基于区间数距离和模型可靠性的目标识别方法技术

本发明专利技术公开了一种基于区间数距离和模型可靠性的目标识别方法，包括如下步骤：首先，根据传感器采集的目标样本建立各个属性的区间数模型；然后，计算测试样本在对应属性下的区间数与该属性下区间数模型之间的区间数距离；其次，将所求的区间数距离转化为相似度并归一化处理作为初始基本概率指派；再次，计算各个属性下区间数模型的静态可靠性和动态可靠性，并将其结合作为综合可靠性对初始基本概率指派进行折扣，折扣的结果作为最终基本概率指派；最后，采用Dempster组合规则对最终基本概率指派进行逐个融合，输出最终目标识别的决策结果。本发明专利技术方案综合考虑了区间数距离和模型的综合可靠性，可以有效地处理不确定和不精确的信息，具有重要的理论意义和应用价值。

【技术实现步骤摘要】
基于区间数距离和模型可靠性的目标识别方法
本专利技术涉及多源信息融合
，尤其涉及一种基于区间数距离和模型可靠性的目标识别方法。
技术介绍
领空是国家领土的重要组成部分，但是近年来国际上的敌对势力频频飞入我国防空识别区，故意制造摩擦，蓄意挑起争端，因此对空中目标类型进行有效的识别，是维护我国领空主权的重要因素。目前对空中目标识别的传感器有雷达传感器、红外传感器、超声波传感器、激光传感器等，这些传感器负责采集空中目标的各个属性(如速度、高度、加速度、姿态角等)的参数。由于单一传感器在识别目标时具有一定的局限性，例如雷达传感器工作时容易受到电子干扰；红外传感器不辐射任何热能，但是受气候影响较大等原因，因此需要将异类传感器各自的优势结合，利用多传感器信息融合技术综合考虑各个传感器观测到目标的决策结果。此外，在空中目标识别时由于受到传感器自身因素(精度、可靠性等)以及外部因素(地理环境、天气条件、电磁环境、杂波和噪声等)影响，此时传感器的观测结果可能会产生不精确的信息，从而对信息融合的识别结果带来困扰，因此如何有效的处理不精确的信息是当下研本文档来自技高网...

【技术保护点】
1.基于区间数距离和模型可靠性的目标识别方法，其特征在于：包括以下几个步骤：/n步骤1、构造观测目标各个属性的区间数模型：记输入传感器观测到的目标总为n个，L

【技术特征摘要】
1.基于区间数距离和模型可靠性的目标识别方法，其特征在于：包括以下几个步骤：
步骤1、构造观测目标各个属性的区间数模型：记输入传感器观测到的目标总为n个，L1,L2,…,Li,…,Lni＝1,2,…,n；子集Al表示一个或者多个观测到的目标集合；
步骤2、计算传感器观测到的测试样本与模型之间的区间数距离：由传感器观测到目标的k个属性的参数构成一个测试样本ξ，测试样本ξ在属性attj下的区间数为表示最大值，表示最小值，j∈1,2…，k；通过下面区间数之间的距离公式计算区间数为与子集Al在属性attj下的区间数之间的区间数距离，表示最小值，表示最大值；



其中，λ和μ分别称为区间数的中点影响因子和区间数的宽度影响因子；
步骤3、确定初始基本概率指派；
步骤4、计算模型的综合可靠性Rj；
步骤5、确定最终基本概率指派：利用综合可靠性Rj对步骤3中所求的初始基本概率指派进行折扣，折扣结果作为最终基本概率指派；
步骤6、利用Dempster组合规则对步骤5中的最终基本概率指派进行逐个融合，总共融合k-1次；
步骤7、输出目标类型识别结果，最终融合结果中最大的基本概率赋值所对应的子集即为最终的识别目标。


2.根据权利要求1所述的基于区间数距离和模型可靠性的目标识别方法，其特征在于，步骤1的具体步骤为：
步骤1-1：输入传感器观测到的n个目标，L1,L2,…,Li,…,Lni＝1,2,…,n；k个属性，att1,att2,…,attj,…,attkj＝1,2，…,k的目标样本数据集；
步骤1-2：可以确定辨识框架为：Θ＝{L1,L2,…,Li,…,Ln}；2Θ为辨识框架的幂集，包含辨识框架的所有子集，若函数m:2Θ→[0,1]满足0≤m(A)≤1,则称m为辨识框架Θ上的基本概率指派；
步骤1-3：分别确定目标样本数据集中所有属于子集的样本在属性attj上的最小值和最大值即为子集Al在属性attj下的区间数模型；对样本中的每一个属性进行建模，可以得到k个不同的属性模型。


3.根据权利要求2所述的基于区间数距离和模型可靠性的目标识别方法，其特征在于：步骤3的具体步骤为：
步骤3-1：将步骤2所求的结果通过下面的公式转换为相似度；



其中，α是支持系数，α＞0；
步骤3-2：对步骤3-1中获取的相似度进行归一化，归一化后的结果作为初始基本概率指派，m(Al)表示为子集Al的基本概率赋值；



...

【专利技术属性】
技术研发人员：李军伟，谢保林，刘桓宇，赵奥祥，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南;41