基于传感器阵列的目标识别算法综述

时间:2022-10-14 03:13:48

基于传感器阵列的目标识别算法综述

【摘要】本文对目前国内外部分文献上发表的有关传感器阵列的目标识别算法加以综述,系统介绍了传感器阵列目标识别技术的理论,并全面阐述和归纳了传感器阵列目标识别的几种主要算法,指出了目标识别研究中存在的主要问题,对未来的研究方向进行了展望。

【关键词】传感器阵列;目标识别算法;综述

1.引言

在传感器对桥梁、仓库等进行监视和战场探测等应用中,目标识别是重要的环节之一。在实际应用中,由于环境的干扰和设备自身的缺陷,各传感器提供的信息往往包含着大量的不确定性,给快速识别目标类型带来了很大困难。因此,根据单个传感器提取信息完成的目标识别性能一般难以满足实际应用的需求,而利用多个传感器信息融合已成为全球的研究热点之一。[1]多传感器信息融合能够增加测量的维数和置信度,改进系统的探测性能和生存能力,扩展空间和时间的覆盖范围,改进系统的可靠性和可维护性,达到系统内优势互补,资源共享,提高了资源的利用率。在传感器阵列目标识别的应用中,信息融合技术可以综合多个传感器的数据来确定目标的特征参数,能很好地解决干扰存在下的目标分类识别问题,是处理多传感器目标识别问题的关键技术。文提出了多种传感器目标识别的算法,本文对这些算法进行了归纳总结,并简要介绍了近年有关学者提出的新的目标识别算法,分析了现有目标识别算法中存在的问题。

2.目标识别的原理及过程

目标识别是根据不同传感器测得的目标特征形成一个N维的特征向量,其中每一维代表一个独立特征。若预先知道目标有m个类型,以及每类目标的特征,则可将实测特征向量与已知类别的特征进行比较,从而确定目标的类别。[2]目标识别的一般过程是:提取特征信息、建立识别样本、目标识别。

3.多传感器目标识别算法

信息融合是多传感器目标分类识别问题的关键。目前数据融合方法有上百种,常用的数据融合方法有:统计模式识别法、贝叶斯估计法、D-S证据推理法、模糊积分法以及神经网络方法。根据融合的特点,可分为位置融合、身份融合、辅助支持算法三大类。在实际应用中这三种算法集成在一起。位置融合算法主要采用统计算法,身份融合算法一般采用基于目标特征的无参或启发式算法。辅助支持算法主要包括基本的数值方法、数据校对、数据处理技术、数据库管理等。通常随机类方法可应用于各级融合算法中,而人工智能方法一般用于较高层次上,采用何种算法主要取决于具体的实际需要。近年来,有些学者还针对多传感器目标识别问题提出了灰关联度、模糊决策等方法,并引入了区间数、信息熵等理论改进相关算法,这些方法在环境干扰严重、信息不确定性大的情况下有较好的使用价值。

3.1 基于D-S证据理论的目标识别算法

D-S证据理论是适合于目标识别领域应用的一种不精确推理方法。它的最大特点是对不确定信息的描述采用“区间估计”,而不是点估计,在区分不知道与不精确以及精确反应证据收集方面显示着很大的灵活性。

但是,利用D-S证据理论时,基本概率赋值函数(BPAF)的获得是一个与应用密切相关的课题,它大大限制了证据理论实际应用。在目标识别信息融合系统的应用中,多由专家知识确定BPAF,带有一定的主观因素,往往会影响到正确识别结论。

假设辐射源识别框架为,其中代表不同类型的辐射源。D-S证据理论用识别框架U表示所感兴趣的命题集,它定义识别框架U上的基本概率赋值函数,满足:

如果是在同一识别框架U上根据n个独立振动传感器的证据所获得的基本概率赋值函数,则可以利用式(1)的Dempster组合规则计算出这n个证据共同作用下的基本值函数:

用证据理论组合证据后如何进行决策,是与具体应用密切相关的问题。常用的决策方法有基于信任函数的决策、基于基本小风险的决策。

3.2 基于灰色关联理论的目标算法

灰色关联分析是通过灰色关联度来分析和确定系统诸因素间的影响程度或因素对系统主行为的贡献测度的一种方法,其基本思想是根据数据列元素之间的相似程度来衡量数据列的接近程度。计参考数列为,其中为参考数列的第个特征,为参考数列的特征数列。

假设时刻有个比较数列:

反映了与的相似程度,越大,表明与越相似,即未知目标属于目标类型的可能性越大。

但传统的灰色关联算法也有其自身的局限性。例如,特征指标权重的选取是人为给定的,主观因素较大,过于经验化和绝对化;灰关联分析是针对数据精确数的情形,不能体现出传感器获得的信息是模糊、不确定的特点。这些都会影响它在实际应用过程中的可靠性。

4.结论

目标识别是多传感器数据融合中的一个重要应用,也是实现势态分析和威胁评估的前提,判决结果将直接影响整个融合系统的性能。系统中的多种不确定性,例如设备自身的系统误差、随机误差以及密集的杂波干扰,是航迹关联实际应用中面临的主要问题。另外,主要研究雷达、ESM和红外之间的信息融合问题的异类传感器目标识别技术,由于其在军事领域的特殊应用,将是今后重要且意义重大的一个研究方向。

参考文献

[1]王红亮,张美仙,丁海飞.D-S证据理论在目标识别中的应用[J].自动化与仪表,2011(7):14-17.

[2]朱亚坤.基于传感器阵列的振动目标识别与定位技术研究[D].武警工程大学硕士毕业论文,2012.

[3]赵卫东.数据融合在入侵检测中的应用研究[D].河北大学硕士毕业论文,2006.

[4]陈超.数据融合中目标跟踪与识别技术研究[D].哈尔滨工业大学硕士毕业论文,2006

[5]李轶,靳新.D-S证据理论在信息融合中的研究与实现[J].科技资讯,2010,01.

[6]徐俊艳.D-S证据理论信息融合融合方法在目标识别中的应用[J].弹箭与制导学报,2005,25(3):84-87.

作者简介:潘智宗(1988—),男,武警工程大学硕士研究生,研究方向:信息与信号处理。

上一篇:社会治安视频监控在数字电视网络的应用 下一篇:移动通信基站维护浅析