基于dempser的目標(biāo)識別特征值融合研究_第1頁
基于dempser的目標(biāo)識別特征值融合研究_第2頁
基于dempser的目標(biāo)識別特征值融合研究_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

基于dempser的目標(biāo)識別特征值融合研究

0系起來的系上運(yùn)動目標(biāo)分類一直是目標(biāo)識別領(lǐng)域的研究熱點(diǎn)。分類的目的是將類別標(biāo)記與目標(biāo)區(qū)域結(jié)合起來,以便特定分析不同的目標(biāo)。在測量系統(tǒng)中,由于測量設(shè)備的精度、構(gòu)成、外部環(huán)境以及數(shù)據(jù)的事后處理等因素的影響,導(dǎo)致全系統(tǒng)具有不確定性。文中提出了將D-S證據(jù)理論運(yùn)用于目標(biāo)識別中,該方法首先對目標(biāo)特征值進(jìn)行提取,再利用D-S理論進(jìn)行融合識別。1demp高效證據(jù)理論Dempster于1967年提出D-S證據(jù)理論,后由Shafer加以擴(kuò)充和發(fā)展而形成的一種證據(jù)推理方法,也稱證據(jù)理論為Dempster-Shafer理論。1.1識別結(jié)構(gòu)對于一個判決問題,把所有可能結(jié)果的集合用θ表示,那么所關(guān)心的任一命題都對應(yīng)于θ的一個子集,稱θ為識別框架。1.2有a的總體信度概念1基本可信度分配與信度函數(shù)設(shè)θ為識別框架,A為θ的子集,如果有集合函數(shù)m:2θ→滿足下列條件:則稱m為框架θ的基本可信度分配;m(A)稱為A的基本可信度分配值。因?yàn)閙(A)僅表示提供給A的基本可信度,而不是對A的總體可信度,要想獲得A的總體可信度,必須A的所有子集B基本可信度相加,用信度函數(shù)(Bel)表示:Bel為識別框架θ上的信度函數(shù);Bel(A)稱為A的可信度,表示給予命題A的總體可信度。但是Bel(A)還不能反映對A的懷疑程度,所以為了全面描述對A的信任還必須引入表示懷疑程度的量:似真度函數(shù)。概念2似真度函數(shù)設(shè)Bel:2θ→是θ上的一個信度函數(shù),定義:pl為Bel的似真度函數(shù)。pl(A)為A的似真度,表示A的可靠程度。[Bel(A),pl(A)]構(gòu)成命題A的不確定區(qū)間,通過不確定區(qū)間量化命題的可信度和似真度。1.3基本信度函數(shù)概念3設(shè)Bel1和Bel2是識別框架θ上的兩個信度函數(shù),m1和m2分別對應(yīng)基本可信度分配,焦元分別為A1,…,Ai和B1,…,Bj設(shè):那么,函數(shù)m:2θ→→是基本可信度分配:對于多個證據(jù)的組合可采用上述規(guī)則進(jìn)行組合,對給定的信度函數(shù)記為Bel1⊕Bel2。2demper合并規(guī)則在測量系統(tǒng)的目標(biāo)數(shù)據(jù)融合中,目標(biāo)的類型看作命題,各測量分系統(tǒng)通過測量、處理及數(shù)據(jù)特征類型的提取分類,給出目標(biāo)類型的判斷結(jié)果可以看作證據(jù)。D-S理論應(yīng)用于目標(biāo)數(shù)據(jù)融合時,由各測量分系統(tǒng)產(chǎn)生對某一個命題的度量,由此構(gòu)成證據(jù),并構(gòu)造相應(yīng)的基本概率分布函數(shù),對命題賦予一個可信度。利用Dempster合并規(guī)則將不同測量分系統(tǒng)的基本可信度分配合并成一個總體基本可信度分配,然后由識別判斷規(guī)則進(jìn)行決策。圖1為D-S理論在測量系統(tǒng)數(shù)據(jù)的融合方法,m1(Ai),…,mn(Ai)(i=1,2,…,n)為n各測量分系統(tǒng)對命題Ai的基本可信度分配,m(Ai)為經(jīng)Dempster合并規(guī)則得到的基本可信度分配。由于測量系統(tǒng)的數(shù)據(jù)量很大,為準(zhǔn)確地對目標(biāo)進(jìn)行識別并為后續(xù)工作提供參考依據(jù),因此需對融合結(jié)構(gòu)要進(jìn)行優(yōu)化。由數(shù)學(xué)理論可以得知,多個證據(jù)合并的計(jì)算可由兩個證據(jù)合并遞推得到。圖2給出了優(yōu)化之后的融合結(jié)構(gòu),此種方法除了融合計(jì)算外,還可以對融合數(shù)據(jù)進(jìn)行準(zhǔn)確的逆向分析。3提取和分類資源值空中目標(biāo)具有多種特征,本文以加速度、速度高度、爬升率及升限特征為基礎(chǔ)進(jìn)行實(shí)例分析。3.1速度來進(jìn)行區(qū)分空中目標(biāo)的加速度特征是基于空中目標(biāo)是否有明確的加速度來進(jìn)行區(qū)分。一般來說,軍用飛行器需要進(jìn)行機(jī)動飛行,而民用飛行器等目標(biāo)則是依照固定的航線勻速飛行,因此根據(jù)空中目標(biāo)的加速度特征可以區(qū)分目標(biāo)類型。3.2智慧基礎(chǔ)訓(xùn)練空中目標(biāo)的飛行速度和高度組成飛行包線。一般而言,包線的范圍越廣,表明飛行器的性能就越好,在軍事上,表明飛行器的作戰(zhàn)能力就越強(qiáng)。在實(shí)踐中可以利用飛行包線建立飛行器的包線模型并將其細(xì)化,再對特征值進(jìn)行處理分析確認(rèn)目標(biāo)的類型。3.3跡傾角、升限和速度優(yōu)勢爬升率是飛行器在單位時間內(nèi)上升的高度,不同飛行高度的最大爬升率和最大航跡傾角是不同的。提高最大爬升率可以使飛行器迅速上升到所需要的高度。升限是飛行器能進(jìn)行平飛的最大飛行高度。對軍用飛行器來說,升限高有由高度優(yōu)勢用俯沖的辦法轉(zhuǎn)為速度優(yōu)勢的可能。運(yùn)用兩種特征值能對目標(biāo)的類型進(jìn)行初步判斷。4測量識別的融合決策以目標(biāo)A、B為例,對它們的特征值進(jìn)行處理,并根據(jù)融合結(jié)果進(jìn)行類型識別。將五個測量分系統(tǒng)設(shè)置在不同的方位對目標(biāo)進(jìn)行測量識別,并將得到的五個基本可信度分配進(jìn)行合并,再根據(jù)D-S融合決策規(guī)則進(jìn)行分別決策。表1、表2為D-S方法的數(shù)據(jù)融合結(jié)果。表中,“測量目標(biāo)”列為實(shí)際目標(biāo),數(shù)值為基本可信度分配?!皽y量分系統(tǒng)1”,…,“測量分系統(tǒng)5”各行分別為各測量分系統(tǒng)得到的對目標(biāo)的分析結(jié)果。從結(jié)果可以看出,D-S證據(jù)理論融合方法在根據(jù)目標(biāo)特征值進(jìn)行識別中的效果非常明顯。5測試的次數(shù)對識別效果的影

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論