基于分層多級的信息融合設(shè)計

導(dǎo)語：基于分層多級的信息融合設(shè)計一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

仿真系統(tǒng)設(shè)計

本仿真系統(tǒng)的模型定義為導(dǎo)彈打擊飛機(jī)的過程，導(dǎo)彈從發(fā)射起，經(jīng)過目標(biāo)定位、目標(biāo)識別、態(tài)勢評估、威脅估計等。JDL三級多源信息融合模型[1,2]為軍事領(lǐng)域的信息融合研究提供了一種較為通用的框架，得到了廣泛的認(rèn)可與采用。但是位置估計與身份識別無論從研究特點和所采用的方法都有很大的差別，把它們放在一級不合適。因此又提出了另一種信息融合的功能分級模型，如圖1所示。第一級——位置級融合，針對實時獲取的信息進(jìn)行時間和空間上的融合，建立目標(biāo)航跡和數(shù)據(jù)庫，獲得目標(biāo)位置和速度。第二級——目標(biāo)識別融合，它是指對來自多個傳感器的目標(biāo)識別數(shù)據(jù)進(jìn)行組合，以得到對目標(biāo)身份的聯(lián)合估計。信源信息融合領(lǐng)域信源預(yù)處理第四級威脅估計第三級態(tài)勢估計第二級目標(biāo)識別第一級位置融合人機(jī)交互數(shù)據(jù)庫管理系統(tǒng)支持?jǐn)?shù)據(jù)庫融合數(shù)據(jù)庫圖1多源信息融合四級模型第三級——態(tài)勢估計，態(tài)勢是一種狀態(tài)，一種趨勢，是一個整體和全局的概念。態(tài)勢估計是對戰(zhàn)斗力量部署及動態(tài)變化情況的評價過程，從而分析并確定事件發(fā)生深層原因，得到關(guān)于敵方兵力結(jié)構(gòu)的估計，推斷敵方意圖、預(yù)測將來活動，最終形成戰(zhàn)場態(tài)勢圖，提供最優(yōu)決策依據(jù)。第四級——威脅估計，威脅估計的任務(wù)是在態(tài)勢估計的基礎(chǔ)上，綜合敵方破壞能力、機(jī)動能力、運動模式及行為意圖的先驗知識，得到敵方兵力的戰(zhàn)術(shù)含義，估計出作戰(zhàn)事件出現(xiàn)的程度和嚴(yán)重性，并對作戰(zhàn)意圖做出指示與告警，重點是定量表示敵方作戰(zhàn)能力，并估計敵方企圖。多源信息融合可以在三個層面上與具體的技術(shù)相結(jié)合，即數(shù)據(jù)層融合、特征層融合、決策層融合[1,2]。信息融合的層次化模型如圖2所示。制導(dǎo)武器信息融合系統(tǒng)是應(yīng)用信息融合的基本知識，如：融合功能模型、層次模型、融合算法、以及融合知識庫，對目標(biāo)信息進(jìn)行融合。目標(biāo)信息這里我們主要考慮目標(biāo)位置信息和目標(biāo)身份信息。目標(biāo)位置信息，包括目標(biāo)三維坐標(biāo)、速度等，應(yīng)用貝葉斯估計、加權(quán)平均法、卡爾曼濾波法進(jìn)行融合，而目標(biāo)身份識別信息，包括圖像信息和位置特征信息，應(yīng)用貝葉斯估計、D-S證據(jù)理論、BP神經(jīng)網(wǎng)絡(luò)推理得到。多源信息經(jīng)過數(shù)據(jù)層、特征層、決策層融合得到準(zhǔn)確的目標(biāo)信息，為態(tài)勢評估與決策提供依據(jù)。制導(dǎo)武器多源信息融合系統(tǒng)可劃分為三大部分，如圖3所示。圖3制導(dǎo)武器多源信息融合系統(tǒng)框架位置信息融合子系統(tǒng)是對目標(biāo)位置信息進(jìn)行融合。通過彈載GPS接收機(jī)、雷達(dá)、紅外獲取目標(biāo)的位置信息，經(jīng)過預(yù)處理、配準(zhǔn)和數(shù)據(jù)關(guān)聯(lián)，應(yīng)用卡爾曼濾波、加權(quán)平均法等得到目標(biāo)精確地位置信息。圖像信息融合子系統(tǒng)是應(yīng)用于目標(biāo)識別部分的，對紅外和CCD獲取的圖像進(jìn)行融合，經(jīng)過像素級、特征級、決策級融合，對目標(biāo)進(jìn)行準(zhǔn)確的識別。信息融合理論有信息融合系統(tǒng)的模型和結(jié)果，主要包括功能模型、信息融合層次模型和多源信息融合算法。針對多源、異類數(shù)據(jù)特點，系統(tǒng)采用分層多級融合結(jié)構(gòu)，將多源信息進(jìn)行分類，在融合黑板完成多源的信息融合。多源信息獲取由傳感器來完成，本系統(tǒng)采用的傳感器有GPS、雷達(dá)、紅外和CCD等。GPS獲取導(dǎo)彈信息，紅外、雷達(dá)、CCD等獲取目標(biāo)信息，導(dǎo)彈與目標(biāo)信息進(jìn)行坐標(biāo)系轉(zhuǎn)換、濾波等預(yù)處理，然后進(jìn)行航跡關(guān)聯(lián)、目標(biāo)識別。通過數(shù)據(jù)層、特征層和決策層融合得到準(zhǔn)確的信息，為制導(dǎo)系統(tǒng)提供決策依據(jù)。整個系統(tǒng)的信息流程圖如圖4所示。黑板結(jié)構(gòu)是專家系統(tǒng)常用的結(jié)構(gòu)，也稱為黑板系統(tǒng)，是一種多專家合作系統(tǒng)。適合于多源信息融合。黑板結(jié)構(gòu)一般有知識源，黑板和控制機(jī)構(gòu)三部分組成。黑板結(jié)構(gòu)是系統(tǒng)中的全局工作區(qū)。它對于判斷和解決問題提供了一個非常靈活的控制結(jié)構(gòu)，黑板就是要把獲取信息不同過程注解集合寫在黑板上,然后再由黑板讀出,其特征是具有一個共享的數(shù)據(jù)區(qū)，或者說黑板是作為存儲信息數(shù)據(jù)和知識源集合的相互作用的共同媒體。融合知識庫描述某個獨立領(lǐng)域的知識和知識處理方法，每個融合模型可完成某些特定的解題功能，各融合模型之間相互獨立，通過融合黑板進(jìn)行交流，合作完成。

目標(biāo)識別的融合算法分析

作為信息融合的一個重要研究內(nèi)容，融合目標(biāo)識別又稱身份融合，根據(jù)目標(biāo)識別理論，應(yīng)用D-S證據(jù)理論在一維距離像和二維圖像聯(lián)合對目標(biāo)進(jìn)行識別。3.1目標(biāo)識別概述目標(biāo)識別理論經(jīng)過多年的發(fā)展，識別方法多種多樣，其中包括經(jīng)典統(tǒng)計判決、主觀Bayes推斷、D-S證據(jù)理論模糊集理論、專家系統(tǒng)理論等。目標(biāo)識別信息融合通常包含3.2D-S證據(jù)理論證據(jù)推理最初是由Dempster在1967年提出，用多值映射得出概率的上下界，后來由Shafer在1976年推廣形成證據(jù)理論，成為D-S證據(jù)理論。下面介紹D-S證據(jù)理論基本知識[1,2]。D-S證據(jù)推理流程圖如圖6所示。

實例分析

應(yīng)用紅外成像和CCD圖像融合結(jié)果對目標(biāo)形狀進(jìn)行識別，同時根據(jù)GPS、雷達(dá)、紅外等估計的目標(biāo)速度和高度來綜合識別目標(biāo)。系統(tǒng)的特征值是目標(biāo)速度，目標(biāo)高度和目標(biāo)圖像邊緣。選擇按歐氏距離度量的方法來實現(xiàn)信任度分配。結(jié)合導(dǎo)彈打擊目標(biāo)的過程，應(yīng)用D-S證據(jù)理論識別目標(biāo)[5]。假設(shè)要識別的目標(biāo)可能是為導(dǎo)彈和飛機(jī)兩種目標(biāo)類型，U為不確定性，目標(biāo)識別框架為Θ={飛機(jī)、導(dǎo)彈、U}。系統(tǒng)使用紅外和CCD融合后得到目標(biāo)的圖像信息，得到判斷目標(biāo)的證據(jù)1為圖像。GPS、雷達(dá)、紅外得到目標(biāo)的速度和高度分別作為判斷的證據(jù)2和證據(jù)3。通過目標(biāo)匹配，由歐式距離法按照距離大小進(jìn)行概率分配，得到需要的可信度函數(shù)mass函數(shù)。圖7為目標(biāo)庫，圖8為紅外與CCD在相同時刻和空間獲取的目標(biāo)圖片融合后的圖片。經(jīng)過與目標(biāo)庫匹配，得出與飛機(jī)相似的占0.6，與導(dǎo)彈相似的占0.2，剩下的分辨不出飛機(jī)或?qū)?。同理可以得出目?biāo)速度和高度的匹配概率。如表1所示。和證據(jù)2進(jìn)行組合，然后計算不一致因子：k0.10.240.3412mmm0.696969,0.272727,0.030303第二次應(yīng)用D-S證據(jù)理論，將組合結(jié)果和證據(jù)3組合，計算不一致因子：。k0.0820.3480.433mmm0.62766,0.36172,0.010638用D-S證據(jù)理論算法進(jìn)行了信息融合。三種證據(jù)融合后計算得出的不一致因子K=0.43，可以看出目標(biāo)為飛機(jī)的概率為0.62766，概率值最大，從而可以決策目標(biāo)為飛機(jī)。同時可以看出U即不確定性的概率也下降到0.01638。識別結(jié)果不確定性概率從0.1下降到0.01638，同時使融合后的基本可信度函數(shù)值比融合前的基本可信度函數(shù)值具有更好的可區(qū)分性。本實驗所用的機(jī)器是一臺Intercore2CPU,2.93HZ,3G內(nèi)存的WindowsXP系統(tǒng)臺式機(jī)[7]，本實驗等間隔時間采樣，獲取100組目標(biāo)數(shù)據(jù)，試驗中它們的平均識別時間以及準(zhǔn)確率見表2。表2可以看出，本算法已經(jīng)達(dá)到實時即識別時間小于67ms的要求，雖然D-S算法的用間稍微多一點，但是對于精確制導(dǎo)武器來說，準(zhǔn)確識別是最重要的，所以它在滿足實時的條件下，損失時間換取準(zhǔn)確率，這是合理的。

結(jié)合制導(dǎo)武器制導(dǎo)過程和多源信息的特點，介紹了基于分層多級融合黑板的多源信息融合系統(tǒng)，給出了信息融合功能模型、層次模型、總體框架，詳細(xì)分析了多源信息的信息流程，并且結(jié)合制導(dǎo)武器打擊過程，分析了D-S算法以及在目標(biāo)識別中的應(yīng)用，驗證了此系統(tǒng)對提高指導(dǎo)武器的制導(dǎo)精度是有效的。

本文作者：高穎姬維君王鳳華郭淑霞工作單位：西北工業(yè)大學(xué)航海學(xué)院