一種利用不同類型信息進(jìn)行目標(biāo)綜合識別的方法
【專利摘要】本發(fā)明公開了一種利用不同類型信息進(jìn)行目標(biāo)綜合識別的方法，包含以下步驟：1)由多類傳感器獲得目標(biāo)的運動信息及屬性信息；2)分別對收集到的屬性信息進(jìn)行基于DS證據(jù)理論的屬性關(guān)聯(lián)，以及對運動信息進(jìn)行基于目標(biāo)運動信息的航跡關(guān)聯(lián)；3)綜合目標(biāo)的屬性信息及運動信息的關(guān)聯(lián)度，以概率的形式給出綜合識別結(jié)果，以便后續(xù)各類任務(wù)處理能夠依據(jù)各自需求使用該識別結(jié)果。本發(fā)明通過改變典型綜合目標(biāo)識別的處理流程，提高了目標(biāo)綜合識別的正確性及可用性。
【專利說明】一種利用不同類型信息進(jìn)行目標(biāo)綜合識別的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種在有人無人機(jī)協(xié)同環(huán)境下利用不同類型信息進(jìn)行綜合目標(biāo)識別的方法，屬于有人無人機(jī)協(xié)同【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]在未來戰(zhàn)爭中，無人機(jī)系統(tǒng)具有隱身性能好，自主能力強(qiáng)，可重復(fù)回收利用等特點，在現(xiàn)代戰(zhàn)場上取得了越來越廣泛的應(yīng)用。但由于目前無人機(jī)系統(tǒng)對戰(zhàn)場環(huán)境的感知能力和對環(huán)境態(tài)勢的自動理解能力，都還無法完全代替人的思維和判斷，難以滿足復(fù)雜作戰(zhàn)環(huán)境對無人機(jī)系統(tǒng)高層次自主和智能性的要求，所以無人機(jī)作為單平臺作戰(zhàn)所能發(fā)揮的作戰(zhàn)效能極其有限，它仍然需要與有人駕駛飛機(jī)進(jìn)行混編來提高作戰(zhàn)效能。在有人機(jī)和無人機(jī)聯(lián)合編隊作戰(zhàn)的模式中，多種無人機(jī)和有人機(jī)優(yōu)勢互補，分工協(xié)作，可以將各自的效率發(fā)揮到最大。
[0003]在這樣的作戰(zhàn)條件下，信息源豐富，必須盡可能利用多個和多類傳感器所收集到的多種目標(biāo)屬性信息，綜合出準(zhǔn)確的目標(biāo)信息，進(jìn)行目標(biāo)綜合識別。
[0004]美國在《無人機(jī)路線圖2005-2030》中明確了無人機(jī)發(fā)展的思路，并把無人機(jī)的發(fā)展分為3個階段，即有人機(jī)與無人機(jī)協(xié)同作戰(zhàn)(有人機(jī)主導(dǎo))、有人機(jī)與無人機(jī)協(xié)同作戰(zhàn)(無人機(jī)主導(dǎo))、無人機(jī)自主作戰(zhàn)。其中，有人機(jī)主導(dǎo)下的有人無人協(xié)同作戰(zhàn)技術(shù)仍然是目前美國正在研究的內(nèi)容，而后兩個階段在近期還存在較大的技術(shù)障礙。由此可見，無人機(jī)和有人機(jī)協(xié)同作戰(zhàn)在今后很長一段時間內(nèi)仍然是無人機(jī)發(fā)展的重點。
[0005]> AMUST-D/HSKT/A2C2S 計劃
[0006]美國陸軍航空應(yīng)用技術(shù)處(AATD)開展了“獵人遠(yuǎn)距離殺手編隊(HSKT) ”計劃、“機(jī)載指揮控制系統(tǒng)(A2C2S) ”計劃的研究，旨在開發(fā)和研究直升機(jī)與無人機(jī)駕駛飛機(jī)組成空中機(jī)動編隊，完成戰(zhàn)術(shù)偵察和作戰(zhàn)任務(wù)。
[0007]“獵人-防區(qū)外殺手協(xié)同編隊”(HSKT)旨在開發(fā)最先進(jìn)的有人/無人編隊技術(shù)來實現(xiàn)防區(qū)外目標(biāo)瞄準(zhǔn)。將經(jīng)過特別改良的“黑鷹”(Black Hawk)空中指揮與控制(A2C2S)陸軍機(jī)載系統(tǒng)直升機(jī)、“長弓阿帕奇”直升機(jī)和“獵人”無人機(jī)，以及F/A-18攻擊機(jī)和聯(lián)合偵察目標(biāo)攻擊雷達(dá)系統(tǒng)來綜合成一支機(jī)動攻擊部隊。
[0008]A2C2S可以提供一個可移動的、自主式的數(shù)字式戰(zhàn)術(shù)指揮工作臺，這樣機(jī)動指揮官及其參謀可以在指揮和控制軍隊的同時快速地獲取戰(zhàn)場態(tài)勢。
[0009]機(jī)載有人/無人系統(tǒng)技術(shù)演示計劃(AMUST-D)將重點研究“阿帕奇” “長弓”和指揮與控制直升機(jī)“黑鷹”，這兩種載人駕駛平臺與“獵人” UAV之間的連接性，是“獵人-防區(qū)外殺手協(xié)同編隊”(HSKT)項目的一個關(guān)鍵組成部分。
[0010]AMUST-D/HSKT/A2C2S計劃開辟了無人機(jī)與有人機(jī)協(xié)同作戰(zhàn)的全新作戰(zhàn)模式，它綜合了 “獵人”無人機(jī)的偵察功能、“長弓阿帕奇”的快速攻擊能力和“黑鷹” A2C2S機(jī)動指揮能力。
[0011]在AMUST-D/HSKT/A2C2S計劃下開發(fā)出了兩項關(guān)鍵技術(shù):共享的態(tài)勢感知技術(shù)和決策輔助技術(shù)，它通過共享和融合戰(zhàn)場上所有的傳感器信息和情報數(shù)據(jù)源信息，來提高有人無人編隊作戰(zhàn)模式下機(jī)上和地面移動指揮官的態(tài)勢感知。這兩項關(guān)鍵技術(shù)的實現(xiàn)的基礎(chǔ)均需進(jìn)行有效的目標(biāo)識別，將(位置和速度)運動信息處理與飛行器類型、特定飛行器信息和敵友信息處理結(jié)合起來，它代表了綜合識別需要解決的一個重要問題。
[0012]> MUSIC 計劃
[0013]為了提高無人系統(tǒng)和有人系統(tǒng)的協(xié)同能力，美軍正在開展AMUST-D計劃的同時，2012年9月，美陸軍航空項目執(zhí)行辦公室又發(fā)起了對有人無人系統(tǒng)綜合能力(MUSIC，Manned unmanned systems integrat1n capability)的演不驗證，它是目前為止規(guī)模最大的有關(guān)有人無人系統(tǒng)互操作性技術(shù)的驗證活動。MUSIC計劃采用的武器平臺包括由AH-64D批次II “長弓阿帕奇”直升機(jī)，0H-58D “吉奧瓦勇士”直升機(jī)和美國無人機(jī)系統(tǒng)編隊(“大烏鴉”、“美洲獅”、“獵人”、“影子”、“灰鷹”)。地面控制站包括通用地面控制站(UGCS)、小型通用地面控制站(M-UGCS)和一體化遠(yuǎn)程視頻終端(OSRVT)。
[0014]MUSIC項目中還成功驗證了美國陸軍最新的數(shù)據(jù)融合傳感器系統(tǒng)，即通過OSRVT地面控制站融合來自多個無人機(jī)系統(tǒng)的視頻和傳感器數(shù)據(jù)。該系統(tǒng)稱為聯(lián)合通用同步引擎(Federated Universal Synchronizat1n Engine, Fuse),它米用了多信息源傳感器數(shù)據(jù)融合技術(shù)，通過軟硬件設(shè)備融合了大量信息源(如地面移動目標(biāo)指示器數(shù)據(jù)、E0、IR和合成孔徑雷達(dá)信號)，并將這些信息顯示在同一張地圖上，從而有效地利用無人系統(tǒng)的傳感器信肩、O
[0015]FUSE系統(tǒng)具有四大功能特性:直觀化的顯示、綜合識別、高效的載荷操作、便捷的通信手段，但其存在因關(guān)聯(lián)出錯而導(dǎo)致的識別錯誤，以及關(guān)聯(lián)結(jié)果采用非此即彼的表達(dá)方式，因此識別效果還有待提高。


【發(fā)明內(nèi)容】

[0016]本發(fā)明的發(fā)明目的在于提供一種利用不同類型信息進(jìn)行目標(biāo)綜合識別的方法，改進(jìn)了典型的綜合識別方法流程，使得運動信息及屬性信息的關(guān)聯(lián)度技術(shù)能夠同步進(jìn)行并加以綜合。該方法不但提高了目標(biāo)識別的準(zhǔn)確性，采用概率形式給出的目標(biāo)識別結(jié)果能夠適用于有人機(jī)無人機(jī)協(xié)同環(huán)境下的有人機(jī)平臺，無人機(jī)平臺以及地面站平臺。
[0017]本發(fā)明的發(fā)明目的通過以下技術(shù)方案實現(xiàn):
[0018]一種利用不同類型信息進(jìn)行目標(biāo)綜合識別的方法，包含以下步驟:
[0019]步驟I)、由多類傳感器獲得目標(biāo)的運動信息及屬性信息；
[0020]步驟2)、分別對收集到的屬性信息進(jìn)行基于DS證據(jù)理論的屬性關(guān)聯(lián)，以及對運動信息進(jìn)行基于目標(biāo)運動信息的航跡關(guān)聯(lián)；
[0021]步驟3)、綜合目標(biāo)的屬性信息及運動信息的關(guān)聯(lián)度，以概率的形式給出綜合識別結(jié)果。
[0022]依據(jù)上述特征，所述步驟I)中多類傳感器包含雷達(dá)系統(tǒng)，采用以下方法獲得運動信息及屬性信息:
[0023]步驟a.1)、對目標(biāo)進(jìn)行測量直接獲得目標(biāo)的運動信息；
[0024]步驟a.2)、進(jìn)行模糊推理，即利用模糊數(shù)相似性獲得基本概率指派；
[0025]步驟a.3)、通過基本概率指派進(jìn)行決策判斷獲得目標(biāo)的屬性信息。
[0026]依據(jù)上述特征，所述相似性通過噪聲模擬方法實現(xiàn)，具體包含以下步驟:
[0027]步驟b.1)、根據(jù)被模擬噪聲片段，采用雙高斯分布模型，用EM算法估算出兩個高斯分布的均值，方差和比例；
[0028]步驟b.2)、結(jié)合上一步估計的參數(shù),對每一組高斯分布參數(shù)使用Box_Muller變換，按比例分別產(chǎn)生對應(yīng)的高斯分布數(shù)據(jù)序列，并將兩數(shù)據(jù)序列合并，生成具有規(guī)定振幅概率分布的偽隨機(jī)序列，稱為基礎(chǔ)序列；
[0029]步驟b.3)、根據(jù)被模擬噪聲片段，用FFT估計出噪聲功率譜，選定一隨機(jī)相位因子，得到具有期望譜特性的偽隨機(jī)序列，稱為參考序列；
[0030]步驟b.4)、運用相關(guān)傳遞法，利用參考序列對具有規(guī)定振幅分布的基礎(chǔ)序列進(jìn)行次序重排，得到在振幅分布和譜特性兩方面都符合要求的隨機(jī)序列，即結(jié)果噪聲序列；
[0031]原始噪聲和模擬結(jié)果噪聲的相似度的測量采用皮爾遜相關(guān)系數(shù)法計算。
[0032]依據(jù)上述特征，所述模糊數(shù)采用三角形模糊數(shù)或正態(tài)分布模糊數(shù)。
[0033]依據(jù)上述特征，所述決策判斷包含以下步驟:
[0034]步驟c.1)、對全部樣本作Pignistic變換，將其轉(zhuǎn)化為單子集基本概率賦值:
[0035]

【權(quán)利要求】
1.一種利用不同類型信息進(jìn)行目標(biāo)綜合識別的方法，包含以下步驟: 步驟I)、由多類傳感器獲得目標(biāo)的運動信息及屬性信息； 步驟2)、分別對收集到的屬性信息進(jìn)行基于DS證據(jù)理論的屬性關(guān)聯(lián)，以及對運動信息進(jìn)行基于目標(biāo)運動信息的航跡關(guān)聯(lián)； 步驟3)、綜合目標(biāo)的屬性信息及運動信息的關(guān)聯(lián)度，以概率的形式給出綜合識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟I)中多類傳感器包含雷達(dá)系統(tǒng)，采用以下方法獲得運動信息及屬性信息: 步驟a.1)、對目標(biāo)進(jìn)行測量直接獲得目標(biāo)的運動信息； 步驟a.2)、進(jìn)行模糊推理，即利用模糊數(shù)相似性獲得基本概率指派； 步驟a.3)、通過基本概率指派進(jìn)行決策判斷獲得目標(biāo)的屬性信息。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于所述相似性通過噪聲模擬方法實現(xiàn)，具體包含以下步驟: 步驟b.1)、根據(jù)被模擬噪聲片段，采用雙高斯分布模型，用EM算法估算出兩個高斯分布的均值，方差和比例； 步驟b.2)、結(jié)合上 一步估計的參數(shù),對每一組高斯分布參數(shù)使用Box_Muller變換,按比例分別產(chǎn)生對應(yīng)的高斯分布數(shù)據(jù)序列，并將兩數(shù)據(jù)序列合并，生成具有規(guī)定振幅概率分布的偽隨機(jī)序列，稱為基礎(chǔ)序列； 步驟b.3)、根據(jù)被模擬噪聲片段，用FFT估計出噪聲功率譜，選定一隨機(jī)相位因子，得到具有期望譜特性的偽隨機(jī)序列，稱為參考序列； 步驟b.4)、運用相關(guān)傳遞法，利用參考序列對具有規(guī)定振幅分布的基礎(chǔ)序列進(jìn)行次序重排，得到在振幅分布和譜特性兩方面都符合要求的隨機(jī)序列，即結(jié)果噪聲序列； 原始噪聲和模擬結(jié)果噪聲的相似度的測量采用皮爾遜相關(guān)系數(shù)法計算。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于所述模糊數(shù)采用三角形模糊數(shù)或正態(tài)分布模糊數(shù)。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于所述決策判斷包含以下步驟: 步驟c.1)、對全部樣本作Pignistic變換，將其轉(zhuǎn)化為單子集基本概率賦值:
BetPm(O)= X O1A[&J)eA \^\ I — mC0) 其中|a|表示集合a的勢，一般情況下 步驟C.2)、按照焦元對應(yīng)關(guān)系相加求平均得到參考樣本Hltl: W0= 2.-
?=?^Θ η.步驟c.3)、計算每條樣本與目標(biāo)的關(guān)聯(lián)系數(shù):
Min Min Δ? + p Max Max A “
?,.V；iy ξ-(?)=----- 八Af^pMaxMaxAlj 其中Aij= I HItl (j)-Hii (j) I，j的取值范圍為[1，M]，P的取值范圍為[0，l]，Af"Af"~為兩級最小差?為兩級最大差；步驟c.4)、計算各樣本與目標(biāo)的關(guān)聯(lián)度:
步驟C.5)、對關(guān)聯(lián)度進(jìn)行歸一化處理，得到目標(biāo)Hli的相對可信度:
步驟C.6)、得到目標(biāo)Hli的絕對可信度:
步驟C.7)、得到目標(biāo)Hli的折扣系數(shù):
ω i = f ( rI i) i = 1，...，η ; 其中f為BUM函數(shù),滿足:
f (O) = O, f (I) = I and f (x)≥ f (y) if x ≥ y。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟I)中多類傳感器包含光電系統(tǒng)，通過目標(biāo)圖形、圖像等信息，和樣本庫中有關(guān)圖形、圖像相比對，得到目標(biāo)的屬性信息，并且經(jīng)過圖像的預(yù)處理、圖像的分割識別等一系列信息處理，最終實現(xiàn)對目標(biāo)位置的運動信息。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟I)中多類傳感器包含電子偵察設(shè)備，根據(jù)得到的目標(biāo)電子設(shè)備的載頻、脈寬、脈沖重復(fù)頻率等參數(shù)，利用脈沖重復(fù)頻率、載頻上下限、脈寬上下限與相關(guān)樣本庫數(shù)據(jù)進(jìn)行比對，可以得到一定概率的目標(biāo)電子設(shè)備的國籍、裝備的平臺等屬性信息并能同時獲取目標(biāo)的運動信息。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟I)中多類傳感器包含無人機(jī)，通過各類數(shù)據(jù)鏈傳輸經(jīng)過處理后的識別結(jié)果獲得目標(biāo)的運動信息和屬性信息。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟2)中在進(jìn)行屬性關(guān)聯(lián)以及航跡關(guān)聯(lián)時，同時還考慮上一時刻的結(jié)果，屬性關(guān)聯(lián)進(jìn)行沖突分析，當(dāng)證據(jù)出現(xiàn)沖突時，該時刻不立即給出精細(xì)的融合結(jié)論，而是等待下一時刻的證據(jù)支持；運動信息關(guān)聯(lián)則是在給出關(guān)聯(lián)度的時候利用滑窗法將上一時刻的關(guān)聯(lián)結(jié)果納入關(guān)聯(lián)度的計算方法中。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟3)具體為:將基于目標(biāo)屬性信息的航跡關(guān)聯(lián)度作為權(quán)重代入基于運動屬性關(guān)聯(lián)度中，得到最終的航跡關(guān)聯(lián)系數(shù)A
將航跡關(guān)聯(lián)系數(shù)歸一化，得到航跡總關(guān)聯(lián)度:
【文檔編號】G06K9/62GK104077601SQ201410323492
【公開日】2014年10月1日 申請日期:2014年7月8日 優(yōu)先權(quán)日:2014年7月8日
【發(fā)明者】康敏旸, 黃暉, 吳新良, 劉暢 申請人:中國航空無線電電子研究所