[发明专利]基于单多时间片的目标识别方法

摘要

本发明公开了一种基于单多时间片的目标识别方法。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，采用DSm理论中的PCR6规则计算某单个时间片上的基本信度分配和连续的N(N＞1)个单个时间片的基本信度分配；再次，采用DS理论中的Dempster组合规则计算N个时间片融合后的基本信度分配；最后，选择合适的决策规则作出最后的识别判决。本发明方法在单时间片处理时采用DSm理论可以化解可能的高冲突问题，得出比较好的结果；在多时间片处理时采用DS理论，可以发挥其收敛性好、计算量小及加性融合方法所具有的可靠性高的优点，提高识别结果的可信性。本发明不仅能在Shafer模型下使用，还能在混合DSm模型和自由DSm模型下使用。此外，本发明还可采用其它的组合规则或方法进行应用，具有很好的开放性和扩展性。具有推广应用价值。

主权项

1.一种基于单多时间片的目标识别方法，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，...，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…m_k：G^Θ→[0，1]，其中i＝1，2…k，其中G^Θ表示可以选取不同的模型；(2)计算某单个时间片上的基本信度分配。根据m₁，m₂，…，m_M，利用DSm理论中的PCR6规则得到第l时间片上融合后的基本信度分配即其中，M表示数据源个数，m_∩(X)表示组合规则对X的合成信度，Y_j∈G^Θ对应证据源j，m_j(Y_j)是其相关的信度函数，σ_i表示从1到M的数中排除i，即σi(j)=jj<iσi(j)=j+1j≥i;]]>(3)计算连续时间片的基本信度分配。对于连续的N(N＞1)时间片，依次重复(1)和(2)的过程N次，分别得到连续单个时间片融合后的基本信度分配(4)计算最终融合后的基本信度分配。根据利用DS理论中的Dempster组合规则得到N个时间片融合后的基本信度分配m，即m(A)=11-kΣXi,Xj,Xs...∈DΘXi∩Xj∩Xs∩...=XmPCR6l(Xi)mPCR6l+1(Xj)...mPCR6l+N-1(Xs)A⋐2ΘA≠φ]]>其中，k=ΣXi,Xj,Xs...∈DΘXi∩Xj∩Xs∩...=φmPCR6i(Xi)mPCR6i+1(Xj)...mPCR6i+N-1(Xs);]]>(5)识别决策。选择合适的决策规则作出最后的识别判决，本发明选取基于基本信度分配的决策方法，即设满足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。