基于分层多级的信息融合设计

仿真系统设计

本仿真系统的模型定义为导弹打击飞机的过程，导弹从发射起，经过目标定位、目标识别、态势评估、威胁估计等。JDL三级多源信息融合模型[1,2]为军事领域的信息融合研究提供了一种较为通用的框架，得到了广泛的认可与采用。但是位置估计与身份识别无论从研究特点和所采用的方法都有很大的差别，把它们放在一级不合适。因此又提出了另一种信息融合的功能分级模型，如图1所示。第一级——位置级融合，针对实时获取的信息进行时间和空间上的融合，建立目标航迹和数据库，获得目标位置和速度。第二级——目标识别融合，它是指对来自多个传感器的目标识别数据进行组合，以得到对目标身份的联合估计。信源信息融合领域信源预处理第四级威胁估计第三级态势估计第二级目标识别第一级位置融合人机交互数据库管理系统支持数据库融合数据库图1多源信息融合四级模型第三级——态势估计，态势是一种状态，一种趋势，是一个整体和全局的概念。态势估计是对战斗力量部署及动态变化情况的评价过程，从而分析并确定事件发生深层原因，得到关于敌方兵力结构的估计，推断敌方意图、预测将来活动，最终形成战场态势图，提供最优决策依据。第四级——威胁估计，威胁估计的任务是在态势估计的基础上，综合敌方破坏能力、机动能力、运动模式及行为意图的先验知识，得到敌方兵力的战术含义，估计出作战事件出现的程度和严重性，并对作战意图做出指示与告警，重点是定量表示敌方作战能力，并估计敌方企图。多源信息融合可以在三个层面上与具体的技术相结合，即数据层融合、特征层融合、决策层融合[1,2]。信息融合的层次化模型如图2所示。制导武器信息融合系统是应用信息融合的基本知识，如：融合功能模型、层次模型、融合算法、以及融合知识库，对目标信息进行融合。目标信息这里我们主要考虑目标位置信息和目标身份信息。目标位置信息，包括目标三维坐标、速度等，应用贝叶斯估计、加权平均法、卡尔曼滤波法进行融合，而目标身份识别信息，包括图像信息和位置特征信息，应用贝叶斯估计、D-S证据理论、BP神经网络推理得到。多源信息经过数据层、特征层、决策层融合得到准确的目标信息，为态势评估与决策提供依据。制导武器多源信息融合系统可划分为三大部分，如图3所示。图3制导武器多源信息融合系统框架位置信息融合子系统是对目标位置信息进行融合。通过弹载GPS接收机、雷达、红外获取目标的位置信息，经过预处理、配准和数据关联，应用卡尔曼滤波、加权平均法等得到目标精确地位置信息。图像信息融合子系统是应用于目标识别部分的，对红外和CCD获取的图像进行融合，经过像素级、特征级、决策级融合，对目标进行准确的识别。信息融合理论有信息融合系统的模型和结果，主要包括功能模型、信息融合层次模型和多源信息融合算法。针对多源、异类数据特点，系统采用分层多级融合结构，将多源信息进行分类，在融合黑板完成多源的信息融合。多源信息获取由传感器来完成，本系统采用的传感器有GPS、雷达、红外和CCD等。GPS获取导弹信息，红外、雷达、CCD等获取目标信息，导弹与目标信息进行坐标系转换、滤波等预处理，然后进行航迹关联、目标识别。通过数据层、特征层和决策层融合得到准确的信息，为制导系统提供决策依据。整个系统的信息流程图如图4所示。黑板结构是专家系统常用的结构，也称为黑板系统，是一种多专家合作系统。适合于多源信息融合。黑板结构一般有知识源，黑板和控制机构三部分组成。黑板结构是系统中的全局工作区。它对于判断和解决问题提供了一个非常灵活的控制结构，黑板就是要把获取信息不同过程注解集合写在黑板上,然后再由黑板读出,其特征是具有一个共享的数据区，或者说黑板是作为存储信息数据和知识源集合的相互作用的共同媒体。融合知识库描述某个独立领域的知识和知识处理方法，每个融合模型可完成某些特定的解题功能，各融合模型之间相互独立，通过融合黑板进行交流，合作完成。

目标识别的融合算法分析

作为信息融合的一个重要研究内容，融合目标识别又称身份融合，根据目标识别理论，应用D-S证据理论在一维距离像和二维图像联合对目标进行识别。3.1目标识别概述目标识别理论经过多年的发展，识别方法多种多样，其中包括经典统计判决、主观Bayes推断、D-S证据理论模糊集理论、专家系统理论等。目标识别信息融合通常包含3.2D-S证据理论证据推理最初是由Dempster在1967年提出，用多值映射得出概率的上下界，后来由Shafer在1976年推广形成证据理论，成为D-S证据理论。下面介绍D-S证据理论基本知识[1,2]。D-S证据推理流程图如图6所示。

实例分析

应用红外成像和CCD图像融合结果对目标形状进行识别，同时根据GPS、雷达、红外等估计的目标速度和高度来综合识别目标。系统的特征值是目标速度，目标高度和目标图像边缘。选择按欧氏距离度量的方法来实现信任度分配。结合导弹打击目标的过程，应用D-S证据理论识别目标[5]。假设要识别的目标可能是为导弹和飞机两种目标类型，U为不确定性，目标识别框架为={飞机、导弹、U}。系统使用红外和CCD融合后得到目标的图像信息，得到判断目标的证据1为图像。GPS、雷达、红外得到目标的速度和高度分别作为判断的证据2和证据3。通过目标匹配，由欧式距离法按照距离大小进行概率分配，得到需要的可信度函数mass函数。图7为目标库，图8为红外与CCD在相同时刻和空间获取的目标图片融合后的图片。经过与目标库匹配，得出与飞机相似的占0.6，与导弹相似的占0.2，剩下的分辨不出飞机或导弹。同理可以得出目标速度和高度的匹配概率。如表1所示。和证据2进行组合，然后计算不一致因子：k0.10.240.3412mmm0.696969,0.272727,0.030303第二次应用D-S证据理论，将组合结果和证据3组合，计算不一致因子：。k0.0820.3480.433mmm0.62766,0.36172,0.010638用D-S证据理论算法进行了信息融合。三种证据融合后计算得出的不一致因子K=0.43，可以看出目标为飞机的概率为0.62766，概率值最大，从而可以决策目标为飞机。同时可以看出U即不确定性的概率也下降到0.01638。识别结果不确定性概率从0.1下降到0.01638，同时使融合后的基本可信度函数值比融合前的基本可信度函数值具有更好的可区分性。本实验所用的机器是一台Intercore2CPU,2.93HZ,3G内存的WindowsXP系统台式机[7]，本实验等间隔时间采样，获取100组目标数据，试验中它们的平均识别时间以及准确率见表2。表2可以看出，本算法已经达到实时即识别时间小于67ms的要求，虽然D-S算法的用间稍微多一点，但是对于精确制导武器来说，准确识别是最重要的，所以它在满足实时的条件下，损失时间换取准确率，这是合理的。

结合制导武器制导过程和多源信息的特点，介绍了基于分层多级融合黑板的多源信息融合系统，给出了信息融合功能模型、层次模型、总体框架，详细分析了多源信息的信息流程，并且结合制导武器打击过程，分析了D-S算法以及在目标识别中的应用，验证了此系统对提高指导武器的制导精度是有效的。

本文作者：高颖姬维君王凤华郭淑霞工作单位：西北工业大学航海学院