基于改進證據理論的電子目標綜合辨識研究

周勇

(1.北京信息控制研究所，北京100142;2.中國國防科技信息中心，北京100142)

1 引言

信息化條件下，各種電子信息裝備廣泛應用于戰場，戰場電磁環境日益復雜，各種有意無意干擾混雜，單一傳感器獲取信息的不完整性、不確定性十分嚴重。海量數據下如何從各類殘缺不全、真假難辨甚至相互矛盾的信息中快速準確辨識重點威脅目標，已成為奪取戰場信息優勢的核心與關鍵。正是在這種背景下，目標綜合識別成為提高電子信息系統整體作戰效能的一項關鍵技術。D -S 證據理論由于其無須先驗概率、推理形式簡單且能很好地表示不確定性等特點，在目標綜合識別領域得到了廣泛的應用［1-3］。但在實踐中也存在諸多局限:一是沒有考慮各信源自身的差別，默認來自不同信源證據的重要程度相同，而沒有體現出各證據源對目標識別貢獻的大小，這在實際應用中并不合理［4］;二是各信源證據之間有可能存在沖突，當沖突較小時，證據理論能夠較好實現各證據的融合，但沖突較嚴重時由于融合規則的缺陷可能會得到一些與事實相悖的結論［5］;三是證據推理過程中概率很小元素的存在會導致識別框架增長，證據組合時會引起“焦元爆炸”問題，計算量成指數形式遞增［6］。

針對證據理論存在的這些問題，國內外學者進行了系統的研究并針對性提出了一系列的解決方案［7-10］。本文從電子目標綜合辨識實際需求出發，探討無源偵察、雷達探測、紅外偵察以及數據鏈等信源在目標綜合辨識中可信度的差異，采用主客觀權重相結合的方式對各信源證據進行修正，并運用基于交互式的融合處理規則對目標身份屬性信息進行綜合處理。

2 基本理論

2.1 電子目標綜合辨識

信息化戰場信源種類繁多，各類信源工作原理不同、性能各異，其獲取的目標特征信息也不盡相同。主要包括:①無源偵察識別。無源偵察識別是通過截獲輻射源信號特征參數以確定目標的身份屬性信息。無源偵察信息反映了目標輻射源相對固定的身份屬性，在電子目標識別中具有重要作用。但由于電磁環境的日益復雜以及敵方可能采用的各種對抗措施，電子偵察不易完全掌握輻射源的電磁特征，因此在目標綜合辨識上存在一定的模糊性。②雷達探測識別。雷達探測識別主要依靠目標的運動狀態信息以及雷達回波波形、多普勒信息等參數實現對目標類型的分類，但并不能進行具體型號的分析與識別。如飛機RCS 尺寸及形狀信息，目標的運動速度及機動特征均可在一定程度上反映目標的屬性信息。③紅外成像識別。紅外成像識別通過紅外敏感元件探測物體的熱輻射能量，通過熱場圖像的映像特性識別目標的身份屬性信息。紅外成像識別能力強，對目標的環境依賴性小，是現代戰場非常重要的目標識別技術，通常與其他識別手段協同使用，成為相互獨立又彼此補充的識別手段。④數據鏈識別。數據鏈識別信息是指上級指揮系統向本級通報空情時給出的目標運動狀態、身份屬性、目標威脅、目標型號等實時信息以及目標出現概率、已知區內目標的種類、數量、任務等非實時信息等。數據鏈識別信息來源于上級系統更大范圍的信息場支持，因此比較全面、準確。

上述各類信源從不同角度共同刻畫了目標在全電磁譜段的不同屬性，電子目標綜合辨識即是通過合理的技術體系結構，將來自不同信源的數據信息按不同的域進行分門別類，在此基礎上將各信源從空間、時間或工作參數等不同的層面獲取的目標信息進行變換、融合與關聯，從而擺脫單個信源識別的局限性，從全局辨識重點電子目標的身份屬性及其軍事企圖。

2.2 D-S 證據理論

設Ω 為D-S 理論中的識別框架，它是由一系列互不相容的陳述集合組成，A為樣本空間里的一個命題，且領域內的命題都可以用Ω 的子集表示。設函數M∶ 2Ω→［0，1］，且滿足M［φ］=0;則稱M是2Ω上的基本可信度分配函數(BPAF)，M(A)稱為命題A的基本可信度分配，表示對命題A精確信任的程度。

設命題D = A∩B，則D的基本可信度分配為:

3 基于改進證據理論的電子目標綜合辨識

3.1 電子目標綜合辨識各類信源權重分析

傳統證據理論沒有考慮到不同信源證據對辨識框架中各命題的識別差異性，忽視了對各信源證據可靠程度的評估，這在實際應用中并不合理。

首先，從電子目標綜合辨識各信源自身性能分析，各類信源對目標綜合識別的貢獻是不同的:雷達探測一般只能用于目標屬性的簡單分類，當兩種類型的艦船外形及運動狀態比較相近時，就很難通過雷達探測達到目標類型識別的目的，因而識別可信度較低;由于電磁環境的日益復雜以及敵方采用的各種對抗措施，目標電磁輻射特性以及紅外映像特性難以完全掌握，無源偵察與紅外成像在辨識過程中均存在一定的不確定性;數據鏈情報來源具有更大范圍的數據支持，包括預警機、雷達網、情報站等均可提供各類實時、非實時信息，目標判決信息比較全面準確，因而可信度最高。在電子目標綜合辨識過程中，從突出優勢證據及降低證據沖突的角度考慮，可通過主觀設置各信源主觀權重的方式調整各信源在電子目標綜合辨識中的重要性［11］。

客觀權重則是通過計算當前具體情況下各信源證據間的置信距離來確定證據間的相互支持程度。由于干擾及客觀環境的影響，綜合辨識有可能會出現各信源證據高度沖突的情況，通過客觀權重的設置可削弱錯誤信息特別是沖突證據對識別結果的影響，有效減少目標綜合辨識的不確定性［12］。

設m1、m2是識別框架Ω 的兩個基本概率指派函數，則m1、m2之間的距離為:

式(2)中，M1、M2分別為m1、m2在2Ω中所有元素上的取值組成的行向量;D為2k* 2k的度量證據相似性的矩陣［13］，矩陣中的任一元素表示為:

從式(3)可知，0 ≤d(m1，m2)≤1，d(m1，m2)越大，則表明m1和m2之間差別越大，當且僅當m1= m2時，d(m1，m2)=0。根據距離公式，可計算出證據源i同其他證據源的總距離為:

ξi反映了證據源i受其他證據的支持程度，ξi越小則表示所受的支持程度越大，即該信源證據對于識別框架內某一命題的支持度越大。

為全面反映電子目標綜合辨識中各信源證據的可靠性及相互間的一致程度，本文采用主客觀組合權重的方式對各信源證據進行修正。設各證據組合權重為wi，主觀權重為αi，客觀權重為βi，則有:

利用式(5)計算得出的組合權重系數wi，可對電子目標綜合辨識所有命題的基本概率賦值進行轉換［14］:

經過轉換后，電子目標綜合辨識各信源證據對目標最終識別結果的貢獻程度保持了一致。由于wi∈［0，1］，因此修正后各信源證據的總體不確定度會有所增加。

3.2 電子目標綜合辨識交互式融合

電子目標綜合辨識過程中，由于各信源目標識別結果的不一致性及各種小概率因子的存在，使得識別框架可能變得很復雜。以識別框架包含20 個元素計算，則所有可能焦元數目會達到1.048 576×107個，運算復雜度成指數遞增。

結合電子目標綜合辨識實際情況，本文在目標合成過程中加入過濾信息對系統的不確定性進行修正，剔除干擾因子。具體方法為:融合中心對通過數據鏈情報獲取預知不出現的目標在識別框架中進行算法隔離;同時在融合過程中設定拒絕門限，將一些概率值很小的干擾值剔除掉，對小概率事件進行截斷，從而縮小識別框架，加快融合速度［15］。

假定識別中心情報顯示，在輻射源識別框架2Ω中有k個類型目標不確定出現，這樣獲得k個類型目標的目標集合X;l個類型目標無法判斷，目標集合為Y;p個目標確定不出現，p個目標集合為Z，k+l+p =θ 為原輻射源識別框架。取拒絕門限σj，若修正后的基本概率賦值則在融合過程中將此目標隔離，由此可知被隔離的目標數應大于等于p，假如有q個目標被算法隔離，重新排序后進行歸一化處理。

第j個識別單元的不確定性為:

然后利用Dempster 組合進行合成，對目標的身份屬性做出最終判定。

4 電子目標綜合辨識仿真驗證

假設融合中心分別獲取同一目標的無源偵察、雷達探測、紅外成像以及數據鏈等信源的目標識別信息，各信源得出的目標基本概率賦值mESM(·)、mRadar(·)、mIR(·)以及mdata(·)見表1。同時由數據鏈獲取的情報顯示:E1、E2不確定性出現，E3、E4無法判斷，E5、E6確定不出現，mdata(θ)=0.1。

表1 基本概率賦值表

由于各類信源自身存在較大的性能差異，利用層次分析法獲取各信源證據的主觀權重比值為ESM∶Radar∶IR∶data =0.6 ∶0.3 ∶0.5 ∶1。采用距離計算公式(4)獲取電子目標綜合辨識各信源證據客觀權重比值為ESM∶Radar∶IR∶data =0.714 ∶0.612∶1 ∶0.641。在此基礎上應用組合權重公式(5)，可得各信源組合權重的比值分別為ESM∶Radar∶IR∶data =0.667 ∶0.286 ∶0.781 ∶1。應用證據賦值修改公式(6)，可得修改后的基本概率賦值見表2。

表2 修正的基本概率賦值表

采用截斷型融合處理模型，設拒絕門限σj =0.015，假設A5、A6被算法隔離，獲取修正的基本概率賦值見表3。

表3 拒絕門限σj = 0.015 時修正的基本概率賦值表

若取拒絕門限σj =0.02，則A4、A5、A6被算法隔離，獲取修正的基本概率賦值見表4。

表4 拒絕門限σj = 0.02 時修正的基本概率賦值表

表5 則分別顯示了沒有采用截斷型融合處理、采用拒絕門限為σj =0.015 和拒絕門限為σj =0.02 的Dempster 組合結果。

表5 三種情況的融合結果

從表5 可以看出，融合中心采用了交互式處理方法，對預知不出現的目標以及小概率事件進行算法隔離，在不影響實際判決結果的基礎上有效減少了識別框架，降低了系統運算量，改善了電子目標綜合辨識的整體工作性能。

5 結束語

證據理論由于其在不確定性領域中的獨特優勢，在目標識別領域發揮了重要作用。本文從電子目標綜合辨識的實際需求出發，針對傳統證據理論存在的固有缺陷，采用主客觀相結合的方式分析修正各信源證據權重，有效解決不同信源證據識別可信度不同的問題;通過對小概率事件的截斷實現算法隔離，有效解決證據理論識別框架膨脹的問題。實例表明，基于改進證據理論的目標綜合辨識算法準確性與實時性得到很大的增強，在實際運用中具有很強意義。

［1］ CARL WISE，JIM ARMITAGE. Electronic combat and weapon system integration［J］. Journal of Electronic Defense，1991，14(7):37 -39.

［2］ SHAFER G. A mathematical theory of evidence［M］. Princeton University Press，1976.

［3］ 王壯，郁文賢，莊釗文，等. C3I 系統中的目標綜合識別技術［J］.系統工程與電子技術，2001，23(1):5 -8.

［4］ 丁迎迎，李洪瑞，楊永健，等. 基于加權的目標綜合識別技術［J］.火力與指揮控制，2012，37(3):54 -58.

［5］ 何立志，張翠芳，蔣鵬.一種新的基于置信距離的沖突證據融合方法［J］.計算機應用研究，2014，31(10):3041 -3043.

［6］ 韓德強，楊藝，韓崇昭. D -S 證據理論研究進展及相關問題探討［J］.控制與決策，2014，29(1):1 -8.

［7］ 葉清，吳曉平，翟定軍. 一種基于能量函數的證據合成算法［J］.系統工程與電子技術，2010，32(3):566 -569.

［8］ 陳博，萬壽紅，岳麗華. 改進的D -S 證據艦船融合檢測研究［J］.計算機工程與應用，2010，46(28):222 -224.

［9］ 康健.基于多傳感器信息融合關鍵技術的研究［D］.哈爾濱:哈爾濱工程大學，2013.

［10］ SEVASTIANOV P ，DYMOVA L ，BARTOSIEWICZ P . A framework for rule-base evidential reasoning in the interval setting applied to diagnosing type 2 diabetes［J］. Expert Systems with Applications，2012，39(4):4190 -4200.

［11］ 劉澎，姚欽.可信度估計在目標識別融合系統中的應用［J］.探測與控制學報，2007，29(1):20 -35.

［12］ 孟光磊，龔光紅.證據源權重的計算及其在證據融合中的應用［J］.北京航空航天大學學報，2010，36(11):1365 -1368.

［13］ 胡昌華，司小勝，周志杰，等.新的證據沖突衡量標準下的D-S 改進算法［J］.電子學報，2009，37(7):1578 -1583.

［14］ 劉海燕，趙宗貴，巴宏欣. 一種基于加權證據合成多傳感器目標識別方法［J］.解放軍理工大學學報，2005，16(6):521-524.

［15］ 姚欽，肖明清.基于證據理論的交互式目標識別算法［J］.系統工程與電子技術，2005，27(4):592 -595.