基于证据理论的目标综合识别论文

基于证据理论的目标综合识别

李 辰^1，2 汪 鹏³李建勋¹

（1.上海交通大学自动化系，中国 上海 200240；2.海军装备部驻上海地区军事代表局，中国 上海 201206；3.中国航空无线电电子研究所，中国 上海 200233）

【摘 要】 现代战争是信息化的战争，战场环境十分复杂。目标的综合识别技术越来越受到重视。目标综合识别充分利用多源传感器的信息，将其中目标身份信息依据某种准则进行组合，以获得更为准确可靠的目标身份估计。本文提出了一种基于D-S证据理论的多源信息决策级目标综合识别方法，利用多源目标识别信息进行证据推理，对目标的类型、属性、型号进行综合决策，有效解决了多源识别信息的冲突问题，提高了目标识别正确率。

【关键词】 综合识别；证据理论

0 引言

现代战争是信息化的战争，战场环境十分复杂，一方面由于各种监测设备功能不断提升而使检测到的信息复杂多变，另一方面隐身、干扰和欺骗等反对抗技术的应用，对局限于单一传感器的目标识别系统提出了更严峻考验。为了完成区域内目标的综合识别，应用多传感器信息融合手段的目标综合识别系统应运而生。在目标综合识别系统中，每个传感器提供的信息往往不完整且具有某种程度的不确定性，甚至相互矛盾。目标综合识别系统必须依据这些信息分析推理，达到目标属性识别的目的。

1 目标综合识别概念

目标识别实际上就是对目标身份的确认。目标综合识别是目标身份信息的融合，包括目标类型、属性、型号的融合。它将由系统中多个平台或传感器提供的信息进行融合，产生比系统中任一单源信息更有效、更精确的身份估计和判决。按照处理信息的层次，可将目标综合识别分为：数据级综合识别、特征级综合识别和决策级综合识别三种融合结构。

其中，决策级目标综合识别凭借信息处理方便灵活、系统内信息交互量低、能处理非同步异类信息等优点，而成为目标综合识别领域的研究热点。

2 目标综合识别层级

综合识别通过传感器、数据链等多源信息融合，可自主或辅助操作员完成对区域内个体及群体目标的特征、身份及威胁判断，辅助感知综合态势，为行动决策提供支撑。综合识别划分为类型、属性、型号识别三个个层次：

2.1 类型识别

识别目标类型，如飞机A、舰船B等类型，并提供识别置信度。

2.2 属性识别

设∃A₁，A₂⊂Ω，满足

本课程教学团队中有3名专任教师来自于企业，能够有效利用其丰富的工程实践经验，以企业产品为教学载体，构建基于工作过程的工作任务，提高教学质量。在课程实施过程中以省级焊接技术实训基地为依托，并且能够结合校外实训企业的产品生产过程，具备较好的硬件条件。

第二，加大对客源地广告投放力度，在本县境内的105,316国道沿线及高速公路进出口处设立相应的旅游交通标示牌，进一步树立和宣传永修旅游的整体品牌形象。同时以周边省会城市办事处为依托，开辟和发展庐山西海旅游新市场和新客源，建立好辐射网络，打响庐山西海。

2.3 型号识别

识别目标型号，并提供型号识别置信度。

一人同课异构的依据在于以下几方面。其一，随着阅历的增长和阅读的积累，教师对于经典文本的认识会发生变化，情感体验也会不同，这会直接影响教师的授课重点和讲授方法。其二，随着教学经验的丰富，教师面对不同学段和学力的学生，势必在方法策略、目标内容等层面进行适当的调整，而不能“一招鲜，吃遍天”，而教学思路的设计、教学环节的实施和教学资料的呈现等课堂因素都会有学生的及时反馈，基于此，适当的调整也成为必然。其三，语文学科的源头活水就是广阔的社会生活，大到突发的轰动性事件，小到教室里的细枝末节，这些都有可能“异构”到语文课堂中来。

3 目标综合识别算法

若有：M(A₁)-M(A₂)>ε₁

规则3 不确定性区间长度必须小于某一阈值ε1；

则称m为框架Θ上的基本概率指派，m(A)表示证据对命题A的支持程度。信任函数 (Bel)和似真函数(Pl)的定义如下：

D-S证据理论的组合规则表达如下：

在D-S组合规则中，系数K用于衡量融合的各个证据之间冲突程度。

4 基于证据理论的装备类型识别

在进行装备类型识别时，我们同时采用多个传感器，且每个传感器进行多个周期测量，然后将全部信息融合。基于决策级目标综合识别的多传感器装备类型识别算法过程，如图1所示。

图1 多传感器装备平台识别的决策级目标识别算法

用D-S方法得到合并后的基本概率分配后，如何求得最后决策结果？这里没有统一方法，必须根据具体问题进行具体分析。在装备类型识别中，提出了如下基于D-S融合方法的装备类别分类决策规则：

规则1 装备类别具有最大的可信度；

规则2 装备类别可信度与其他类别可信度的差必须大于某一阈值；

我国吉林大学的曾平等人基于控制移动机构和支撑面之间摩擦力的方法，研制了一种惯性式压电驱动器，如图11所示[20]，该驱动器最高速度达到1 mm/s，最大承载力为1 000 g，位移分辨率达到20 nm。

D-S证据理论首先定义了一个互不相容事件的完备集合Θ，称为辨别框架。对于任何命题A，如果函数m:2^Θ→[0,1]满 足 ：

规则4 装备类别的可信度值必须大于不确定性区间长度。

识别目标属性，如敌、我、友、中立、不明等属性，并提供识别置信度。

M(A₁)=max{M(A_i),A_i⊂Ω}

M(A₂)=max{M(A_i),A_i⊂ΩandA_i≠A₁}

车库卷闸门因火灾被损毁；车库内有一业主自行搭建的二层“阁楼”，发生火灾后，其木质隔板塌落，“阁楼”上存放的大量杂物被烧毁后的残留物质散落在地面；在库房东侧墙壁上有两处电源插座，距地面高度为165cm，两个插座内接线盒均被烧焦熔化，但无其作为明火上方有烟熏燃烧的痕迹；经清理燃烧残留物后发现起火点有一个处于“开启”状态的10kg液化石油气罐；在室内发现“加大照明弹”鞭炮一个；控制卷闸门的“明”导线被烧毁，裸露出铜线。

情景是作品不可或缺的有机因素。不管是小说，戏剧还是诗歌，情景都是非常重要的，受到了许多研究者的关注。《罪与罚》作为描写十九史记俄国心理小说，其中的情景描写非常多，有现实的情景，也有想象中的情景，更有梦幻中的情景，当然这其中也有很多值得注意的现象。

目前，多传感器目标综合识别应用较为广泛的是Dempster Shafer(D-S)证据理论。该方法对概率论的理论进行了扩展，把事件扩展成命题，事件集合扩展成命题集合，并提出了基本概率分配、信任函数和似然函数(又称合理性函数)的概念，建立了命题和集合之间的一一对应关系，从而把命题的不确定性问题转化为集合的不确定性问题。

◎幼儿急疹偶尔也有4天退烧的,发烧如果4天还不退的话，需要就医看看是不是有其他疾病，特别是女宝宝要注意是不是有尿路感染。

M(U)＜ε₂

M(A₁)=max{M(A_i),A_i⊂Ω}

M(A₁)>M(U)

则 A₁为决策结果，其中 ε₁，ε₂为预先设定的阈值。

若有：M(A₁)-M(A₂)>ε₁

（1）采取决策级目标综合识别方法，即先时间域内融合（融合每个传感器不同周期的数据）：

（2）然后再空间域内融合，将个传感器看做一个传感系统，则有：

（3）作决策，采用基于概率赋值的决策准则判别：

针对个人群体，区块链相关的宣传铺天盖地，个人群体首先应该静心学习该技术的实质内涵，提高自己的防范意识，懂得维护自己的合法权益，不能带着盈利的心理盲目跟风，防止落入非法分子设下的圈套。

M(A₂)=max{M(A_i),A_i⊂ΩandA_i≠A₁}

识别计算过程：

M(U)＜ε₂

M(A₁)>M(U)

则A₁就是判别目标。

5 仿真实例及分析

选取四个传感器进行实例分析。在多传感器装备平台识别中，先利用专家知识，给出对基本可信度的分配函数。在该例中，4个传感器各有两个测量周期,且 4个传感器所测量的数据相互独立。该实例的识别框架为{A₁,A₂,A₃,A₄,U}，分别代表四种不同的已知装备类型和一种未知装备类型。

对于各装备类型，4个传感器经过各测量周期后确定的基本可信度分配，如表2所示。表中M_sj表示第s个传感器在第j个测量周期确定的基本可信度分配。

作为00后的中学生很难得从老一辈的口中听到那个年代的歌，爷爷反复唱了好几遍《没有共产党就没有新中国》，爷爷唱歌的时候底气很足，声音洪亮，不仅唱出了气势，也唱出了中国共产党的奋斗史。

表2 4个传感器在各个测量周期确定的基本可信度分配

按照决策级目标综合识别算法，对4个传感器，基于所有周期的累积测量，计算每一个命题的融合后验基本可信度分配，其结果如表3所示。

在大学生四年的钢琴学习中，能够学到非常多的知识，但这些知识如何运用到钢琴教学中，是现如今许多大学生应该考虑的问题。四年所学的钢琴知识，包括弹奏技巧、演奏方式、基本功训练等多种，如若将自己学到的东西在教学中能够很好的展示出来并能够得以运用，那这名学生将会是一位很好的的钢琴教师。但相反，现在多数大学生并不能够将所学到的知识很好的运用到钢琴教学之中。因此，提高大学生对所学知识的掌握能力，并将以转化运用到教学中，是现在多数学习钢琴的大学生应解决的问题。

表3 4个传感器所有周期累积测量的融合后验基本可信度分配

基于以上每个传感器所有周期累积测量的融合后验基本可信度分配，计算每个命题的融合后验基本可信度分配 ，其结果如下：

M(A₁)=0.8505，M(A₂)=0.1444，M(A₃)=0.0080，M(A₄)=0.0033，M(A₄)=0.0033，M(U)=6.28e-5，这里选取ε₁=ε₂=0.1，决策结果为 A₁。

6 总结

目标综合识别技术是智能化多源数据信息融合的重要组成部分，在预警探测、敌我识别等领域都有着广泛应用前景。本文使用了基于证据理论的决策级目标综合识别技术，消除了多传感器独立识别装备类型时存在的信息冗余和矛盾，明显改善单一传感器可能存在的无法识别或错误识别等现象，提升了目标综合识别技术水平，为相关技术实用化打下了坚实基础。

语速一直被认为是影响本族语者和非本族语者有效交流的重要因素之一。长期以来，人们普遍认为，与正常语速相比，较慢语速能明显促进语言学习者的听力理解。然而，近年来，随着第二语言教学和研究的快速发展，越来越多的研究者开始向这一普遍共识提出挑战并为此进行了大量的实证研究。从目前的研究来看，前人对较慢语速是否能够促进听力理解的研究结果并不一致。而且，在中国英语学习环境下对这个问题的研究更是少之又少。

【参考文献】

［1］安春莲,黄静,吴耀云.基于证据理论的多源信息融合模型[J].电子信息对抗技术,2017,32(1):23-26.

［2］王力,白静.改进的证据理论在多传感器目标识别中应用[J].科技通报,2016,32(7):134-137.

［3］周磊,郑震山,金惠明.基于信息融合的作战效能评估方法[J].电光与控制,2015,7:34-37.

中图分类号： TN971

文献标识码： A

文章编号： 2095-2457（2019）33-0138-002

DOI： 10.19694/j.cnki.issn2095-2457.2019.33.068

作者简介：

李辰（1990—），男，汉族，陕西汉中人，工程师，硕士生，上海交通大学自动化系，研究方向为信息融合及效能评估。

汪鹏（1992—），男，汉族，湖北黄冈人，工程师，工学硕士，中国无线电电子研究所，研究方向为信息融合。

李建勋，男，教师，博士生导师，上海交通大学自动化系，研究方向为多源信息融合及效能评估。

标签：综合识别论文;  证据理论论文;  上海交通大学自动化系论文;  海军装备部驻上海地区军事代表局论文;  中国航空无线电电子研究所论文;