一种基于DS证据理论的多雷达目标识别方法

1 ρ < R0 + k1σ 0 ρ ≥ R0 + k1σ
( 2)
2 空海目标粗分类
空中和海面的目标在距离和速度上有明显 的分界线 。舰载雷达由于受天线高度及地球曲 率的限制 , 对海面目标的探测距离限制在 40 ～
50km , 但对空中目标的探测距离可度函数。
。国内外都对目标识别方法进行
[1 - 4]
了许多深入细致的研究
, 目标的识别信息多
种多样 ,主要的信息有 RCS 、 图像 、 极化等信息 , 利用目标位置和运动信息对目标进行识别的研 究相对较少 。同时 ,利用单一雷达对目标进行识 别 ,易受到欺骗和干扰 , 从而导致识别结果的可 靠性降低 。利用多雷达对目标进行识别 ,可以提 高识别系统的生存能力 ,消除或降低非目标物体 的欺骗和干扰 ,识别结果的可靠性也可以得到提 高
第 29 卷 第5期 2009 年 10 月
弹 箭 与 制 导 学 报 Jo urnal of Projectiles , Rocket s , Missiles and Guidance
Vol. 29 No . 5 Oct 2009
一种基于 DS 证据理论的多雷达 3 目标识别方法
( 6)
角差分得到 , 计算公式如下 : ε ( i) - ε ( i - 1) Δ ε( i) =
T
( 7)
式中 , ax 、 ay 和 a z 分别为 X 、 Y 和 Z 方向的加速度 滤波值 。 相应的可以建立空中目标加速度概率函数 。
4 ) 仰角变化率 ( U 4 )
其中 T 为雷达的采样周期 。 ε 假设海面目标最小仰角变化率为为Δ sea_min , 海面 目 标 出 现 概 率 最 高 的 仰 角 变 化 率 为 Δ ε sea_comm , 海 面 目 标 最 大 的 仰 角 变 化 率 为 Δ ε sea_max , 故可以对海面目标仰角变化率建立概率 函数如下 : Δ ε ≤Δ ε sea_min Δ ε ε ≤Δ ε sea_min < Δ sea_comm Δ ε ε ≤Δ ε sea_comm < Δ sea_max Δ ε ε sea_max < Δ 其中 T 为雷达的采样周期 。 θ 假设海面目标最小方位角变化率为Δ sea_min , 海面 目 标 出 现 概 率 最 高 的 方 位 角 变 化 率 为 Δ θ sea_comm , 海 面 目 标 最 大 的 方 位 角 变 化 率 为 Δ θ sea_max , 故可以对海面目标方位角变化率建立概 率函数如下 :
第 29 卷
第三步 : 基于目标高度信息对空中目标进行 细分类 ,把空中目标粗略分为反舰导弹 、 直升机 、 固定翼飞机 3 类 。根据目标所处的空中位置不 同 ,建立线性隶属度函数 ,对目标进行分类 。 第四步 : 在单个三坐标雷达获得的目标识别 概率的基础上 ,根据 DS 证据理论对目标类型进 行最后的融合判决 。
第5期
韩玉杰等 : 一种基于 DS 证据理论的多雷达目标识别方法
・217 ・
asea_max , 故可以对海面目标加速度建立概率函数
如下 :
a ≤ asea_min asea_min < a ≤ asea_comm asea_comm < a ≤ asea_max asea_max < a ( 5)
0
C1 ( a) = ( a - asea_min ) / ( asea_comm - asea_min )
1 - ( a - asea_comm / ( asea_max - asea_comm ) 0
其中 , a 为加速度滤波值 , 计算公式如下 :
a = a x + a y + az
2 2 2
( 8)
空中目标速度快 , 因而仰角变化快 , 而海面 目标速度低 , 仰角变化慢 。 因而 , 也可以根据目标 的仰角变化率进行单因素判断 。 仰角变化率由仰
0
ε ) = D1 (Δ
( Δ ε - Δ ε ε ε sea_min ) / (Δ sea_comm - Δ sea_min )
ε - Δ ε ε ε 1 - ( Δ sea_comm ) / (Δ sea_max - Δ sea_comm )
0
相应的可以建立空中目标仰角变化率概率 函数 。
5 ) 方位角变化率 ( U 5 )
目标速度快 , 相应的方位变化就快 , 目标速 度低 , 相应的方位变化慢 。 因而 , 也可以根据目标 的方位角变化率进行单因素判断 。 方位角变化率 由方位角差分得到 , 计算公式如下 : Δ θ( i) = θ ( i) - θ ( i - 1)
其中 :U 1 表示距离 , U 2 表示速度 , U 3 表示加速 度 , U 4 表示仰角变化率 , U 5 表示方位变化率 , V 1 表示海面目标 , V 2 表示空中目标 。
1) 距离 ( U ( 1)
根据目标距离可以进行粗分类 , 假定测距误 差是零均值高斯变量 , 则可进行如下判决 : 若: ρ ≥ R0 + k1σ ρ
Multi2radar Target Identif ication Method Based on DS Evidence Theory
HAN Yujie , WAN G Guo ho ng , WAN G Na ( Research Instit ute of Information Fusion , NAAU , Shando ng Yantai 264001 , China) Abstract :A multi2radar target f usio n identificatio n met hod based on DS evidence t heo ry was studied wit h po sitio n and motion information of target . Firstly , t he linear membership f unction was set wit h t he po sition and motio n info rmation of t he target f rom a single radar and target identificatio n by using f uzzy co mp rehensive evaluatio n. Then , t he f usion cen2 ter made t he final decisio n on t he identification p robabilities p rovided by single radar based on DS evidence. The simula2 tio n result s show t he validity and efficiency of t he p ropo sed identification met hod , and p roved t he identificatio n effect obtained f ro m multi2radar f usion is better t han t hat f ro m single radar. Keywords :target identification ; po sition and motion info rmation ; DS evidence t heo ry ; info rmation f usion
2) 速度 ( U 2 )
令:
v = v x + v y + vz
2 2 2
公里 。海面目标的速度和空中目标也有明显的 界限 ,海面目标的速度一般不会超过 20m/ s , 而 空中目标的速度一般都会超过这个界限 。除了 距离和速度存在这样的特点外 , 两者在加速度 、 仰角变化率和方位变化率上也有比较明显的界 限 ,故可以首先根据目标的距离 、 速度 、 加速度 、 仰角变化率和方位变化率进行识别分类 。根
vsea_comm , 海面目标最大的加速度为 vsea_max , 故可
以对海面目标速度建立概率函数如下 :
v ≤ v sea_min vsea_min < v ≤ v sea_comm vsea_comm < v ≤ v sea_max vsea_max < v ( 4)
1 - ( v - vsea_comm ) / ( v sea_max - v sea_comm ) 0
0
B 1 ( v) = ( v - v sea_min ) / ( vsea_comm - v sea_min )
( 3)
其中 : v 为速度滤波值 , v x 、 v y 和 v z 分别为 X 、 Y和
Z 方向的速度滤波值 ,
为了建立隶属度函数 , 假设海面目标最小速 度为 vsea_min , 海面目标出现概率最高的加速度为
相应的可建立空中目标速度概率函数 。
3 ) 加速度 ( U 3 )
根据速度进行单因素判断相似 , 假设海面目标最 小加速度为 asea_min , 海面目标出现概率最高的加 速度 为 asea_comm , 海 面 目 标 最 大 的 加 速 度 为
海面目标加速度低 , 空中目标加速度高 。 与
[2]
。
3
收稿日期 :2008 - 10 - 18 基金项目 : 泰山学者建设工程专项基金 ; 全国优秀博士学位论文作者专项基金 (200443) 资助 作者简介 : 韩玉杰 ( 1982 - ) ,男 ,山东济南人 ,硕士研究生 ,研究方向 : 目标识别 、 信息融合 。
・2 1 6 ・
弹箭与制导学报
韩玉杰 ,王国宏 ,王 娜
( 海军航空工程学院信息融合技术研究所 ,山东烟台 264001)
摘 要 : 文中研究了利用目标的位置和运动信息通过 DS 证据理论完成多雷达目标融合识别的方法 。单雷达 目标识别利用目标位置和运动信息建立目标线性隶属度函数 ,利用模糊综合评判进行目标分类 。融合中心对 来自各个雷达的识别概率利用 DS 证据进行最终的判决 。仿真结果表明利用位置和运动信息进行识别的可 行性和有效性 ,验证了多个雷达融合后的识别效果优于单个雷达的效果 。 关键词 : 目标识别 ; 位置和运动信息 ;DS 证据理论 ; 信息融合 中图分类号 : TN95 文献标志码 :A