[发明专利]一种多传感器自适应融合目标识别方法及系统

说明书

本发明公开了一种多传感器自适应融合目标识别方法，包括：1、各传感器对目标进行识别，识别函数以基本信任分配函数进行表示；2、零初始化两个暂存器；3、对各传感器输出的识别结果进行加权；4、使用和规则对加权后的识别结果进行融合，将融合结果保存在暂存器1中；5、使用积规则对传感器的识别结果进行融合，将融合结果保存在暂存器2中；6、增加新的传感器，返回步骤2；7、对和规则和积规则融合结果分配加权系数，然后进行加权，基于加权结果进行目标判别。使用本发明的方法可以满足单位元中立性，并且由于使用两个暂存器存储和规则和积规则的融合结果并进行计算，使得运算量减少，解决了运算复杂度高的问题。

技术领域

本发明属于目标识别领域，尤其涉及一种多传感器自适应融合目标识别方法及系统。

背景技术

自动目标识别技术广泛应用于军事和民用等领域当中，如军事领域中的侦察监视系统、预警探测系统、火控系统等，民用领域中的人脸识别、自动驾驶、安防系统等。单一传感器往往仅能测量目标某一方面的特性，如红外传感器仅能测量目标的红外特性、雷达传感器仅能测量目标的电磁散射特性、可见光传感器仅能测量目标的光学特性等。利用单一传感器信息进行自动目标识别，将不可避免地导致对目标属性辨识存在较大的不确定性。而且随着现代电子信息技术的发展，各类型传感器的成本越来越低。多传感器信息融合技术有望克服单一传感器的缺陷，充分挖掘相互间的互补信息，提高自动目标识别的可靠性。

当前，鉴于证据理论相比概率论能够更好地对不确定性信息进行表征和推理，多传感器融合目标识别技术广泛采用证据理论工具。然而，证据理论框架中的经典Dempster组合规则在对高冲突证据信息进行融合时，将导致有违直觉的结果，因此备受学者和工程师们的质疑。在此背景下，学者们提出修改经典Demspter组合规则以实现对高冲突证据的有效融合。具体改进思路可以划分为两大流派，一是不改变Dempster组合的积规则，只是对冲突量进行再分配，保持经典规则的收敛性能，但冲突信息的再分配策略往往带来诸如单位元不满足中立性、结合律被破坏和存储运算复杂度问题；二是将证据组合的积规则修正为和规则，对高冲突证据进行加权平均处理，保持了多传感器间的一致性，但目前通过两两比较方式计算加权系数的方法同样需要很高的存储运算复杂度，而且这些和规则也存在不满足单位元中立性且收敛速度过慢的问题。单位元的中立性指的是完全无知的新证据不应该带来对旧证据的更新，而结合律指的是信息融合的结果不应该受融合顺序的变换而改变，这是融合推理应该具备的两个基本原则。

发明内容

本发明要解决的技术问题是怎样解决当前多传感器融合方法中不满足单位元中立性存储运算复杂度高以及收敛速度过慢和融合结果受融合顺序影响的问题，提供了一种多传感器自适应融合目标识别方法及系统。

为解决该问题，本发明所采用的技术方案是：

一种多传感器自适应融合目标识别方法，包括以下步骤：

步骤1：使各传感器i∈{1,2,…,S}序贯地对目标o进行识别，识别结果以证据理论中的基本信任分配函数m_i[o](·)进行表示，设目标类别标签集为Θ＝{c₁,c₂,…,c_L}，信任分配函数m_i[o](·)中每个元素的大小对应于目标类别标签集Θ中一个子集A上的基本信任度分配值，S表示传感器数目；

步骤2：零初始化两个暂存器RAM1和RMA2，并令i＝1；

步骤3：对传感器i输出的基本信任分配函数m_i[o](·)进行加权；

步骤4：当i＝1时，利用步骤3中加权后的结果覆盖原暂存器RAM1中的值，否则，利用和规则，将步骤3中加权后的结果与暂存器RAM1中的值进行求和，并使求和结果更新暂存器RAM1中对应位置，RAM1中的每个基本信任度分配值都对应于目标类别标签集Θ的一个子集；