论文部分内容阅读
综合目标识别系统与传统的敌我识别器(IFF)相比,能够利用多种传感器提供的信息对目标身份进行判决,提高了目标识别的可靠性可准确度。其中融合不同传感器提供的目标身份证据的方法——D-S证据推理,起了关键性的作用,与传统的身份融合方法相比,D-S证据推理符合人的推理决策过程,摆脱了先验概率的束缚,划分了信息的确定与不确定区间,计算过程简单,融合过程便于理解,在综合目标识别系统等领域得到了广泛地应用。本文在目标识别系统这个大框架下,结合前人的工作,分析了D-S证据推理在应用中存在的问题,并在D-S证据推理近似算法、组合规则、决策准则及其在基于IFF与雷达的综合目标识别系统中的应用等方面进行了研究。具体工作和贡献如下:1)分析了D-S证据推理中的焦元“爆炸”问题,并研究了解决此问题的k-l-x算法、Bayes算法、Summarization算法、D1算法和截断型D-S算法,并对截断型D-S算法进行了改进,通过算例仿真比较了它们性能,而且系统仿真表明它们能够有效地提高基于IFF与雷达的综合目标识别系统的实时性;2)分析了D-S证据组合时高冲突证据组合问题,研究了Yager组合规则,通过加权分配冲突和改造证据解决此问题的方法,并针对其不足进行了改进,仿真表明它们均能对高冲突证据进行有效地组合,可以增加基于IFF和雷达的综合目标识别系统的容错能力;3)针对基本决策准则的判决模糊或不能判决的问题进行了研究,并给出了基于Pignistic概率和期望效用区间的决策方案,仿真表明通过放大IFF或雷达获取的辨识框架内目标信息之间的差异,增加了综合目标识别系统的鉴别能力。4)研究了基于IFF与雷达的综合目标识别系统的框架,并分析了将D-S证据推理应用于综合目标识别系统时存在的关键问题——证据与mass函数生成,给出了相应的解决方案,最后通过系统仿真,验证了D-S证据推理能够有效地融合IFF与雷达提供的证据,实现目标的分类与识别。