一種機載多傳感器目標識別系統(tǒng)與方法
【專利摘要】本發(fā)明公開了一種機載多傳感器目標識別系統(tǒng)與方法，其特征在于：所述系統(tǒng)包括了證據(jù)沖突判斷及沖突消減模塊、基于折扣因子的證據(jù)修正模塊、修正后證據(jù)的融合模塊；所述識別方法的步驟包括計算兩兩機載證據(jù)的相似性系數(shù)、沖突判斷、構(gòu)造參考證據(jù)、獲得更新的機載證據(jù)列表、度量機載證據(jù)的可靠性系數(shù)、度量機載證據(jù)的不確定性系數(shù)、構(gòu)造機載證據(jù)的折扣因子、折扣運算、Dempster組合規(guī)則融合計算。本發(fā)明能充分挖掘和保留機載多傳感器數(shù)據(jù)中的有效信息，從而解決機載多傳感器存在高沖突信息進行目標識別的問題，提高了無人機多傳感器目標識別效率。
【專利說明】一種機載多傳感器目標識別系統(tǒng)與方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于信息處理【技術(shù)領(lǐng)域】，涉及到證據(jù)理論及多傳感器數(shù)據(jù)處理技術(shù)，具體地說是機載多傳感器目標識別系統(tǒng)與方法。
【背景技術(shù)】
[0002]無人機在現(xiàn)在戰(zhàn)爭中發(fā)揮著越來越重要的作用。根據(jù)機載傳感器組獲取的信息對目標進行準確判斷是無人機有效執(zhí)行偵查/打擊等決策任務(wù)的前提。采用多傳感器融合能夠提高無人機編隊整體的探測性和可信度，增強探測結(jié)果的魯棒性，擴大無人機時空感知范圍，降低推理模糊程度，改進探測精度等性能，增加探測目標的特征維數(shù)，提高空間分辨率等優(yōu)勢。無人機多傳感器間信息融合是目標識別的過程。然而，由于外部環(huán)境對無人機搭載傳感器性能影響及所搭載的傳感器本身性能的差異性，導致傳感器獲取的數(shù)據(jù)間存在高沖突，經(jīng)過信息融合過后，不能得到有效的目標識別結(jié)果。因此，在考慮無人機多傳感器目標識別問題時，要保證針對高沖突信息也能有效融合，得到正確的識別結(jié)果。
[0003]無人機多傳感器目標識別中的研究目前主要集中于傳感器信息的表達方式、目標識別方法修改等方面，針對存在沖突的機載多傳感器目標識別問題，一般采用對機載傳感器信息平均的方法處理。然而，對機載傳感器信息平均的方法沒有考慮到機載傳感器信息的不一致性，也沒有消減沖突的傳感器信息的影響，且機載傳感器信息融合往往不滿足交換性、結(jié)合性等性質(zhì)。所以，提出能合理處理沖突機載傳感器信息、提高多傳感器信息融合效果以提高目標識別效率的方法就顯得十分必要。

【發(fā)明內(nèi)容】

[0004]本發(fā)明為了克服現(xiàn)有技術(shù)的不足之處，提出了一種機載多傳感器目標識別系統(tǒng)與方法，能充分挖掘和保留機載多傳感器數(shù)據(jù)中的有效信息，從而解決機載多傳感器存在高沖突信息進行目標識別的問題，提高了無人機多傳感器目標識別效率。
[0005]本發(fā)明為解決以上技術(shù)問題采用如下技術(shù)方案:
[0006]本發(fā)明一種機載多傳感器目標識別系統(tǒng)的特點是:所述系統(tǒng)的組成包括:證據(jù)沖突判斷及沖突消減模塊、基于折扣因子的證據(jù)修正模塊和修正后證據(jù)的融合模塊；
[0007]所述證據(jù)沖突判斷及沖突消減模塊根據(jù)所接收的機載證據(jù)列表，度量所述機載證據(jù)列表中兩兩機載證據(jù)的相似性系數(shù)，并判斷所述機載證據(jù)列表中的機載證據(jù)是否為沖突證據(jù)，若為沖突證據(jù)，則構(gòu)造參考證據(jù)，并用所述參考證據(jù)替代所述沖突證據(jù)；若所述機載證據(jù)不為沖突證據(jù)，則機載證據(jù)保持不變；從而獲得更新的機載證據(jù)列表；
[0008]所述基于折扣因子的證據(jù)修正模塊用于度量所述更新的機載證據(jù)列表中每個機載證據(jù)的可靠性系數(shù)和不確定性系數(shù)；并用所述可靠性系數(shù)和不確定性系數(shù)構(gòu)造每個機載證據(jù)的折扣因子；利用所述折扣因子對每個機載證據(jù)進行折扣運算，從而獲得再次更新的機載證據(jù)列表；
[0009]所述修正后證據(jù)的融合模塊對所述再次更新的機載證據(jù)列表通過Dempster組合規(guī)則進行組合，從而獲得目標識別結(jié)果。
[0010]本發(fā)明機載多傳感器目標識別系統(tǒng)的目標識別方法的特點是:
[0011]無人機在執(zhí)行目標識別任務(wù)時，通過其機載傳感器獲得所有可能目標類型的信任程度值構(gòu)成機載證據(jù)，由η個機載證據(jù)形成機載證據(jù)列表，所述機載證據(jù)列表記為m =Im1, m2,..., Hii,..., mn}, i = I,..., n 表示機載證據(jù)列表中第i個機載證據(jù)；所述第i個機載證據(jù)Hii包含的第s種目標類型記為i3s，s = l，...，q，所述的目標類型組成的集合記為Ω = {?^，β2，...，β3，...，β,}，所述目標類型組成的集合Ω的冪集中第k個子集記為Θ k，k = 1，...，2^ ;令所述第i個機載證據(jù)Hii對所述目標類型組成的集合Ω的冪集所包含的第k個子集01;的信任程度值記為叫(01;)，所述叫(01;)的取值范圍為[0，1];所述第i個機載證據(jù)Ini的組成包括Imi ( Θ J，Ini ( Θ 2)，...，Ini ( Θ 2q)}；
[0012]所述機載多傳感器目標識別系統(tǒng)的識別方法是按如下步驟進行:
[0013]步驟1、利用式(I)獲得兩兩機載證據(jù)的相似性系數(shù)SimOni, Hij):
【權(quán)利要求】
1.一種機載多傳感器目標識別系統(tǒng)，其特征是:所述系統(tǒng)的組成包括:證據(jù)沖突判斷及沖突消減模塊、基于折扣因子的證據(jù)修正模塊和修正后證據(jù)的融合模塊； 所述證據(jù)沖突判斷及沖突消減模塊根據(jù)所接收的機載證據(jù)列表，度量所述機載證據(jù)列表中兩兩機載證據(jù)的相似性系數(shù)，并判斷所述機載證據(jù)列表中的機載證據(jù)是否為沖突證據(jù)，若為沖突證據(jù)，則構(gòu)造參考證據(jù)，并用所述參考證據(jù)替代所述沖突證據(jù)；若所述機載證據(jù)不為沖突證據(jù)，則機載證據(jù)保持不變；從而獲得更新的機載證據(jù)列表； 所述基于折扣因子的證據(jù)修正模塊用于度量所述更新的機載證據(jù)列表中每個機載證據(jù)的可靠性系數(shù)和不確定性系數(shù)；并用所述可靠性系數(shù)和不確定性系數(shù)構(gòu)造每個機載證據(jù)的折扣因子；利用所述折扣因子對每個機載證據(jù)進行折扣運算，從而獲得再次更新的機載證據(jù)列表； 所述修正后證據(jù)的融合模塊對所述再次更新的機載證據(jù)列表通過Dempster組合規(guī)則進行組合，從而獲得目標識別結(jié)果。
2.一種利用權(quán)利要求1所述的機載多傳感器目標識別系統(tǒng)的目標識別方法，其特征是: 無人機在執(zhí)行目標識別任務(wù)時，通過其機載傳感器獲得所有可能目標類型的信任程度值構(gòu)成機載證據(jù)，由η個機載證據(jù)形成機載證據(jù)列表，所述機載證據(jù)列表記為m =Im1, m2,..., Hii,..., mn}, i = 1,..., n 表示機載證據(jù)列表中第i個機載證據(jù)；所述第i個機載證據(jù)Hii包含的第s種目標類型記為i3s，s = l，...，q，所述的目標類型組成的集合記為Ω = {?^，β2，...，β3，...，β,}，所述目標類型組成的集合Ω的冪集中第k個子集記為Θ k，k = 1，...，2^ ;令所述第i個機載證據(jù)Hii對所述目標類型組成的集合Ω的冪集所包含的第k個子集01;的信任程度值記為叫(01;)，所述叫(01;)的取值范圍為[O，I];所述第i個機載證據(jù)Ini的組成包括Imi ( Θ J，Ini ( Θ 2)，...，Ini ( Θ 2q)}； 所述機載多傳感器目標識別系統(tǒng)的識別方法是按如下步驟進行: 步驟1、利用式(I)獲得兩兩機載證據(jù)的相似性系數(shù)SimOni, Hij):

【文檔編號】G06F19/00GK103955622SQ201410206551
【公開日】2014年7月30日 申請日期:2014年5月15日 優(yōu)先權(quán)日:2014年5月15日
【發(fā)明者】羅賀, 尹艷平, 胡笑旋, 馬華偉, 靳鵬, 夏維, 王國強, 秦英祥 申請人:合肥工業(yè)大學