基于贝叶斯决策理论的目标身份融合识别.pdfVIP

数学模型与方法 基于贝叶斯决策理论的目标身份融合识别 刁联旺 于永生 (C4ISR技术国防科技重点实验室所二十八分实验室 南京210007) 摘 要 在现代战争中，依靠单传感器准确识别目标的敌、我身份十分困难，需要采用多传感器。 不同传感器识别的结果可能会相互冲突，因此多传感器目标身份融合识别也有一定难度。本文提 出一种基于贝叶斯决策理论的多传感器目标身份融合识别算法，该算法需要预先确定敌、我目标身 份识别出现错误的风险。该算法可以推广用于处理任意数量传感器和目标类型的目标身份融合识 别问题。 关键词 身份识别 多传感器数据融合 风险 类推。为了更好地理解模型实际是如何操作的， 引言 假定所用的传感器都具有一定的精度下界(下文 在现代战争中，识别敌我双方目标的身份是预 举例都假定传感器的识别精度不低于70％，即 警和作战指挥，特别是兵力／火力分配的关键。军 条件传感器识别矩阵中P( I )和P(F I F)都 事人员使用多传感器进行目标身份识别十分常见， 不小于0．7)。 目前主要采用人T判定的方法，而如何进行自动目 表1 两类目标身份传感器识别概率矩阵 标身份融合识别是一个未解决的难题。任何单传 感器识别目标身份都不可能是完善的，这就需要使 传感器指示 目标真实身份 用多传感器识别战场上出现的目标身份，但这可能 我(F) 敌(H) 未知(U) 真实身份为我 P(FItF) P(HItF) P(UItF) 出现不同传感器目标身份识别结果发生冲突的情 真实身份为敌 P(FItH) P(HltH) P(UItH) 况，因此需要谨慎地分析和融合来自多传感器的数 据。本文提出一种基于贝叶斯统计决策理论的多 在使用两个传感器进行目标身份识别的条件 传感器目标身份识别算法，该算法可以根据特定的 下，容易得到两个传感器识别结果的所有可能组 军事目标和作战环境，结合指挥、参谋人员的经验， 合——传感器输出向量的总数为9，表2中用字母 在战斗过程中改变风险参数的取值。该算法模型 编号列出这9个向量。 还假定一些参数，如参战敌、我双方目标的数量，传 表2 目标敌我身份问题的两传感器输出组合向量集 感器识别各类目标的可靠度等。 向量编号 传感器A的输出 传感器B的输出 1 问题描述 我 我 b 我 敌 首先讨论两类目标身份识别(即敌与我)问题 我 不明 的处理。在只有敌、我双方的作战环境中，一个传 — — d 敌