下，“正?！睜顟B(tài)作為多傳感器目標識別的求解條件就不再適合。為了提高多級武器系統(tǒng)的作戰(zhàn)性能，研究復(fù)雜干擾環(huán)境下的多傳感器目標識別問題具有極其重要的意義。 數(shù)據(jù)融合技術(shù)是多源信息處

2、理的一個非常活躍的研究領(lǐng)域，也是未來智能武器系統(tǒng)的重要支撐技術(shù)。而從現(xiàn)有數(shù)據(jù)融合技術(shù)的研究和應(yīng)用來看：理論研究較多在理想條件下，實際工作環(huán)境的研究較少；數(shù)據(jù)融合缺乏自適應(yīng)性、自學(xué)習(xí)性及推理能力，系統(tǒng)的魯棒性差，難以滿足復(fù)雜干擾環(huán)境下識別系統(tǒng)的需求。為此，本文研究了復(fù)雜干擾環(huán)境下多傳感器目標識別的智能數(shù)據(jù)融合技術(shù)，將模糊理論、證據(jù)理論、神經(jīng)網(wǎng)絡(luò)等智能信息處理技術(shù)應(yīng)用于數(shù)據(jù)融合建模中，與其結(jié)構(gòu)和算法有機結(jié)合，增強了識別系統(tǒng)的環(huán)境自適應(yīng)性、自

3、學(xué)習(xí)性以及魯棒性。 本文首先根據(jù)復(fù)雜干擾環(huán)境下屬性融合存在的問題，提出了一種智能屬性融合的模型。該模型由三個模塊來實現(xiàn)：環(huán)境分析、不確定信息處理和分類識別信息的融合，其中環(huán)境分析模塊直接影響不確定信息處理模塊和分類信息融合模塊，在不同信息層次和處理過程中解決了動態(tài)多變的環(huán)境下，數(shù)據(jù)融合系統(tǒng)所要求的環(huán)境自適應(yīng)性、穩(wěn)健性以及靈活性的問題。在此智能融合模型的基礎(chǔ)上，本文分別研究了不同類信息的智能屬性融合的實現(xiàn)問題。 針對直接利

4、用傳感器探測數(shù)據(jù)進行目標分類識別的屬性融合，根據(jù)探測數(shù)據(jù)不確定性的動態(tài)變動較大的特點，提出了一種基于一致性和模糊測度優(yōu)選的數(shù)據(jù)分類融合模型。該智能融合模型從兩方面進行了不確定信息的處理：通過類別概率置信度進行分類估計，修正探測數(shù)據(jù)誤差引起的目標分類偏差；通過一致性測度進行傳感器分組，利用模糊測度的傳感器組可靠性的度量實現(xiàn)傳感器組的優(yōu)選，最終融合結(jié)果是由一致性和可靠性高的傳感器組決定。這種選擇融合方案將不確定信息處理與融合結(jié)構(gòu)有機結(jié)合，增

5、強了屬性融合對探測數(shù)據(jù)動態(tài)變動的自適應(yīng)性。 對于特征分類的目標識別屬性融合，由于高維目標特征分布的復(fù)雜性和多樣性，以及傳感器信息本身具有不確定性的特點，本文提出了一種基于一致理論的特征分類優(yōu)化融合模型。該智能融合模型通過統(tǒng)計可信度和環(huán)境可信度，把目標特征分類的統(tǒng)計特性和環(huán)境信息融入到屬性融合的決策中，并在一致理論的基礎(chǔ)上，對屬性融合進行全局意義上的優(yōu)化，根據(jù)實際情況合理的利用各傳感器信息，增強了全局優(yōu)化融合的環(huán)境適應(yīng)性和魯棒性。

6、對于分類決策信息的智能屬性融合的實現(xiàn)問題，由于決策信息的信息量少，不確定性大，許多目標的先驗知識很大程度上是事先未知的，不能使用嚴格的解析方法，融合處理靈活性更大，本文提出了一種基于模糊推理的分類決策證據(jù)推理融合模型。該智能融合模型根據(jù)分類決策集的一致性和可信度分布，利用模糊推理對信息進行分析、判斷，區(qū)分不同的信息沖突，并制定相應(yīng)的融合策略，在證據(jù)特征的基礎(chǔ)上實現(xiàn)證據(jù)推理融合。這種融合方式保證了高沖突證據(jù)的有效融合，使得高層信息的推理融