一种概率推理模型多源异构信息融合的态势评估方法技术

基于概率推理模型多源异构信息融合的态势评估方法，第一步，在军事态势数据融合系统中，采用开启一个特定传感器的策略，以期收集更多的信息，同时也可能因此而把传感器的位置暴露给敌人，促使其采取行动有效地改变态势；第二步，融合推理过程的不确定性反映了多源信息不确定性的动态积累和传播过程，在融合的每一步都要综合多源信息的不确定性因素，随着推理的进行，最终得到不确定性的结论。本发明专利技术解决了融合系统中的各种不确定性因素影响问题，有效提升了融合系统的稳定性。有效提升了融合系统的稳定性。

A situation assessment method of multi-source heterogeneous information fusion based on probabilistic reasoning model

【技术实现步骤摘要】
一种概率推理模型多源异构信息融合的态势评估方法


[0001]本专利技术涉及贝叶斯网络方法、贝叶斯网络下的推理算法的研究、涉及博弈融合态势评估的贝叶斯网络表示。

技术介绍

[0002]在多源信息冲突的环境下，对单个传感器来说，由于传感器本身的不精确以及环境噪声或人为干扰等因素的影响，使得传感器提供的信息一般不完整、不精确或者模糊；对于多个传感器而言，或提供不同置信度的冗余信息，或提供不同特征的互补息，造成多个传感器信息之间的不一致性，甚至可能是矛盾的，即系统中包含着大量的不确定性信息。在信息融合系统中，融合中心不得不依据这些不确定性信息进行推理，以达到融合系统的决策及控制等功能。许多研究信息融合技术的专家一致认为，融合系统中的各种不确定性因素是影响系统性能的主要原因之一。欧美和日本的研究机构对这项技术展开了一些前期基础研究，国内针对这方面尤其是在博弈推演领域的研究刚刚开始。

技术实现思路

[0003]本专利技术的技术解决问题是：克服现有技术的不足，提供一种概率推理模型多源异构信息融合的态势评估方法，实现信息的有效融合。
[0004]本专利技术的技术方案是：基于概率推理模型多源异构信息融合的态势评估方法，所述异构为利用多个传感器获取多源信息，多源异构信息融合的结构模型包括并联式结构和串联式结构，针对并联式结构执行如下处理：
[0005]利用贝叶斯网络将上述并联式结构表示为非树形网络结构，确定非树形网络结构中的每个融合中心与其他融合中心之间的交互影响；
[0006]针对每个融合中心在当前时刻获得的所有传感器信息结合上述融合中心之间的交互影响，判断每个传感器信息对对应融合中心决策的影响，确定针对每个融合中心决策有影响的传感器信息；
[0007]分别利用对每个融合中心决策有影响的传感器信息进行信息融合，结合每个融合中心各决策的先验概率，利用概率推理方式对信息融合结果进行求解，得到当前时刻每个融合中心的态势评估结果。
[0008]优选的，通过下述方式判断每个传感器信息对对应融合中心决策的影响：
[0009]将融合中心之间的交互影响分为直接影响和间接影响，直接影响与融合中心有直接连接的有向边表示，间接影响通过达到融合中心的路径表示；
[0010]针对任一传感器信息，判断在非树形网络结构中是否存在达到某一融合中心的路径或有向边，若存在，则该传感器信息对该融合中心的决策有影响，否则，无影响。
[0011]优选的，将每个融合中心每条路径的类条件概率密度与该融合中心支付值进行叉乘，得到每个融合中心的融合结果。
[0012]优选的，支付值最大的融合中心对应的类条件概率密度作为当前时刻多源异构信
息融合的态势评估结果。
[0013]优选的，每个融合中心的支付值的设定满足如下原则：
[0014]根据融合中心之间的交互影响，影响节点个数越多的融合中心支付值越高，所述影响节点是除了本融合中心之外的其他的融合中心。
[0015]优选的，采用非参数估计的parzen窗法对信息融合结果进行求解。
[0016]优选的，求解过程中需设置运算次数m
×
n2不高于千万量级，其中n代表局中人，包括传感器和融合中心，每个局中人平均做出m个可能的交互作用结果。
[0017]优选的，设置两级多传感器，用于获取两组多源信息，将两组多源信息进行相关性解算，利用相关性解算结果作为判断中的传感器信息，进而得到态势评估结果。
[0018]优选的，采用并联式融合结构，融合中心某一时间间隔内同时获得多传感器信息s1,s2,...,s
k
，以集合F表示融合中心在交互过程中所有可能的决策结果F
i
，1≤i≤m，以I
i
表示决策结果的支付值；则融合中心的融合结果应满足：
[0019][0020]优选的，所述非树形网格结构采用非树形的图形结构。
[0021]本专利技术与现有技术相比的有益效果是：本专利技术设计一种能灵活地适应变化的情况，即不依赖于对应用背景的假设的融合算法。提出了一种基于贝叶斯规则的推理模型，其核心思想是提供一个有效的推理步骤，从而简化系统的计算，并可以同时综合多源不同信息。信息融合理论中融合的结构模型分为并联式结构和串联式结构，在两种融合结构中，融合中心融合的信息不同，因而将博弈融合的贝叶斯网络表示方法分为两种不同的图形结构，树型网络结构和非树形的网络结构。本专利技术提出基于信息博弈的多源异构信息融合技术，解决了红外可见光雷达等多源异构数据在不同空间坐标下的转换匹配、误差整合和置信度融合问题，实现信息的有效融合，有效提高多元传感器的信息利用率。
具体实施方式
[0022]下面结合实例对本专利技术一种概率推理模型多源异构信息融合的态势评估方法进行详细介绍。
[0023]本专利技术研究基于博弈融合模型进行态势评估的具体融合算法。算法的研究以贝叶斯网络方法为基础，涉及博弈融合态势评估的贝叶斯网络表示，及贝叶斯网络下的推理算法的研究，以支持博弈融合模型态势评估功能的实现。
[0024]本专利技术中涉及的异构为利用多个传感器获取多源信息，多源异构信息融合的结构模型包括并联式结构和串联式结构，针对串联式结构的处理按照现有方式进行处理即可，本专利技术仅针对并联式结构进行详细说明。
[0025]在并联式博弈融合问题中，其网络的表示不会简单地仅表示为树形结构，而大多数情况下为非树形的图形结构，因而在网络中存在多连通的情况下，具体的博弈融合态势评估算法无法采用多树传播推理算法。
[0026]设并联融合系统中，融合中心某一时间间隔内同时获得多传感器信息s1,s2,...,s
k
，在贝叶斯网络表示中以F表示融合中心，以集合F表示融合中心在交互过程中所有可能的决策结果F
i
，1≤i≤m，以I
i
表示决策结果的支付值。
[0027]1.传感器信息对融合决策的作用
[0028]在博弈融合的贝叶斯网络表示中，有向边的含义代表了节点间存在的交互影响，局中人是指参加博弈的直接当事人，即以自身效用最大化为准则的理性决策主体，包括传感器和融合中心。融合中心作为一个局中人，与其中一些局中人之间在融合中存在交互影响，即存在着有向边的连接，而同时也会和一些局中人之间没有交互影响，即不存在有向边连接。对于和融合中心存在着影响的局中人之间，可以将影响区分为直接影响和间接影响。所谓直接影响，是通过与融合中心有直接连接的有向边表示，而间接影响则是通过其他一些局中人对融合中心的作用最终对融合决策产生影响，即间接影响可以通过可达融合中心的路径来表示。
[0029]在任意时刻获得的传感器信息s1,s2,...,s
k
中，若s
i
对系统融合中心的决策做出影响，则s
i
和集合F中的某一节点之间必然存在着一条路径。若s
i
对融合中心决策没有影响，则必然不存在着可达集合F的路径。因而可以通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于概率推理模型多源异构信息融合的态势评估方法，所述异构为利用多个传感器获取多源信息，多源异构信息融合的结构模型包括并联式结构和串联式结构，其特征在于针对并联式结构执行如下处理：利用贝叶斯网络将上述并联式结构表示为非树形网络结构，确定非树形网络结构中的每个融合中心与其他融合中心之间的交互影响；针对每个融合中心在当前时刻获得的所有传感器信息结合上述融合中心之间的交互影响，判断每个传感器信息对对应融合中心决策的影响，确定针对每个融合中心决策有影响的传感器信息；分别利用对每个融合中心决策有影响的传感器信息进行信息融合，结合每个融合中心各决策的先验概率，利用概率推理方式对信息融合结果进行求解，得到当前时刻每个融合中心的态势评估结果。2.根据权利要求1所述的方法，其特征在于：通过下述方式判断每个传感器信息对对应融合中心决策的影响：将融合中心之间的交互影响分为直接影响和间接影响，直接影响与融合中心有直接连接的有向边表示，间接影响通过达到融合中心的路径表示；针对任一传感器信息，判断在非树形网络结构中是否存在达到某一融合中心的路径或有向边，若存在，则该传感器信息对该融合中心的决策有影响，否则，无影响。3.根据权利要求2所述的方法，其特征在于：将每个融合中心每条路径的类条件概率密度与该融合中心支付值进行叉乘，得到每个融合中心的融合结果。4.根据权利要求2所述的方法，其特征在于：支付值最大的融...

【专利技术属性】
技术研发人员：路鹰，何昳頔，郑本昌，惠俊鹏，黄虎，李君，阎岩，张佳，任金磊，吴志壕，王振亚，范佳宣，李丝然，李博遥，刘峰，范中行，张旭辉，陈海鹏，赵大海，韩特，矫慧，
申请(专利权)人：中国运载火箭技术研究院，
类型：发明
国别省市：