摘要 |
本发明属于信息处理技术领域,具体涉及一种用于目标识别的决策概率转换方法。本发明包括:确定识别框架,获得框架下识别目标的基本概率分配;计算出每个识别目标X<sub>i</sub>的决策概率P<sub>1</sub>(X<sub>i</sub>),i=1,2,...,n:计算出每个识别目标X<sub>j</sub>的决策概率P<sub>2</sub>(X<sub>j</sub>),j=1,2,...,n;按照D‑S证据融合规则对P<sub>1</sub>(X<sub>i</sub>)和P<sub>2</sub>(X<sub>j</sub>)进行融合,得出每个识别目标X<sub>p</sub>最终的决策概率P(X<sub>p</sub>)。本发明利用单目标命题在多目标命题中的信度比和似然度比分配不确定信息,分配依据比较客观,能够合理地分配不确定信息。通过D‑S证据融合规则对基于信度比和似然度比计算出的决策概率进行融合,使转换态度既不乐观也不保守,得到的结果更加合理有效。本发明不涉及复杂的高阶运算,计算量小,便于操作。 |
主权项 |
一种用于目标识别的决策概率转换方法,其特征在于,包括以下步骤:(1)确定识别框架,获得框架下识别目标的基本概率分配;通过雷达传感器确定的识别框架Θ={X<sub>1</sub>,X<sub>2</sub>,...,X<sub>n</sub>},X<sub>1</sub>,X<sub>2</sub>,...,X<sub>n</sub>为雷达传感器所观测到的识别目标,在识别框架下有k个基本概率分配m<sub>1</sub>(·),m<sub>2</sub>(·),...,m<sub>k</sub>(·):2<sup>Θ</sup>→[0,1],且满足<maths num="0001"><math><![CDATA[<mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>k</mi></munderover><msub><mi>m</mi><mi>i</mi></msub><mrow><mo>(</mo><mo>·</mo><mo>)</mo></mrow><mo>=</mo><mn>1</mn><mo>;</mo></mrow>]]></math><img file="FDA0000460294380000011.GIF" wi="283" he="142" /></maths>(2)计算出每个识别目标X<sub>i</sub>的决策概率P<sub>1</sub>(X<sub>i</sub>),i=1,2,...,n:<maths num="0002"><math><![CDATA[<mrow><msub><mi>P</mi><mn>1</mn></msub><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><mi>m</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>+</mo><munder><mi>Σ</mi><mrow><mi>Y</mi><mo>∈</mo><msup><mn>2</mn><mi>Θ</mi></msup><mo>,</mo><mo>|</mo><mi>Y</mi><mo>|</mo><mo>></mo><mn>1</mn><mo>,</mo><msub><mi>X</mi><mi>i</mi></msub><mo>⊆</mo><mi>Y</mi><mo>,</mo><mo>|</mo><msub><mi>X</mi><mi>i</mi></msub><mo>|</mo><mo>=</mo><mn>1</mn></mrow></munder><mfrac><mrow><mi>Bel</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow><mrow><mi>ΣBel</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></mfrac><mi>m</mi><mrow><mo>(</mo><mi>Y</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000460294380000012.GIF" wi="1040" he="153" /></maths>其中,m(X<sub>i</sub>)是识别目标X<sub>i</sub>的基本概率分配;Bel(X<sub>i</sub>)是识别目标X<sub>i</sub>的信度;Y是含有多个识别目标的命题,m(Y)是含有多个识别目标命题的基本概率分配;(3)计算出每个识别目标X<sub>j</sub>的决策概率P<sub>2</sub>(X<sub>j</sub>),j=1,2,...,n:<maths num="0003"><math><![CDATA[<mrow><msub><mi>P</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>=</mo><mi>m</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>+</mo><munder><mi>Σ</mi><mrow><mi>Y</mi><mo>∈</mo><msup><mn>2</mn><mi>Θ</mi></msup><mo>,</mo><mo>|</mo><mi>Y</mi><mo>|</mo><mo>></mo><mn>1</mn><mo>,</mo><msub><mi>X</mi><mi>i</mi></msub><mo>⊆</mo><mi>Y</mi><mo>,</mo><mo>|</mo><msub><mi>X</mi><mi>i</mi></msub><mo>|</mo><mo>=</mo><mn>1</mn></mrow></munder><mfrac><mrow><msup><mi>Pl</mi><mo>′</mo></msup><mrow><mo>(</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow><mrow><mi>Σ</mi><msup><mi>Pl</mi><mo>′</mo></msup><mi></mi><mrow><mo>(</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></mfrac><mi>m</mi><mrow><mo>(</mo><mi>Y</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000460294380000013.GIF" wi="1066" he="161" /></maths>其中,m(X<sub>j</sub>)是识别目标X<sub>j</sub>的基本概率分配;Bel(X<sub>j</sub>)是识别目标X<sub>j</sub>的信度;Y是含有多个识别目标的命题,m(Y)是含有多个识别目标命题的基本概率分配;Pl'(X<sub>j</sub>)是识别目标X<sub>j</sub>只在Y中的似然度,设Θ={X<sub>1</sub>,X<sub>2</sub>,X<sub>3</sub>},m(Y)=m(X<sub>1</sub>∪X<sub>2</sub>),X<sub>j</sub>=X<sub>1</sub>,则Pl'(X<sub>1</sub>)=m(X<sub>1</sub>)+m(X<sub>1</sub>∪X<sub>2</sub>);(4)按照D‑S证据融合规则对P<sub>1</sub>(X<sub>i</sub>)和P<sub>2</sub>(X<sub>j</sub>)进行融合,得出每个识别目标X<sub>p</sub>最终的决策概率P(X<sub>p</sub>),p=1,2,...,n:<img file="FDA0000460294380000014.GIF" wi="523" he="129" /><maths num="0004"><math><![CDATA[<mrow><mi>P</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>p</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munder><mi>Σ</mi><mrow><msub><mi>X</mi><mi>i</mi></msub><mo>∩</mo><msub><mi>X</mi><mi>j</mi></msub><mo>=</mo><msub><mi>X</mi><mi>p</mi></msub></mrow></munder><msub><mi>P</mi><mn>1</mn></msub><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>P</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow><mrow><mn>1</mn><mo>-</mo><mi>K</mi></mrow></mfrac></mrow>]]></math><img file="FDA0000460294380000015.GIF" wi="643" he="187" /></maths>其中,K是P<sub>1</sub>(X<sub>i</sub>)和P<sub>2</sub>(X<sub>j</sub>)之间的冲突系数。 |