基于离散马尔可夫模型的水下运动目标识别方法.pdfVIP

维普资讯 动 离散马尔可…夫模型的水下运动目标识 U方1法 J (西北工业天孚丽舜工 丽 ，710072) n ／ UnderwaterMovingTargetRecognition 弋 i)5 BasedonDiscreteMarkovM ode1 YanJuan XieYiqing (CollegeofMarineEngineering，NorthwesternPolytechniealUniversity，Xi’“710072) 1引言 八十年代以来．水下目标识别与分类的研究不断取得新发展，涌现出了许多有价值的方 法。提取 目标回波的傅 氏一梅林谱作为 目标的特征来识别 目标是声呐和鱼雷 自导系统的一个 重要研究方向[I．]。马尔可夫过程是一种重要的随机过程，它在时刻t(tt)所处状态，仅 与过程在t时刻的状态有关 这个特性称为马尔可夫性 。实际观察到的物理过程并不一定是 精确的马尔可夫过程；然而，有时却能近似地将其看作马尔可夫过程 [2．]。 2离散马尔可夫模型[3．】 视 目标的运动为一随机过程，并约定：(I)只在指定的离散时刻1，2，…，k，…考察运动 目 标 ff1的行为；(2)系统在无限离散时间序列、有限 个状态之间停留，且在月个状态间以一 定概率转移：(3)假定系统全部历史信息都已浓缩于当前时刻 ，则 +1时刻的条件概率： p +1)= (1)=E 一，(七)=￡，J_ +1)= )=巨1．，，a，…，e{1，2，…} 这样，系统为时间序列 )和状态序列{E，}。由约定看出，目标运动过程符合离散B-h~ 夫模型。用 ()表示系统 从状态Ef转移到状态E，的转移概率并假定 为一个齐次马尔 可夫过程，即 =P JJ= (1) 由此可建立运动 目标的状态转移矩阵 转移矩阵中任何一行元素之和必需等于 1。 3证据累积 证据累积是识别 目标的一种手段，这里的证据包括状态本身 l状态J司转移的信思 。考虑 c类运动目标的识别，各类分别用 。(f=1,2，…，来表示。设 ，类目标有月。种运动状态，对 应目标的n个特征信息，用Eg(i=1,2，…，c；=l，2，…，，)表示第f类目标的第J个状态一假定 f．时刻得到的目标状态为 ，则f．时刻每一类获得的证据v’为：V= b，Eo)．且￡ 的状态概率 可由下述方程及其约束条件求得： 【．，．2，一，J=(-‘，：，。一，Si) (2) ∑SO=1，i=1，2，…，c 』=l _ Ti为，的状态转移矩阵。求得f．时刻的累积证据值 为 ；0+ l一1l2一 设定门限值口，若v，=n{v茹} J·lII判【定该目标属于第类‘：否则，继续获取目 标的下一个状态 ，则t时刻的证据v可计算得： 《；= ．J。此时证据累积值