一种基于模糊理论和D-S证据理论的海上目标识别方法技术

本发明专利技术公开了一种基于模糊理论和D

【技术实现步骤摘要】
一种基于模糊理论和D
‑
S证据理论的海上目标识别方法


[0001]本专利技术涉及海上目标识别领域，具体而言，涉及一种基于模糊理论和D
‑
S证据理论的海上目标识别方法。

技术介绍

[0002]在海军走向大洋、走向蓝海、走向全球的道路上，准确、有效地实现海上目标类型的识别得到持续的关注。对海战场信息的快速感知，实现海上目标类型的识别，能够为指挥官决策判决提供重要的信息支持。
[0003]探测海上目标的传感器包括雷达、红外、光、视觉传感器、声纳等等。对于单个传感器来说，对传感器精度进行提升，会使目标识别的准确率有所上升，但这种手段往往容易到达一定的技术瓶颈。同时，对海上目标识别监视，需要陆海空多层次的数据信息才能做出准确判断。因此对海上目标的识别必须通过数据融合，充分利用多源传感器、多周期、多维度的数据融合识别，从而提高海上目标识别的可靠性和准确性。

技术实现思路

[0004]本专利技术所需解决的技术问题是：设计一种海上目标识别方法，基于模糊理论、D
‑
S证据理论法等算法，利用单传感器单周期融合识别、单传感器多周期融合识别、多传感器多源融合识别，以便有效、准确地识别海上目标，满足态势评定与威胁评估的需要。
[0005]本专利技术采用的技术方案为：
[0006]一种基于模糊理论和D
‑
S证据理论的海上目标识别方法，包括以下步骤：
[0007](1)传感器在某时刻t
i
探测目标参数信息xr/>j
；其中，1≤j≤N，N为目标参数个数；
[0008](2)根据参数信息与目标的关联关系，构造相应的各参数属于某目标的隶属度函数μ
ik
(x
j
)；其中μ
ik
(x
j
)表示传感器t
i
时刻测得的目标参数信息x
j
属于目标k的隶属度，1≤k≤M，M为目标个数；
[0009](3)综合目标各参数特点、参数识别程度、环境影响、干扰情况和传感器性能构造目标各参数相应的权重系数ω
k
(x
j
)；其中ω
k
(x
j
)表示目标参数信息x
j
属于目标k的权重值；
[0010](4)基于模糊理论的综合评价法，根据目标各参数信息计算基本概率分配BPA函数值：
[0011][0012]式中，m
ik
表示传感器t
i
时刻探测的目标参数信息属于某个目标k的基本概率分配BPA函数值；
[0013](5)根据各时刻的目标BPA函数值，计算各时刻证据之间的相互距离，获得各个证据可信度的权重系数ω
k
(t
i
)，并加权平均归一化后，得到合成证据；然后利用D
‑
S证据合成规则，对合成证据进行合成，获得传感器的BPA函数值；
[0014](6)根据各传感器的BPA函数值，计算各传感器证据之间的相互距离，获得各个证据可信度的权重系数ω
k
(s
n
)，加权平均归一化后，得到合成证据；然后利用D
‑
S证据合成规则，对合成证据进行合成，最终确定目标身份，进行决策判决；其中，s
n
表示某一传感器。
[0015]本专利技术本专利技术的有益效果在于：
[0016](1)本方法考虑了目标参数，环境影响，干扰情况，传感器性能、精度等多因素情况，构造各相应的权重系数，具有抗干扰行好、强鲁棒性等特点；
[0017](2)本方法在D
‑
S证据合成前，计算各传感器证据之间的相互距离，获得各个证据可信度的权重系数，加权平均归一化后，得到合成证据，避免了初始证据冲突时，D
‑
S合成失效的问题。
[0018](3)本方法单传感器单周期融合识别、单传感器多周期融合识别、多传感器融合识别，可充分利用探测到的各时刻各类参数数据，大量数据支撑，使得识别结果更加准确、可靠。
[0019](4)各传感器节点先分别处理各自探测到的各类参数数据，处理后，得到各传感器BPA函数等信息，根据各传感器节点的特点等，完成融合，形成全局决策判决。分布式融合系统结构，具有通信量小，可靠性高，造价低等优点。
附图说明
[0020]图1为本专利技术中单传感器单周期融合识别流程图。
[0021]图2为本专利技术中单传感器多周期融合识别流程图。
[0022]图3为本专利技术中多传感器融合识别流程图。
具体实施方式
[0023]下面结合附图1
‑
3对本专利技术作进一步说明。
[0024]一种基于模糊理论和D
‑
S证据理论的海上目标识别方法，包括以下步骤：
[0025]如图1所示：
[0026](1)传感器在某时刻t
i
探测目标参数信息x
j
(1≤j≤N)，N为目标参数个数。如传感器雷达，t1时刻探测到目标的距离、目标速度、目标加速度等参数信息x
j
＝{目标的距离、目标速度、目标加速度}；
[0027](2)根据参数信息与目标的关联关系，构造参数信息x
j
＝{目标的距离、目标速度、目标加速度}属于某目标的隶属度函数μ
ik
(x
j
)(1≤k≤M)。如根据目标距离参数特点，构造梯形隶属度函数，由距离参数判断属于目标A，B，C(如设置目标识别框架Ф＝{A，B，C})的概率分别为(μ
iA
(x1),μ
iB
(x1),μ
iC
(x1))。同理，根据目标速度、目标加速度参数特征，构造合适的隶属度函数，判断属于目标A，B，C的概率分别为(μ
iA
(x2),μ
iA
(x2),μ
iC
(x2))，(μ
iA
(x3),μ
iB
(x3),μ
iC
(x3))。
[0028](3)综合考虑目标各参数特点、参数识别程度等因素构造目标各参数相应的权重系数ω
k
(x
j
)。如设置参数信息x
j
＝{目标的距离、目标速度、目标加速度}的权重系数为(ω
k
(x1),ω
k
(x2),ω
k
(x3))。
[0029](4)基于模糊理论的综合评价法，根据目标各参数信息，并归一化处理，判断基本概率分配(BPA)函数：
[0030][0031]k＝{A,B,C},故M＝3，k＝1,2,3分别对应三个目标A,B,C。如设置3个时刻，根据公式得到m
1k
，m
2k
，m
3k
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊理论和D
‑
S证据理论的海上目标识别方法，其特征在于，包括以下步骤：(1)传感器在某时刻t
i
探测目标参数信息x
j
；其中，1≤j≤N，N为目标参数个数；(2)根据参数信息与目标的关联关系，构造相应的各参数属于某目标的隶属度函数μ
ik
(x
j
)；其中μ
ik
(x
j
)表示传感器t
i
时刻测得的目标参数信息x
j
属于目标k的隶属度，1≤k≤M，M为目标个数；(3)综合目标各参数特点、参数识别程度、环境影响、干扰情况和传感器性能构造目标各参数相应的权重系数ω
k
(x
j
)；其中ω
k
(x
j
)表示目标参数信息x
j
属于目标k...

【专利技术属性】
技术研发人员：万昌雄，杨宏文，虞华，赵飞，
申请(专利权)人：中华通信系统有限责任公司长沙分公司，
类型：发明
国别省市：