基于改进证据理论的电子目标综合辨识研究

周勇

(1.北京信息控制研究所，北京100142;2.中国国防科技信息中心，北京100142)

1 引言

信息化条件下，各种电子信息装备广泛应用于战场，战场电磁环境日益复杂，各种有意无意干扰混杂，单一传感器获取信息的不完整性、不确定性十分严重。海量数据下如何从各类残缺不全、真假难辨甚至相互矛盾的信息中快速准确辨识重点威胁目标，已成为夺取战场信息优势的核心与关键。正是在这种背景下，目标综合识别成为提高电子信息系统整体作战效能的一项关键技术。D -S 证据理论由于其无须先验概率、推理形式简单且能很好地表示不确定性等特点，在目标综合识别领域得到了广泛的应用［1-3］。但在实践中也存在诸多局限:一是没有考虑各信源自身的差别，默认来自不同信源证据的重要程度相同，而没有体现出各证据源对目标识别贡献的大小，这在实际应用中并不合理［4］;二是各信源证据之间有可能存在冲突，当冲突较小时，证据理论能够较好实现各证据的融合，但冲突较严重时由于融合规则的缺陷可能会得到一些与事实相悖的结论［5］;三是证据推理过程中概率很小元素的存在会导致识别框架增长，证据组合时会引起“焦元爆炸”问题，计算量成指数形式递增［6］。

针对证据理论存在的这些问题，国内外学者进行了系统的研究并针对性提出了一系列的解决方案［7-10］。本文从电子目标综合辨识实际需求出发，探讨无源侦察、雷达探测、红外侦察以及数据链等信源在目标综合辨识中可信度的差异，采用主客观权重相结合的方式对各信源证据进行修正，并运用基于交互式的融合处理规则对目标身份属性信息进行综合处理。

2 基本理论

2.1 电子目标综合辨识

信息化战场信源种类繁多，各类信源工作原理不同、性能各异，其获取的目标特征信息也不尽相同。主要包括:①无源侦察识别。无源侦察识别是通过截获辐射源信号特征参数以确定目标的身份属性信息。无源侦察信息反映了目标辐射源相对固定的身份属性，在电子目标识别中具有重要作用。但由于电磁环境的日益复杂以及敌方可能采用的各种对抗措施，电子侦察不易完全掌握辐射源的电磁特征，因此在目标综合辨识上存在一定的模糊性。②雷达探测识别。雷达探测识别主要依靠目标的运动状态信息以及雷达回波波形、多普勒信息等参数实现对目标类型的分类，但并不能进行具体型号的分析与识别。如飞机RCS 尺寸及形状信息，目标的运动速度及机动特征均可在一定程度上反映目标的属性信息。③红外成像识别。红外成像识别通过红外敏感元件探测物体的热辐射能量，通过热场图像的映像特性识别目标的身份属性信息。红外成像识别能力强，对目标的环境依赖性小，是现代战场非常重要的目标识别技术，通常与其他识别手段协同使用，成为相互独立又彼此补充的识别手段。④数据链识别。数据链识别信息是指上级指挥系统向本级通报空情时给出的目标运动状态、身份属性、目标威胁、目标型号等实时信息以及目标出现概率、已知区内目标的种类、数量、任务等非实时信息等。数据链识别信息来源于上级系统更大范围的信息场支持，因此比较全面、准确。

上述各类信源从不同角度共同刻画了目标在全电磁谱段的不同属性，电子目标综合辨识即是通过合理的技术体系结构，将来自不同信源的数据信息按不同的域进行分门别类，在此基础上将各信源从空间、时间或工作参数等不同的层面获取的目标信息进行变换、融合与关联，从而摆脱单个信源识别的局限性，从全局辨识重点电子目标的身份属性及其军事企图。

2.2 D-S 证据理论

设Ω 为D-S 理论中的识别框架，它是由一系列互不相容的陈述集合组成，A为样本空间里的一个命题，且领域内的命题都可以用Ω 的子集表示。设函数M∶ 2Ω→［0，1］，且满足M［φ］=0;则称M是2Ω上的基本可信度分配函数(BPAF)，M(A)称为命题A的基本可信度分配，表示对命题A精确信任的程度。

设命题D = A∩B，则D的基本可信度分配为:

3 基于改进证据理论的电子目标综合辨识

3.1 电子目标综合辨识各类信源权重分析

传统证据理论没有考虑到不同信源证据对辨识框架中各命题的识别差异性，忽视了对各信源证据可靠程度的评估，这在实际应用中并不合理。

首先，从电子目标综合辨识各信源自身性能分析，各类信源对目标综合识别的贡献是不同的:雷达探测一般只能用于目标属性的简单分类，当两种类型的舰船外形及运动状态比较相近时，就很难通过雷达探测达到目标类型识别的目的，因而识别可信度较低;由于电磁环境的日益复杂以及敌方采用的各种对抗措施，目标电磁辐射特性以及红外映像特性难以完全掌握，无源侦察与红外成像在辨识过程中均存在一定的不确定性;数据链情报来源具有更大范围的数据支持，包括预警机、雷达网、情报站等均可提供各类实时、非实时信息，目标判决信息比较全面准确，因而可信度最高。在电子目标综合辨识过程中，从突出优势证据及降低证据冲突的角度考虑，可通过主观设置各信源主观权重的方式调整各信源在电子目标综合辨识中的重要性［11］。

客观权重则是通过计算当前具体情况下各信源证据间的置信距离来确定证据间的相互支持程度。由于干扰及客观环境的影响，综合辨识有可能会出现各信源证据高度冲突的情况，通过客观权重的设置可削弱错误信息特别是冲突证据对识别结果的影响，有效减少目标综合辨识的不确定性［12］。

设m1、m2是识别框架Ω 的两个基本概率指派函数，则m1、m2之间的距离为:

式(2)中，M1、M2分别为m1、m2在2Ω中所有元素上的取值组成的行向量;D为2k* 2k的度量证据相似性的矩阵［13］，矩阵中的任一元素表示为:

从式(3)可知，0 ≤d(m1，m2)≤1，d(m1，m2)越大，则表明m1和m2之间差别越大，当且仅当m1= m2时，d(m1，m2)=0。根据距离公式，可计算出证据源i同其他证据源的总距离为:

ξi反映了证据源i受其他证据的支持程度，ξi越小则表示所受的支持程度越大，即该信源证据对于识别框架内某一命题的支持度越大。

为全面反映电子目标综合辨识中各信源证据的可靠性及相互间的一致程度，本文采用主客观组合权重的方式对各信源证据进行修正。设各证据组合权重为wi，主观权重为αi，客观权重为βi，则有:

利用式(5)计算得出的组合权重系数wi，可对电子目标综合辨识所有命题的基本概率赋值进行转换［14］:

经过转换后，电子目标综合辨识各信源证据对目标最终识别结果的贡献程度保持了一致。由于wi∈［0，1］，因此修正后各信源证据的总体不确定度会有所增加。

3.2 电子目标综合辨识交互式融合

电子目标综合辨识过程中，由于各信源目标识别结果的不一致性及各种小概率因子的存在，使得识别框架可能变得很复杂。以识别框架包含20 个元素计算，则所有可能焦元数目会达到1.048 576×107个，运算复杂度成指数递增。

结合电子目标综合辨识实际情况，本文在目标合成过程中加入过滤信息对系统的不确定性进行修正，剔除干扰因子。具体方法为:融合中心对通过数据链情报获取预知不出现的目标在识别框架中进行算法隔离;同时在融合过程中设定拒绝门限，将一些概率值很小的干扰值剔除掉，对小概率事件进行截断，从而缩小识别框架，加快融合速度［15］。

假定识别中心情报显示，在辐射源识别框架2Ω中有k个类型目标不确定出现，这样获得k个类型目标的目标集合X;l个类型目标无法判断，目标集合为Y;p个目标确定不出现，p个目标集合为Z，k+l+p =θ 为原辐射源识别框架。取拒绝门限σj，若修正后的基本概率赋值则在融合过程中将此目标隔离，由此可知被隔离的目标数应大于等于p，假如有q个目标被算法隔离，重新排序后进行归一化处理。

第j个识别单元的不确定性为:

然后利用Dempster 组合进行合成，对目标的身份属性做出最终判定。

4 电子目标综合辨识仿真验证

假设融合中心分别获取同一目标的无源侦察、雷达探测、红外成像以及数据链等信源的目标识别信息，各信源得出的目标基本概率赋值mESM(·)、mRadar(·)、mIR(·)以及mdata(·)见表1。同时由数据链获取的情报显示:E1、E2不确定性出现，E3、E4无法判断，E5、E6确定不出现，mdata(θ)=0.1。

表1 基本概率赋值表

由于各类信源自身存在较大的性能差异，利用层次分析法获取各信源证据的主观权重比值为ESM∶Radar∶IR∶data =0.6 ∶0.3 ∶0.5 ∶1。采用距离计算公式(4)获取电子目标综合辨识各信源证据客观权重比值为ESM∶Radar∶IR∶data =0.714 ∶0.612∶1 ∶0.641。在此基础上应用组合权重公式(5)，可得各信源组合权重的比值分别为ESM∶Radar∶IR∶data =0.667 ∶0.286 ∶0.781 ∶1。应用证据赋值修改公式(6)，可得修改后的基本概率赋值见表2。

表2 修正的基本概率赋值表

采用截断型融合处理模型，设拒绝门限σj =0.015，假设A5、A6被算法隔离，获取修正的基本概率赋值见表3。

表3 拒绝门限σj = 0.015 时修正的基本概率赋值表

若取拒绝门限σj =0.02，则A4、A5、A6被算法隔离，获取修正的基本概率赋值见表4。

表4 拒绝门限σj = 0.02 时修正的基本概率赋值表

表5 则分别显示了没有采用截断型融合处理、采用拒绝门限为σj =0.015 和拒绝门限为σj =0.02 的Dempster 组合结果。

表5 三种情况的融合结果

从表5 可以看出，融合中心采用了交互式处理方法，对预知不出现的目标以及小概率事件进行算法隔离，在不影响实际判决结果的基础上有效减少了识别框架，降低了系统运算量，改善了电子目标综合辨识的整体工作性能。

5 结束语

证据理论由于其在不确定性领域中的独特优势，在目标识别领域发挥了重要作用。本文从电子目标综合辨识的实际需求出发，针对传统证据理论存在的固有缺陷，采用主客观相结合的方式分析修正各信源证据权重，有效解决不同信源证据识别可信度不同的问题;通过对小概率事件的截断实现算法隔离，有效解决证据理论识别框架膨胀的问题。实例表明，基于改进证据理论的目标综合辨识算法准确性与实时性得到很大的增强，在实际运用中具有很强意义。

［1］ CARL WISE，JIM ARMITAGE. Electronic combat and weapon system integration［J］. Journal of Electronic Defense，1991，14(7):37 -39.

［2］ SHAFER G. A mathematical theory of evidence［M］. Princeton University Press，1976.

［3］ 王壮，郁文贤，庄钊文，等. C3I 系统中的目标综合识别技术［J］.系统工程与电子技术，2001，23(1):5 -8.

［4］ 丁迎迎，李洪瑞，杨永健，等. 基于加权的目标综合识别技术［J］.火力与指挥控制，2012，37(3):54 -58.

［5］ 何立志，张翠芳，蒋鹏.一种新的基于置信距离的冲突证据融合方法［J］.计算机应用研究，2014，31(10):3041 -3043.

［6］ 韩德强，杨艺，韩崇昭. D -S 证据理论研究进展及相关问题探讨［J］.控制与决策，2014，29(1):1 -8.

［7］ 叶清，吴晓平，翟定军. 一种基于能量函数的证据合成算法［J］.系统工程与电子技术，2010，32(3):566 -569.

［8］ 陈博，万寿红，岳丽华. 改进的D -S 证据舰船融合检测研究［J］.计算机工程与应用，2010，46(28):222 -224.

［9］ 康健.基于多传感器信息融合关键技术的研究［D］.哈尔滨:哈尔滨工程大学，2013.

［10］ SEVASTIANOV P ，DYMOVA L ，BARTOSIEWICZ P . A framework for rule-base evidential reasoning in the interval setting applied to diagnosing type 2 diabetes［J］. Expert Systems with Applications，2012，39(4):4190 -4200.

［11］ 刘澎，姚钦.可信度估计在目标识别融合系统中的应用［J］.探测与控制学报，2007，29(1):20 -35.

［12］ 孟光磊，龚光红.证据源权重的计算及其在证据融合中的应用［J］.北京航空航天大学学报，2010，36(11):1365 -1368.

［13］ 胡昌华，司小胜，周志杰，等.新的证据冲突衡量标准下的D-S 改进算法［J］.电子学报，2009，37(7):1578 -1583.

［14］ 刘海燕，赵宗贵，巴宏欣. 一种基于加权证据合成多传感器目标识别方法［J］.解放军理工大学学报，2005，16(6):521-524.

［15］ 姚钦，肖明清.基于证据理论的交互式目标识别算法［J］.系统工程与电子技术，2005，27(4):592 -595.