基于分層多級的信息融合設計

時間:2022-05-22 09:55:44

導語:基于分層多級的信息融合設計一文來源于網友上傳,不代表本站觀點,若需要原創文章可咨詢客服老師,歡迎參考。

基于分層多級的信息融合設計

仿真系統設計

本仿真系統的模型定義為導彈打擊飛機的過程,導彈從發射起,經過目標定位、目標識別、態勢評估、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行時間和空間上的融合,建立目標航跡和數據庫,獲得目標位置和速度。第二級——目標識別融合,它是指對來自多個傳感器的目標識別數據進行組合,以得到對目標身份的聯合估計。信源信息融合領域信源預處理第四級威脅估計第三級態勢估計第二級目標識別第一級位置融合人機交互數據庫管理系統支持數據庫融合數據庫圖1多源信息融合四級模型第三級——態勢估計,態勢是一種狀態,一種趨勢,是一個整體和全局的概念。態勢估計是對戰斗力量部署及動態變化情況的評價過程,從而分析并確定事件發生深層原因,得到關于敵方兵力結構的估計,推斷敵方意圖、預測將來活動,最終形成戰場態勢圖,提供最優決策依據。第四級——威脅估計,威脅估計的任務是在態勢估計的基礎上,綜合敵方破壞能力、機動能力、運動模式及行為意圖的先驗知識,得到敵方兵力的戰術含義,估計出作戰事件出現的程度和嚴重性,并對作戰意圖做出指示與告警,重點是定量表示敵方作戰能力,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相結合,即數據層融合、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。制導武器信息融合系統是應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,對目標信息進行融合。目標信息這里我們主要考慮目標位置信息和目標身份信息。目標位置信息,包括目標三維坐標、速度等,應用貝葉斯估計、加權平均法、卡爾曼濾波法進行融合,而目標身份識別信息,包括圖像信息和位置特征信息,應用貝葉斯估計、D-S證據理論、BP神經網絡推理得到。多源信息經過數據層、特征層、決策層融合得到準確的目標信息,為態勢評估與決策提供依據。制導武器多源信息融合系統可劃分為三大部分,如圖3所示。圖3制導武器多源信息融合系統框架位置信息融合子系統是對目標位置信息進行融合。通過彈載GPS接收機、雷達、紅外獲取目標的位置信息,經過預處理、配準和數據關聯,應用卡爾曼濾波、加權平均法等得到目標精確地位置信息。圖像信息融合子系統是應用于目標識別部分的,對紅外和CCD獲取的圖像進行融合,經過像素級、特征級、決策級融合,對目標進行準確的識別。信息融合理論有信息融合系統的模型和結果,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、異類數據特點,系統采用分層多級融合結構,將多源信息進行分類,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,本系統采用的傳感器有GPS、雷達、紅外和CCD等。GPS獲取導彈信息,紅外、雷達、CCD等獲取目標信息,導彈與目標信息進行坐標系轉換、濾波等預處理,然后進行航跡關聯、目標識別。通過數據層、特征層和決策層融合得到準確的信息,為制導系統提供決策依據。整個系統的信息流程圖如圖4所示。黑板結構是專家系統常用的結構,也稱為黑板系統,是一種多專家合作系統。適合于多源信息融合。黑板結構一般有知識源,黑板和控制機構三部分組成。黑板結構是系統中的全局工作區。它對于判斷和解決問題提供了一個非常靈活的控制結構,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據區,或者說黑板是作為存儲信息數據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,通過融合黑板進行交流,合作完成。

目標識別的融合算法分析

作為信息融合的一個重要研究內容,融合目標識別又稱身份融合,根據目標識別理論,應用D-S證據理論在一維距離像和二維圖像聯合對目標進行識別。3.1目標識別概述目標識別理論經過多年的發展,識別方法多種多樣,其中包括經典統計判決、主觀Bayes推斷、D-S證據理論模糊集理論、專家系統理論等。目標識別信息融合通常包含3.2D-S證據理論證據推理最初是由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年推廣形成證據理論,成為D-S證據理論。下面介紹D-S證據理論基本知識[1,2]。D-S證據推理流程圖如圖6所示。

實例分析

應用紅外成像和CCD圖像融合結果對目標形狀進行識別,同時根據GPS、雷達、紅外等估計的目標速度和高度來綜合識別目標。系統的特征值是目標速度,目標高度和目標圖像邊緣。選擇按歐氏距離度量的方法來實現信任度分配。結合導彈打擊目標的過程,應用D-S證據理論識別目標[5]。假設要識別的目標可能是為導彈和飛機兩種目標類型,U為不確定性,目標識別框架為Θ={飛機、導彈、U}。系統使用紅外和CCD融合后得到目標的圖像信息,得到判斷目標的證據1為圖像。GPS、雷達、紅外得到目標的速度和高度分別作為判斷的證據2和證據3。通過目標匹配,由歐式距離法按照距離大小進行概率分配,得到需要的可信度函數mass函數。圖7為目標庫,圖8為紅外與CCD在相同時刻和空間獲取的目標圖片融合后的圖片。經過與目標庫匹配,得出與飛機相似的占0.6,與導彈相似的占0.2,剩下的分辨不出飛機或導彈。同理可以得出目標速度和高度的匹配概率。如表1所示。和證據2進行組合,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第二次應用D-S證據理論,將組合結果和證據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證據理論算法進行了信息融合。三種證據融合后計算得出的不一致因子K=0.43,可以看出目標為飛機的概率為0.62766,概率值最大,從而可以決策目標為飛機。同時可以看出U即不確定性的概率也下降到0.01638。識別結果不確定性概率從0.1下降到0.01638,同時使融合后的基本可信度函數值比融合前的基本可信度函數值具有更好的可區分性。本實驗所用的機器是一臺Intercore2CPU,2.93HZ,3G內存的WindowsXP系統臺式機[7],本實驗等間隔時間采樣,獲取100組目標數據,試驗中它們的平均識別時間以及準確率見表2。表2可以看出,本算法已經達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,但是對于精確制導武器來說,準確識別是最重要的,所以它在滿足實時的條件下,損失時間換取準確率,這是合理的。

結合制導武器制導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,給出了信息融合功能模型、層次模型、總體框架,詳細分析了多源信息的信息流程,并且結合制導武器打擊過程,分析了D-S算法以及在目標識別中的應用,驗證了此系統對提高指導武器的制導精度是有效的。

本文作者:高穎姬維君王鳳華郭淑霞工作單位:西北工業大學航海學院