基于證據理論的目標綜合識別

李辰　汪鵬 　李建勛

【摘 要】現代戰爭是信息化的戰爭，戰場環境十分復雜。目標的綜合識別技術越來越受到重視。目標綜合識別充分利用多源傳感器的信息，將其中目標身份信息依據某種準則進行組合，以獲得更為準確可靠的目標身份估計。本文提出了一種基于D-S證據理論的多源信息決策級目標綜合識別方法，利用多源目標識別信息進行證據推理，對目標的類型、屬性、型號進行綜合決策，有效解決了多源識別信息的沖突問題，提高了目標識別正確率。

【關鍵詞】綜合識別;證據理論

中圖分類號： TN971文獻標識碼： A 文章編號： 2095-2457（2019）33-0138-002

DOI：10.19694/j.cnki.issn2095-2457.2019.33.068

0 引言

現代戰爭是信息化的戰爭，戰場環境十分復雜，一方面由于各種監測設備功能不斷提升而使檢測到的信息復雜多變，另一方面隱身、干擾和欺騙等反對抗技術的應用，對局限于單一傳感器的目標識別系統提出了更嚴峻考驗。為了完成區域內目標的綜合識別，應用多傳感器信息融合手段的目標綜合識別系統應運而生。在目標綜合識別系統中，每個傳感器提供的信息往往不完整且具有某種程度的不確定性，甚至相互矛盾。目標綜合識別系統必須依據這些信息分析推理，達到目標屬性識別的目的。

1 目標綜合識別概念

目標識別實際上就是對目標身份的確認。目標綜合識別是目標身份信息的融合，包括目標類型、屬性、型號的融合。它將由系統中多個平臺或傳感器提供的信息進行融合，產生比系統中任一單源信息更有效、更精確的身份估計和判決。按照處理信息的層次，可將目標綜合識別分為：數據級綜合識別、特征級綜合識別和決策級綜合識別三種融合結構。

其中，決策級目標綜合識別憑借信息處理方便靈活、系統內信息交互量低、能處理非同步異類信息等優點，而成為目標綜合識別領域的研究熱點。

2 目標綜合識別層級

綜合識別通過傳感器、數據鏈等多源信息融合，可自主或輔助操作員完成對區域內個體及群體目標的特征、身份及威脅判斷，輔助感知綜合態勢，為行動決策提供支撐。綜合識別劃分為類型、屬性、型號識別三個個層次：

2.1 類型識別

識別目標類型，如飛機A、艦船B等類型，并提供識別置信度。

2.2 屬性識別

識別目標屬性，如敵、我、友、中立、不明等屬性，并提供識別置信度。

2.3 型號識別

識別目標型號，并提供型號識別置信度。

3 目標綜合識別算法

目前，多傳感器目標綜合識別應用較為廣泛的是Dempster Shafer（D-S）證據理論。該方法對概率論的理論進行了擴展，把事件擴展成命題，事件集合擴展成命題集合，并提出了基本概率分配、信任函數和似然函數（又稱合理性函數）的概念，建立了命題和集合之間的一一對應關系，從而把命題的不確定性問題轉化為集合的不確定性問題。

D-S證據理論首先定義了一個互不相容事件的完備集合Θ，稱為辨別框架。對于任何命題A，如果函數m：2Θ→[0，1]滿足：

則稱m為框架Θ上的基本概率指派，m（A）表示證據對命題A的支持程度。信任函數（Bel）和似真函數（Pl）的定義如下：

D-S證據理論的組合規則表達如下：

在D-S組合規則中，系數K用于衡量融合的各個證據之間沖突程度。

4 基于證據理論的裝備類型識別

在進行裝備類型識別時，我們同時采用多個傳感器，且每個傳感器進行多個周期測量，然后將全部信息融合。基于決策級目標綜合識別的多傳感器裝備類型識別算法過程，如圖1所示。

用D-S方法得到合并后的基本概率分配后，如何求得最后決策結果？這里沒有統一方法，必須根據具體問題進行具體分析。在裝備類型識別中，提出了如下基于D-S融合方法的裝備類別分類決策規則：

規則1 裝備類別具有最大的可信度;

規則2 裝備類別可信度與其他類別可信度的差必須大于某一閾值;

規則3 不確定性區間長度必須小于某一閾值ε1;

規則4 裝備類別的可信度值必須大于不確定性區間長度。

設？堝A1，A2？奐？贅，滿足

M（A1）=max{M（Ai），Ai？奐？贅}

M（A2）=max{M（Ai），Ai？奐？贅andAi≠A1}

若有：M（A1）-M（A2）>ε1

M（U）<ε2

M（A1）>M（U）

則A1為決策結果，其中ε1，ε2為預先設定的閾值。

識別計算過程：

（1）采取決策級目標綜合識別方法，即先時間域內融合（融合每個傳感器不同周期的數據）：

（2）然后再空間域內融合，將個傳感器看做一個傳感系統，則有：

（3）作決策，采用基于概率賦值的決策準則判別：

M（A1）=max{M（Ai），Ai？奐？贅}

M（A2）=max{M（Ai），Ai？奐？贅andAi≠A1}

若有：M（A1）-M（A2）>ε1

M（U）<ε2

M（A1）>M（U）

則A1就是判別目標。

5 仿真實例及分析

選取四個傳感器進行實例分析。在多傳感器裝備平臺識別中，先利用專家知識，給出對基本可信度的分配函數。在該例中，4個傳感器各有兩個測量周期， 且 4 個傳感器所測量的數據相互獨立。該實例的識別框架為{A1，A2，A3，A4，U}，分別代表四種不同的已知裝備類型和一種未知裝備類型。

對于各裝備類型，4個傳感器經過各測量周期后確定的基本可信度分配，如表2所示。表中Msj表示第s個傳感器在第j個測量周期確定的基本可信度分配。

表2 4個傳感器在各個測量周期確定的基本可信度分配

按照決策級目標綜合識別算法，對4個傳感器，基于所有周期的累積測量，計算每一個命題的融合后驗基本可信度分配，其結果如表3所示。

表3 4個傳感器所有周期累積測量的融合后驗基本可信度分配

基于以上每個傳感器所有周期累積測量的融合后驗基本可信度分配，計算每個命題的融合后驗基本可信度分配 ，其結果如下：

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，這里選取ε1=ε2=0.1，決策結果為A1。

6 總結

目標綜合識別技術是智能化多源數據信息融合的重要組成部分，在預警探測、敵我識別等領域都有著廣泛應用前景。本文使用了基于證據理論的決策級目標綜合識別技術，消除了多傳感器獨立識別裝備類型時存在的信息冗余和矛盾，明顯改善單一傳感器可能存在的無法識別或錯誤識別等現象，提升了目標綜合識別技術水平，為相關技術實用化打下了堅實基礎。

【參考文獻】

[1]安春蓮，黃靜，吳耀云.基于證據理論的多源信息融合模型[J].電子信息對抗技術，2017，32（1）：23-26.

[2]王力，白靜.改進的證據理論在多傳感器目標識別中應用[J].科技通報，2016，32（7）：134-137.

[3]周磊，鄭震山，金惠明.基于信息融合的作戰效能評估方法[J].電光與控制，2015，7：34-37.