一种基于证据合成的信息融合目标识别方法技术

技术编号:17110957 阅读:32 留言:0更新日期:2018-01-24 22:45
本发明专利技术属于多传感器信息融合技术领域,公开了一种基于证据合成的信息融合目标识别方法,首先利用多组传感器对待识别目标进行属性信息的采集,从采集的属性信息中提取出特征属性;然后将具有特征属性的数据划分为训练数据和测试数据,训练数据用于神经网络模型的构建,测试数据用于获取基本概率赋值;最后利用改进证据合成方法对证据进行合成,合成后的结果作为目标识别的依据。本发明专利技术不仅能准确获取证据的基本概率赋值,而且能有效解决高冲突度证据的合成问题;利用神经网络来获取证据的基本概率赋值,神经网络具有良好的非线性映射能力,能很好的映射出目标特征数据的内在关系,既能保证基本概率赋值的准确性,又符合真实场景,具有实际意义。

A method of information fusion target recognition based on evidence synthesis

The invention belongs to the technical field of multi-sensor information fusion, discloses a fusion method for target recognition based on evidence synthesis information, first use of multi sensors to recognize target attribute information acquisition, extract attributes from the attribute information acquisition; then with attribute data into training data and test data. The construction of neural network model for training data, test data is used to obtain the basic probability assignment; finally, using the improved evidence combination method to synthesize the evidence synthesis as a result of the target recognition based on. The basic probability assignment of the invention not only can accurately obtain evidence, and can effectively solve the problem of high conflict evidence synthesis; basic probability assignment to obtain evidence by using neural network, the neural network has good nonlinear mapping ability, can very good reflect the intrinsic relationship between data characteristic of target, which can guarantee the accuracy of basic probability the assignment, and conform to the real scene, which has practical significance.

【技术实现步骤摘要】
一种基于证据合成的信息融合目标识别方法
本专利技术属于多传感器信息融合
,尤其涉及一种基于证据合成的信息融合目标识别方法。
技术介绍
多传感器信息融合(Multi-sensorInformationFusion,MIF)也称信息融合,它是上世纪80年代形成和发展的一种自动化信息综合处理技术。随着通信技术、电子技术以及计算机技术等科学技术的发展,信息的形式复杂多样、信息的内容包罗万象、信息的数量空前浩瀚。单一传感器获取的信息总是不完整的,反映的是待测目标某一侧面的信息,而无法把握全局内容。目标识别是多传感器信息融合技术的主要应用领域之一。目标识别过程中,目标信息往往具有以下特点:信息瞬时万变且信息量随时间迅猛增长;敌方会发送干扰信息甚至迷惑信息;隐身目标的信息量又相对较少。如果仅用单个传感器,其采集的信息必然是局部的、不确定的,因此无法满足识别要求。若要对目标身份有准确地识别,必须运用多个传感器对待测目标进行多维度、多角度的探测,并将获取的多维信息进行融合处理和综合分析。目标识别的算法一般包括贝叶斯推理和证据理论等。贝叶斯推理需要先验概率而且要求目标证据之间相互独立,实际工程中这本文档来自技高网...
一种基于证据合成的信息融合目标识别方法

【技术保护点】
一种基于证据合成的信息融合目标识别方法,其特征在于,所述基于证据合成的信息融合目标识别方法包括以下步骤:首先利用多组传感器对待识别目标进行属性信息的采集,从采集的属性信息中提取出特征属性;然后将具有特征属性的数据划分为训练数据和测试数据,训练数据用于神经网络模型的构建,测试数据用于获取基本概率赋值;最后利用改进的证据合成方法对证据进行合成,合成后的结果作为目标识别的依据。

【技术特征摘要】
1.一种基于证据合成的信息融合目标识别方法,其特征在于,所述基于证据合成的信息融合目标识别方法包括以下步骤:首先利用多组传感器对待识别目标进行属性信息的采集,从采集的属性信息中提取出特征属性;然后将具有特征属性的数据划分为训练数据和测试数据,训练数据用于神经网络模型的构建,测试数据用于获取基本概率赋值;最后利用改进的证据合成方法对证据进行合成,合成后的结果作为目标识别的依据。2.如权利要求1所述的基于证据合成的信息融合目标识别方法,其特征在于,所述基于证据合成的信息融合目标识别方法包括以下步骤:步骤一,利用多组传感器采集待识目标属性信息,并提取出特征属性;步骤二,构建神经网络组;步骤三,获取证据的基本概率赋值;步骤四,计算所有证据两两之间的距离;步骤五,计算每条证据到证据集的距离;步骤六,计算证据的信任因子;步骤七,计算期望证据;步骤八,对期望证据进行合成;步骤九,对识别结果进行判决。3.如权利要求2所述的基于证据合成的信息融合目标识别方法,其特征在于,所述步骤一具体包括:利用多组传感器采集待识目标属性信息,并提取出特征属性;具有特征属性的数据划分为训练数据和测试数据,训练数据用于神经网络组的构建,测试数据用来获取证据的基本概率赋值。4.如权利要求2所述的基于证据合成的信息融合目标识别方法,其特征在于,所述步骤二将构建m组神经网络,参数设置方法为:(1)选取一个输入层,一个隐含层,一个输出层的三层结构;(2)输入层的节点数I为特征向量元素的个数;输出层的节点数O为待识目标的数目;隐含层的节点数C可推算出,α是0~10的常数,公式如下:(3)选取sigmiod型传递函数,控制输出值在0~1之间;(4)最大训练次数和误差精度作为网络训练停止的条件。5.如权利要求2所述的基于证据合成的信息融合目标识别方法,其特征在于,所述步骤三有k个待识目标,构建m组神经网络,测试样本经由神经网络组得到m组k个[0,1]的数值,将每一个网络所得的输出数值aij进行归一化处理,得到该条证据对该命题的基本概率赋值:归一化过程:Vi=(aik...,ai2,ai1)T;Vi′=Vi/ε=(a′ik...,...

【专利技术属性】
技术研发人员:杨清海张志
申请(专利权)人:西安电子科技大学西安中电科西电科大雷达技术协同创新研究院有限公司
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1