[发明专利]一种基于区间数和证据理论的辐射源识别方法

权利要求书

1.一种基于区间数和证据理论的辐射源识别方法，其特征是，包括以下步骤：

(1)确定传感器区间参数与数据库区间参数：将n部传感器探测到的雷达辐射源数据均用区间参数表示，从雷达辐射源数据库中截取模板数据库雷达辐射源参数，形成区间值数据库；

(2)计算传感器区间参数与数据库区间参数之间的区间相似度，并引入离散系数α对区间相似度进行修正，修正后的区间相似度为

S_i(P，Q)＝1-α·D_i(P，Q)

其中，P，Q分别为传感器区间参数和数据库区间参数，D_i(P，Q)为第i部传感器探测到传感器区间参数和数据库区间参数之间的区间距离，α＞0，用来调节相似度的离散程度，选取合适的调节因子能够提高识别概率，定义α为传感器区间参数与数据库区间参数之间的区间距离均值和区间距离标准差之间的比值，计算过程为：

令传感器区间参数与数据库区间参数之间的区间距离均值为

D‾(P,Q)=1n·Σ1nDi(P,Q),i=1,2,...,n]]>

区间距离标准差为

var(P,Q)=1n-1·Σi=1n(Di(P,Q)-D‾(P,Q)),i=1,2,...,n]]>

则离散系数α定义为

α=D‾(P,Q)var(P,Q);]]>

(3)基于修正后的区间相似度构建区间证据的基本概率赋值函数BPA：将修正后的区间相似度作为证据理论的一条证据，构造形成区间证据；求出某条证据被其他证据所支持的程度，归一化证据所支持的程度作为权重，加权修正后的区间相似度来构造基本概率赋值函数BPA；

(4)在得到每个传感器各区间参数的基本概率赋值BPA之后，根据证据理论组合规则对区间参数的BPA融合计算，得到区间参数融合后的各传感器对识别目标的信度函数BEL_i(R)和似真函数PL_i(R)，i＝1，2，…，n，并形成信度区间[BEL_i(R)，PL_i(R)]；再按照信度区间上下限对多传感器的BPA进行证据组合，得到多传感器融合条件下关于雷达型号R的基本概率赋值的信度区间[BEL(R)，PL(R)]，其中，BEL(R)表示信度区间下限m^-(R)，PL(R)表示信度区间上限m⁺(R)；

(5)对步骤(4)的得到的m^-(R)和m⁺(R)进行区间重构得到最终的信度区间为

m^(R)=[m^-(R),m^+(R)]]]>

其中，

m^-(R)=min[m-(R),m+(R)]]]>

m^+(R)=max[m-(R),m+(R)]]]>

(6)基于根据BPA变化的自适应、双门限证据判决准则对多传感器融合后的证据信度进行判决，得到判决识别结果。

2.根据权利要求1所述的基于区间数和证据理论的辐射源识别方法，所述的根据BPA变化的自适应、双门限证据判决准则是：在采用双门限判定准则进行识别判定时，克服人工设定门限的不确定性，自适应选取门限，取BPA除最大值及次最大值外求和值与BPA次最大值中较大值作为门限一ε₁，取BPA的平均值作为门限二ε₂，实现自适应识别；

ϵ1=max{Σj=3j≠1,2mm(Rj),m(R2)}]]>

ϵ2=Σj=1mm(Rj)m]]>

其中，m为目标数据库中的目标类，m(R_j)和m(R₂)分别为融合后的目标R_j和R₂的基本概率赋值。