[发明专利]一种基于区间数和证据理论的辐射源识别方法

摘要

本发明针对多传感器目标识别问题，公开了一种基于区间数和证据理论的辐射源识别算法。该算法利用区间理论来描述辐射源参数的不确定性，通过加权相似度构建区间证据的基本概率赋值BPA，再根据证据组合规则融合计算，依次得到每个传感器识别目标特征参数的BPA、所有传感器识别目标特征参数的BPA，最后利用自适应证据判决准则完成对目标识别。该算法解决了传感器探测不确定性数据处理难和BPA形成主观性大的问题；同时，利用一种自适应的证据判决识别的方法，双门限的构造基于BPA本身，避免了主观性，提高了识别率。

主权项

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Si(P，Q)＝1‑α·Di(P，Q)其中，P，Q分别为传感器区间参数和数据库区间参数，Di(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BELi(R)和似真函数PLi(R)，i＝1，2，…，n，并形成信度区间[BELi(R)，PLi(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。