[发明专利]基于DS理论和DSm理论的交互自适应目标识别方法

摘要

本发明公开了一种基于DS理论和DSm理论的交互自适应目标识别方法。首先，得到所有可能目标类型，确定辨识框架，获得各信息源对目标识别的基本信度分配；其次，计算两证据间的角度相似度，并对证据分别采用Dempster组合规则和PCR6规则进行合成，分别得到合成结果。再次，利用角度相似度对两种规则处理结果加权求和得到最终合成信度；最后，选择合适的决策规则作出最后的识别判决。本发明方法自适应地处理多信息源关于目标识别信息中存在的各种程度的冲突证据，降低了干扰证据的影响，实现了对各种程度冲突证据的有效处理，提高识别结果的可信性。不仅能在Shafer模型下使用，还能在混合DSm模型和自由DSm模型下使用。处理过程简单，不涉及高阶累积量运算，计算量小。此外，本发明还可采用其它的组合规则或方法进行交互自适应应用，具有很好的开放性和扩展性。具有推广应用价值。

主权项

1.一种基于DS理论和DSm理论的交互自适应目标识别方法，包括以下技术步骤：(1)得到所有可能目标类型，确定辨识框架，获得各信息源对目标识别的基本信度分配。假设辨识框架Θ＝{θ₁，θ₂，K，θ_n}，在其框架下有k个证据的基本信度分配(或广义基本信度分配)m₁，m₂ L m_k：G^Θ→[0，1]，其中i＝1，2Lk，其中G^Θ表示可以选取不同的模型；(2)计算两证据间的角度相似度cos(.)；cos(m1,m2)=Σi=12ΘΣj=12Θm1(Xi)m2(Xj)|Xi∩Xj||Xi∪Xj|(Σi=12ΘΣj=12Θm1(Xi)m1(Xj)|Xi∩Xj||Xi∪Xj|)·(Σi=12ΘΣj=12Θm2(Xi)m2(Xj)|Xi∩Xj||Xi∪Xj|)]]>(3)对证据使用扩展Dempster组合规则处理得到m_g-DS(.)；m_g-DS(A)@φ(A)[S₁(A)+S₂(A)+S₃(A)]其中S1(A)=ΣX,Y∈DΘ,X∩Y≡Am1(X)m2(Y)]]>S2(A)=S1(A)ΣZ∈DΘ,Z∉φS1(Z)ΣX,Y∈φMm1(X)m2(Y)]]>S3(A)=S1(A)ΣZ∈DΘ,Z∉φS1(Z)ΣX,Y∈DΘ,X∪Y∉φ,X∩Y∈φMm1(X)m2(Y)]]>(4)对证据使用PCR6规则处理得到m_PCR6(.)；mPCR6(X)=m∩(X)+(Σi=1Mmi(X)2).]]>ΣIk=1M-1Yσi(k)∩X≡φ(Yσi(1),K,Yσi(M-1))∈(GΘ)M-1(Πj=1M-1Mσi(j)(Yσi(j))mi(X)+Σj=1M-1mσi(j)(Yσi(j)))]]>(5)利用证据间的角度相似度作为权重，对m_g-DS(.)和m_PCR6(.)加权求和得到合成信度；m_合成(X)＝cos(.)·m_g-DS(.)+[1-cos(.)]·m_PCR6(.)(6)选择合适的决策规则作出最后的识别判决，本发明中选取基于基本信度分配的决策方法。即设∃A1,A2⋐Θ,]]>满足m(A1)=max{m(Ai),Ai⋐Θ}]]>若有m(A1)-m(A2)>ϵ1m(Θ)<ϵ2m(A1)>m(Θ)]]>则A₁即为判决结果，其中ε₁，ε₂为预先设定的门限。