[发明专利]基于信源自适应动态选择的高效融合识别方法

说明书

本发明公开了自适应动态选择信源信息进行高效融合识别方法，对训练样本集采集数据，并进行预处理和特征提取，对训练样本均将其属性划分为N个属性集；得出使训练样本集分类准确率最高的属性集；对目标进行分类，判断分类结果的可靠度是否满足阈值要求：当满足时，对目标进行目标识别；当不满足时，得出新的分类结果，将全部的分类结果进行优化融合，并得出融合后的分类结果，直至分类结果的可靠度满足阈值要求或所有属性集均被用完为止，当所有属性集均被用完时，使用最终得到的分类结果对目标进行目标识别。本发明解决信源获取过程中耗费代价太大、鲁棒性差、优化过程的非局部最优的问题。

【技术领域】

本发明属于目标识别技术领域，具体涉及一种基于信源自适应动态选择的高效融合识别方法。

【背景技术】

随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。战略预警已成为一个国家安全和战略军事行动的重要保障，是国家战略防御和威慑力量不可缺少的重要基础。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。

在错综复杂的战场环境下，由于外界环境干扰、人为对抗欺骗以及传感器自身性能等诸多因素的影响，信源(传感器获得的目标属性信息)一般具有很大的不确定性和高冲突性。然而在JQ多平台多传感器融合识别时，由于每个移动平台(如无人机)携带的燃料(电源)有限，为了延长航时，需要提高传感器观测信息利用效率，在保证识别率的同时要尽量降低冗余或无效传感器观测，也就是要用尽量少的信源来获取尽可能高的识别准确度。并且，在多源信息融合识别系统中，由于各信源间存在数据属性差异，可靠度差异，同时也存在信息冗余，因此并非信源越多，融合识别准确度就越高，相反选择利用部分互补程度高的信源则可得到较高的识别准确率。在此背景下，如何自适应动态选择有效信源信息以获得较高的识别准确率成为一个越来越重要的问题，因此迫切需要研究性能更为优越的融合方法。目前在高层信息融合领域，关于如何自适应动态选择信源信息进行高效融合识别还没有见诸文献报道。

【发明内容】

本发明的目的是提供一种基于信源自适应动态选择的高效融合识别方法，以解决信源获取过程中耗费代价太大、鲁棒性差、优化过程的非局部最优的问题。

本发明采用以下技术方案：基于信源自适应动态选择的高效融合识别方法，具体包括以下步骤：

步骤一、通过多个传感器对训练样本集进行采集数据，并对采集到的数据进行预处理和特征提取，对训练样本集中的每个训练样本，均将其属性划分为N个属性集；

步骤二、通过每个属性集对训练样本集进行交叉验证，并得出使训练样本集分类准确率最高的属性集；

步骤三、根据步骤二中得出的属性集对目标进行分类，得出分类结果；

步骤四、判断分类结果的可靠度是否满足阈值要求：

当满足时，按照满足阈值要求的分类结果对目标进行目标识别，方法结束；

当不满足时，在剩余的属性集中找到下一属性集,并对目标进行分类，得出新的分类结果；

步骤五、将步骤三中得出的分类结果和步骤四中得出的分类结果进行优化融合，并得出融合后的分类结果；

步骤六、根据步骤五中得出的融合后的分类结果重复执行步骤四，直至分类结果的可靠度满足阈值要求或所有属性集均被用完为止，当所有属性集均被用完时，使用最终得到的分类结果对目标进行目标识别。

进一步地，步骤四中计算分类结果可靠度的方法为：