版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
第一章概論1.1數(shù)據(jù)融合的目的和應(yīng)用1.2數(shù)據(jù)融合的理論基礎(chǔ)1.3數(shù)據(jù)融合的實(shí)現(xiàn)技術(shù)1.4數(shù)據(jù)融合的研究現(xiàn)狀和如何推動(dòng)我國數(shù)據(jù)融合研究的進(jìn)展第一章概論1.1數(shù)據(jù)融合的目的和應(yīng)用 1.1數(shù)據(jù)融合的目的和應(yīng)用
現(xiàn)代戰(zhàn)略監(jiān)視和自主武器系統(tǒng)的性能及部署速度都要求開發(fā)全新的數(shù)據(jù)處理技術(shù)。現(xiàn)代戰(zhàn)爭威脅的多樣化和復(fù)雜化導(dǎo)致對傳統(tǒng)的數(shù)據(jù)和信號處理系統(tǒng)提出了更高的要求。先進(jìn)的作戰(zhàn)管理系統(tǒng)在控制日益增多的復(fù)雜武器系統(tǒng)時(shí),必須從大量的可移動(dòng)的和活動(dòng)的傳感器臺站收集數(shù)據(jù)并加以融合。為了滿足實(shí)時(shí)防御系統(tǒng)的要求,需要對數(shù)據(jù)進(jìn)行迅速有效的處理,但傳統(tǒng)的數(shù)據(jù)處理常常做不到這一點(diǎn)。特別是,當(dāng)所需要檢測的目標(biāo)信號淹沒在大量噪聲及不相關(guān)信號與雜波中時(shí),應(yīng)用人工方法對微弱目標(biāo)信號進(jìn)行實(shí)時(shí)檢測和提取已不可能。因此,需要開發(fā)對多源信息進(jìn)行有效融合處理的新型理論和技術(shù)。
1.1數(shù)據(jù)融合的目的和應(yīng)用
現(xiàn)代戰(zhàn)略監(jiān)在未來戰(zhàn)爭中,電磁環(huán)境將異常復(fù)雜,無論是空戰(zhàn)、海戰(zhàn)還是陸戰(zhàn)以至于陸、海、空相結(jié)合的立體戰(zhàn)爭,都將日益依賴于各種傳感器設(shè)備。在實(shí)戰(zhàn)中,傳感器將受到各種欺騙和干擾,檢測目標(biāo)的數(shù)量日益增多,運(yùn)動(dòng)速度越來越快,而且多數(shù)目標(biāo)采用隱身技術(shù)和低空/超低空突防技術(shù),使傳感器難以捕獲和跟蹤。這種現(xiàn)狀使得數(shù)據(jù)融合(DataFusion)作為一種特殊的作戰(zhàn)手段已滲透到幾乎所有軍事部門和各個(gè)作戰(zhàn)領(lǐng)域,數(shù)據(jù)融合已不僅是高技術(shù)戰(zhàn)爭的先導(dǎo),而且貫穿于戰(zhàn)役的全過程,深刻地影響著戰(zhàn)爭的進(jìn)程和結(jié)局。在未來戰(zhàn)爭中,電磁環(huán)境將異常復(fù)雜,無論是空戰(zhàn)、海戰(zhàn)還是陸目前,要給出數(shù)據(jù)融合這門學(xué)科的一般概念是非常困難的,這種困難是由所研究的內(nèi)容的廣泛性和多樣性帶來的。自從海灣戰(zhàn)爭以來,致力于數(shù)據(jù)融合研究的人數(shù)和這一領(lǐng)域著作的數(shù)量都顯著地增加了。這門學(xué)科每年都在以大量的新成果豐富自己,獲得越來越多的內(nèi)容。目前,要給出數(shù)據(jù)融合這門學(xué)科的一般概念是非常困難的,這種已經(jīng)給出的數(shù)據(jù)融合概念的定義都是功能性的。美國國防部JDL(JointDirectorsofLaboratories)從軍事應(yīng)用的角度將數(shù)據(jù)融合定義為這樣的一種過程,即把來自許多傳感器和信息源的數(shù)據(jù)和信息加以聯(lián)合(Association)、相關(guān)(Correlation)和組合(Combination),以獲得精確的位置估計(jì)(PositionEstimation)和身份估計(jì)(IdentityEstimation),以及對戰(zhàn)場情況和威脅及其重要程度進(jìn)行適時(shí)的完整評價(jià)。這一定義基本上是對數(shù)據(jù)融合技術(shù)所期望達(dá)到的功能的描述,包括低層次上的位置和身份估計(jì),以及高層次上的態(tài)勢評估(SituationAssessment)和威脅估計(jì)(ThreatAssessment)。已經(jīng)給出的數(shù)據(jù)融合概念的定義都是功能性的。美國國防部JD
EdwardWaltz和JamesLlinas在文獻(xiàn)[2]中對上述定義進(jìn)行了補(bǔ)充和修改,用狀態(tài)估計(jì)代替位置估計(jì),并加上了檢測(Detection)功能,從而給出了如下定義:數(shù)據(jù)融合是一種多層次的、多方面的處理過程,這個(gè)過程是對多源數(shù)據(jù)進(jìn)行檢測、結(jié)合、相關(guān)、估計(jì)和組合以達(dá)到精確的狀態(tài)估計(jì)和身份估計(jì),以及完整、及時(shí)的態(tài)勢評估和威脅估計(jì)。EdwardWaltz和JamesLlinas在文獻(xiàn)[2關(guān)于數(shù)據(jù)融合研究的范圍現(xiàn)在尚無定論,以軍事應(yīng)用為目標(biāo)的數(shù)據(jù)融合技術(shù)也可用于工業(yè)和農(nóng)業(yè),諸如城市規(guī)劃,資源管理,氣候、作物及地質(zhì)分析等。因此,從人們在數(shù)據(jù)融合范圍內(nèi)所進(jìn)行的研究或活動(dòng)來看,數(shù)據(jù)融合可以廣義地概述為這樣的一種過程,即把來自多傳感器的數(shù)據(jù)和信息,根據(jù)既定的規(guī)則,分析、結(jié)合為一個(gè)全面的情報(bào),并在此基礎(chǔ)上為用戶提供需求信息,諸如:決策、任務(wù)、航跡(Track)等[3,4]。簡單地說,數(shù)據(jù)融合的基本目的就是通過組合,可以比從任何單個(gè)輸入數(shù)據(jù)元素獲得更多的信息。關(guān)于數(shù)據(jù)融合研究的范圍現(xiàn)在尚無定論,以軍事應(yīng)用為目標(biāo)的數(shù)數(shù)據(jù)融合系統(tǒng)的開發(fā)受現(xiàn)代戰(zhàn)爭需求的驅(qū)動(dòng)。現(xiàn)代戰(zhàn)爭的許多因素要求及時(shí)地提供精確、易于理解的信息來取代大量的原始信息。因此,模擬人的思維方式,提高處理速度、容量或改善處理精度是形成數(shù)據(jù)融合的重要原因。
隨著科學(xué)技術(shù)的發(fā)展,現(xiàn)代武器的速度#,射程#,命中精度#,殺傷力和機(jī)動(dòng)性等戰(zhàn)術(shù)技術(shù)性能大大提高,戰(zhàn)爭的范圍正向外層空間擴(kuò)展,戰(zhàn)爭的突然性大大增加,作戰(zhàn)的方式常常是諸兵種協(xié)同行動(dòng),因此,原來的指揮體制#,方式和手段遠(yuǎn)遠(yuǎn)不能適應(yīng)現(xiàn)代戰(zhàn)爭的這些要求。于是,世界各國在大力發(fā)展武器系統(tǒng)的同時(shí),非常重視C3I(Command,Control,CommunicationandIntelligence)系統(tǒng)。C3I系統(tǒng)是一種用于軍事目的的信息系統(tǒng),是指揮人員對部隊(duì)進(jìn)行管理,實(shí)施指揮控制所使用的以計(jì)算機(jī)為核心技術(shù)的人機(jī)系統(tǒng)。數(shù)據(jù)融合系統(tǒng)的開發(fā)受現(xiàn)代戰(zhàn)爭需求的驅(qū)動(dòng)。現(xiàn)代戰(zhàn)爭的許多因數(shù)據(jù)融合在軍事C3I中的應(yīng)用范圍列舉如下:
(1)使用單一的武器平臺或分布式傳感器網(wǎng)絡(luò)的廣域監(jiān)視系統(tǒng);
(2)采用多傳感器發(fā)現(xiàn)、跟蹤和指揮導(dǎo)航的火力控制系統(tǒng);
(3)收集情報(bào)系統(tǒng)(態(tài)勢和威脅估計(jì));
(4)敵情指示和預(yù)警系統(tǒng);
(5)使用傳感器的自主式武器;
(6)軍事力量的指揮和控制。數(shù)據(jù)融合在軍事C3I中的應(yīng)用范圍列舉如下:
(1)使多傳感器數(shù)據(jù)融合在解決探測、跟蹤和識別問題方面,具有如下的性能裨益:
(1)生存能力強(qiáng)——在有若干傳感器不能利用或受到干擾,或某個(gè)目標(biāo)/事件不在覆蓋范圍時(shí),總會(huì)有一種傳感器可以提供信息;
(2)擴(kuò)展了空間覆蓋范圍——通過多個(gè)交疊覆蓋的傳感器作用區(qū)域,擴(kuò)展了空間覆蓋范圍,一種傳感器可以探測其它傳感器探測不到的地方;
(3)擴(kuò)展了時(shí)間覆蓋范圍——用多個(gè)傳感器的協(xié)同作用提高檢測概率,某個(gè)傳感器可以探測其它傳感器不能顧及的目標(biāo)/事件;
(4)提高了可信度——一種或多種傳感器對同一目標(biāo)/事件加以確認(rèn);多傳感器數(shù)據(jù)融合在解決探測、跟蹤和識別問題方面,具有如下
(5)降低了信息的模糊度——多傳感器的聯(lián)合信息降低了目標(biāo)/事件的不確定性;
(6)改進(jìn)了探測性能——對目標(biāo)/事件的多種測量的有效融合,提高了探測的有效性;
(7)提高了空間分辨率——多傳感器孔徑可以獲得比任何單一傳感器更高的分辨率;
(8)增加了測量空間維數(shù)——系統(tǒng)不易受到敵方行動(dòng)或自然現(xiàn)象的破壞。
與單傳感器相比,多傳感器系統(tǒng)的復(fù)雜性大大增加,由此會(huì)產(chǎn)生一些不利因素,如提高成本,降低系統(tǒng)可靠性,增加設(shè)備物理因素(尺寸#,重量#,功耗),以及因輻射而增大系統(tǒng)被敵方探測的概率等。在執(zhí)行每項(xiàng)具體任務(wù)時(shí),必須將多傳感器的性能裨益與由此而帶來的不利因素進(jìn)行權(quán)衡。(5)降低了信息的模糊度——多傳感器的聯(lián)合信息降低了目標(biāo)隨著電子信息技術(shù)的迅猛發(fā)展和它在軍事領(lǐng)域中的廣泛應(yīng)用,新的軍事技術(shù)革命正在形成。未來戰(zhàn)爭將是作戰(zhàn)體系間的綜合對抗,在很大程度上表現(xiàn)為信息戰(zhàn)的形式。而建立具有合成作戰(zhàn)的指揮能力和智能化的決策指揮能力的指揮控制系統(tǒng)的瓶頸是數(shù)據(jù)融合技術(shù),因?yàn)閵Z取信息優(yōu)勢是取得戰(zhàn)役乃至戰(zhàn)爭勝利的關(guān)鍵。因此,關(guān)于多傳感器數(shù)據(jù)融合理論和技術(shù)的研究對于我國國防建設(shè)具有重要的戰(zhàn)略意義和社會(huì)效益。另外,軍事電子信息系統(tǒng)是典型的信息系統(tǒng),這類系統(tǒng)對多傳感器數(shù)據(jù)融合所提出的技術(shù)要求都具有非常普遍的意義。因此,關(guān)于多傳感器數(shù)據(jù)融合理論和技術(shù)的研究成果還可以通過轉(zhuǎn)化,擴(kuò)展到有類似特征的民用信息系統(tǒng)中,例如,大型經(jīng)濟(jì)信息系統(tǒng)、決策支持系統(tǒng)、交通管制系統(tǒng)、工業(yè)仿真系統(tǒng)、金融形勢分析系統(tǒng)等,因而可進(jìn)一步獲得更廣泛的經(jīng)濟(jì)和社會(huì)效益。隨著電子信息技術(shù)的迅猛發(fā)展和它在軍事領(lǐng)域中的廣泛應(yīng)用,新 1.2數(shù)據(jù)融合的理論基礎(chǔ)
1.2.1數(shù)據(jù)融合的一般處理模型
EdwardWaltz和JamesLlinas在文獻(xiàn)[2]中提出了對數(shù)據(jù)融合的兩點(diǎn)認(rèn)識:
(1)數(shù)據(jù)融合可廣泛地應(yīng)用于對C3I有核心意義的基本人工處理;
(2)數(shù)據(jù)融合有公共的理論基礎(chǔ),它與具體的應(yīng)用無關(guān),所以順理成章地自成學(xué)科?;谶@兩點(diǎn)認(rèn)識,EdwardWaltz和JamesLlinas努力為數(shù)據(jù)融合的研究者提供一個(gè)公共參考框架,其要點(diǎn)是開發(fā)一個(gè)數(shù)據(jù)融合的一般處理模型及相應(yīng)的分類和專用詞匯,為進(jìn)一步給出數(shù)據(jù)融合的一些論點(diǎn)和文體提供一個(gè)公共參考。 1.2數(shù)據(jù)融合的理論基礎(chǔ)1.2.1數(shù)據(jù)融合的一為了建立公共的語言和概念,White[5]給出了一個(gè)著名的一般處理模型,其基本思想如圖1.1所示,它把數(shù)據(jù)融合分為3級:
(1)一級——融合的位置和標(biāo)識估計(jì);
(2)二級——敵我軍事態(tài)勢估計(jì);
(3)三級——敵方兵力威脅估計(jì)。為了建立公共的語言和概念,White[5]給出了一個(gè)著名圖1.1數(shù)據(jù)融合處理模型圖1.1數(shù)據(jù)融合處理模型
這個(gè)模型已成為我國學(xué)者研究數(shù)據(jù)融合的基本出發(fā)點(diǎn)。將數(shù)據(jù)融合分為3個(gè)級別,確定了處理流中人為的邏輯分割。這些級的建立,也部分地得到了有關(guān)數(shù)據(jù)處理過程的共同術(shù)語。該模型強(qiáng)調(diào)信息產(chǎn)品,即數(shù)據(jù)融合處理中的各個(gè)步驟,
而不強(qiáng)調(diào)計(jì)算機(jī)上的結(jié)構(gòu)形式。當(dāng)處理從一級移到三級時(shí),該模型也強(qiáng)調(diào)推理層次,經(jīng)過這些層次,融合產(chǎn)品的大部分將從很特殊的情況推廣到較一般的情況。在本章的隨后幾節(jié)里,我們將看到數(shù)據(jù)融合過程是如何按照這一模型被逐步細(xì)化并形成一個(gè)基本框架的。這個(gè)模型已成為我國學(xué)者研究數(shù)據(jù)融合的基本出發(fā)點(diǎn)由于數(shù)據(jù)融合是對多源信息進(jìn)行階梯狀的、多層次的處理過程,所以我們對一個(gè)數(shù)據(jù)融合系統(tǒng)應(yīng)該提出這樣的要求:該系統(tǒng)所實(shí)施的每一個(gè)融合過程,在其每一個(gè)環(huán)節(jié)上,各種數(shù)據(jù)所攜帶的有用的信息量都應(yīng)發(fā)揮到最大的程度,使得融合結(jié)果對系統(tǒng)用戶有利;而且,每一數(shù)據(jù)所攜帶的有用信息量在其所處的局部過程中所起的作用,應(yīng)該與其它部分的作用有機(jī)地承接在一起,以至于當(dāng)一個(gè)局部過程十分緊密地接近于感覺經(jīng)驗(yàn)的時(shí)候,由此產(chǎn)生的有效數(shù)據(jù)的作用不致在進(jìn)入系統(tǒng)的其它過程時(shí)被減弱,即系統(tǒng)的各個(gè)部分達(dá)到了和諧與統(tǒng)一。由于數(shù)據(jù)融合是對多源信息進(jìn)行階梯狀的、多層次的處理過程,1.2.2數(shù)據(jù)融合的概念與結(jié)構(gòu)分類
實(shí)現(xiàn)數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)化是許多有遠(yuǎn)見的研究人員一直關(guān)注的問題之一,這項(xiàng)工作將推動(dòng)數(shù)據(jù)融合學(xué)科不斷走向成熟。將融合處理結(jié)構(gòu)化的工作在20世紀(jì)80年代中期已經(jīng)開始進(jìn)行,當(dāng)時(shí)人們意識到需有通用的處理結(jié)構(gòu)以改善研究人員之間的交流。按照Reiner[6]的觀點(diǎn),將跟蹤器—相關(guān)器功能結(jié)構(gòu)分為集中式、自主式和混合式3種類型;同時(shí),Yannone[7]又提出了“測量集級”融合、“航跡文件”融合和“公共孔徑”融合的分類概念;稍后,Blackman[8,9]也評價(jià)了一個(gè)類似的結(jié)構(gòu)集,稱為中心法、傳感器法和組合法。上述分類思想反映了一級數(shù)據(jù)融合中加工原始數(shù)據(jù)、加工預(yù)處理過的局部融合數(shù)據(jù),以及將兩者相結(jié)合的方法。對于單純的自動(dòng)目標(biāo)識別(ATR)問題,Pemberton[10]等人提供了一個(gè)類似的體系結(jié)構(gòu)分類,給出的3種類型分別是后置預(yù)處理器自動(dòng)目標(biāo)識別、特征級自動(dòng)目標(biāo)識別和混合自動(dòng)目標(biāo)識別。上述分類思想被往后的研究者不斷推敲和深化,逐漸趨于成熟。1.2.2數(shù)據(jù)融合的概念與結(jié)構(gòu)分類
實(shí)現(xiàn)數(shù)據(jù)融合系統(tǒng)的1.2.2.1目標(biāo)跟蹤
一、概述
動(dòng)態(tài)目標(biāo)處理需要對目標(biāo)位置進(jìn)行連續(xù)的或按時(shí)間采樣的離散測量,并且要有估計(jì)目標(biāo)運(yùn)動(dòng)行為的能力,以預(yù)測連續(xù)的傳感器范圍內(nèi)目標(biāo)的下一個(gè)位置。該處理需要將每個(gè)新的傳感器數(shù)據(jù)集合與目標(biāo)航跡的預(yù)測位置反復(fù)進(jìn)行關(guān)聯(lián),以確定哪一個(gè)傳感器檢測是當(dāng)前的檢測或是新目標(biāo)或是虛警。相對簡單的應(yīng)用包括單傳感器—單目標(biāo)跟蹤和單傳感器—多目標(biāo)跟蹤。1.2.2.1目標(biāo)跟蹤
一、概述
動(dòng)態(tài)目標(biāo)處理需要數(shù)據(jù)融合的理論課件許多復(fù)雜的多目標(biāo)跟蹤問題包含多傳感器,它們具有不同的目標(biāo)視角、測量幾何形狀、精度、分辨率和視野。盡管通過考慮空間之外的參數(shù)可使不同傳感器觀測中固有的屬性數(shù)據(jù)能夠輔助這種關(guān)聯(lián)處理,但是這些傳感器中任何特性的不同將會(huì)使測量的關(guān)聯(lián)問題復(fù)雜化,一個(gè)通用的遞推關(guān)聯(lián)和跟蹤功能如圖1.2所示。許多復(fù)雜的多目標(biāo)跟蹤問題包含多傳感器,它們具有不同的目標(biāo)視角數(shù)據(jù)融合的理論課件
圖1.2顯示了怎樣完成不同的功能處理以產(chǎn)生目標(biāo)航跡文件,其中數(shù)據(jù)關(guān)聯(lián)和關(guān)聯(lián)控制是兩種最基本的功能。如圖1.2所示,關(guān)聯(lián)功能完成一個(gè)基于m個(gè)假設(shè)的m維判定(相關(guān))處理,即將每個(gè)到來的觀測與既定的判定準(zhǔn)則相比較。這些
準(zhǔn)則包括n個(gè)已有航跡的判定準(zhǔn)則、新航跡檢測準(zhǔn)則和虛警準(zhǔn)則。判定的結(jié)果,將在下述集合中做出選擇,用以分配新的觀測:
(1)一個(gè)已有的航跡或?yàn)檫M(jìn)行估計(jì)更新的航跡(航跡的“維持”或“繼續(xù)”);
(2)一個(gè)新的目標(biāo),以起始一條新的航跡;
(3)虛警。圖1.2顯示了怎樣完成不同的功能處理以產(chǎn)生將一個(gè)新觀測分配給一條已有的航跡是按照跟蹤門規(guī)則進(jìn)行的。跟蹤門(或關(guān)聯(lián)區(qū)域)是跟蹤空間中的一塊子空間,中心位于被跟蹤目標(biāo)的預(yù)測狀態(tài),其大小由接收正確回波的概率來確定。若新觀測滿足某目標(biāo)的跟蹤門規(guī)則,則新觀測被分配給該目標(biāo)航跡;當(dāng)新觀測不落入任何已有航跡的跟蹤門內(nèi)時(shí),此觀測可能為新的目標(biāo)或虛警,由此可建立新的目標(biāo)航跡或擯棄虛警目標(biāo)。數(shù)據(jù)關(guān)聯(lián)還要最后確定最合理的觀測/航跡配對。隨后的狀態(tài)估計(jì)用來預(yù)測每條航跡在下一個(gè)觀
測周期中的狀態(tài)。這些預(yù)測的航跡狀態(tài)被反饋,以便與下一步的觀測進(jìn)行關(guān)聯(lián)。將一個(gè)新觀測分配給一條已有的航跡是按照跟蹤門規(guī)則進(jìn)行的。二、多目標(biāo)跟蹤的功能要素
1.數(shù)據(jù)關(guān)聯(lián)與狀態(tài)估計(jì)
數(shù)據(jù)關(guān)聯(lián)包括計(jì)算所有假設(shè)的得分和使用關(guān)聯(lián)門限把每個(gè)校準(zhǔn)時(shí)間的備選航跡與新的傳感器航跡進(jìn)行比較,將落入門限之內(nèi)和門限之外的觀測分配給各自的現(xiàn)有航跡或起始一條新航跡。如圖1.3所示,由傳感器接收到的觀測數(shù)據(jù)首先用于更新已建立的航跡,關(guān)聯(lián)準(zhǔn)則用于確定觀測/航跡配對是否合理或者正確,數(shù)據(jù)關(guān)聯(lián)將最后確定觀測、航跡配對;然后根據(jù)跟蹤維持方法(包括機(jī)動(dòng)辨識及自適應(yīng)濾波與預(yù)測)估計(jì)出每條航跡的真實(shí)狀態(tài)。在跟蹤空間中,那些不與已經(jīng)建立的航跡相關(guān)的觀測可能來自新的目標(biāo)或是虛警,由跟蹤起始方法可以辨別其真?zhèn)?并相應(yīng)地建立新的檔案;當(dāng)某些目標(biāo)逃離跟蹤空間后,由跟蹤終結(jié)方法可消除多余的目標(biāo)檔案,以減輕不必要的計(jì)算負(fù)載。二、多目標(biāo)跟蹤的功能要素
1.數(shù)據(jù)關(guān)聯(lián)與狀態(tài)估計(jì)
數(shù)在實(shí)際的多目標(biāo)跟蹤環(huán)境中,會(huì)出現(xiàn)這樣的情況:要么多個(gè)觀測位于同一跟蹤門內(nèi),要么單個(gè)觀測位于多個(gè)跟蹤門的交集內(nèi)。一般用兩種方法解決此類問題。第一種方法是“最近鄰”方法[11,37],即選擇使統(tǒng)計(jì)距離最小或殘差概率最大的回波作為目標(biāo)回波;第二種方法是“全鄰”方法[12],該方法考慮落入跟蹤門內(nèi)的所有回波,根據(jù)相關(guān)情況計(jì)算出各概率加權(quán)系數(shù)以及跟蹤門內(nèi)各回波的加權(quán)和,即等效回波,然后用各等效回波更新多個(gè)目標(biāo)的狀態(tài)。此方法對密集多目標(biāo)環(huán)境有較好的應(yīng)用價(jià)值,受到眾多研究者的重視,其典型的代表是相互作用多模型—概率數(shù)據(jù)互聯(lián)方法[13,14]、聯(lián)合概率數(shù)據(jù)互聯(lián)方法[15]和多假設(shè)方法。在實(shí)際的多目標(biāo)跟蹤環(huán)境中,會(huì)出現(xiàn)這樣的情況:要么多個(gè)觀測
2.跟蹤維持
跟蹤維持即連續(xù)保持跟蹤,其目的是保證被跟蹤目標(biāo)可分辨且不發(fā)生誤跟和失跟現(xiàn)象。跟蹤維持包括機(jī)動(dòng)識別和自適應(yīng)濾波與預(yù)測部分。
3.跟蹤起始
跟蹤起始是一種建立新的目標(biāo)檔案的決策方法,主要包括假定航跡形成,航跡初始化和航跡確定3個(gè)方面。一般地,不與已知航跡相關(guān)的觀測被用來形成新的假定航跡,進(jìn)而進(jìn)行航跡的初始化處理。2.跟蹤維持
跟蹤維持即連續(xù)保持跟蹤,其目的是保證被數(shù)據(jù)融合的理論課件
4.跟蹤終結(jié)
跟蹤終結(jié)是消除多余目標(biāo)檔案的一種決策方法,當(dāng)被跟蹤目標(biāo)逃離跟蹤空間或者被摧毀時(shí),為避免不必要的存儲與計(jì)算,跟蹤系統(tǒng)自動(dòng)消除多余的目標(biāo)檔案,完成跟蹤終結(jié)功能。4.跟蹤終結(jié)
跟蹤終結(jié)是消除多余目標(biāo)檔案的一種決策方
5.空間校對
把報(bào)來的傳感器數(shù)據(jù)變換到一個(gè)公共空間參考點(diǎn)上與目標(biāo)數(shù)據(jù)庫或航跡文件中的其它測量進(jìn)行校對。
6.備選物的選擇
在空間上經(jīng)校對的傳感器測量的位置及其屬性數(shù)據(jù)用來選擇目標(biāo)數(shù)據(jù)庫中所有與關(guān)聯(lián)備選測量鄰近的檢測或航跡。
7.關(guān)聯(lián)控制
利用測量方差、測量時(shí)間或其它因素調(diào)整得分處理或關(guān)聯(lián)門限的維數(shù)。
8.估計(jì)器控制
在航跡估計(jì)器模型中除了穩(wěn)態(tài)行為以外,
還必須檢測航跡行為的實(shí)際變化(如目標(biāo)機(jī)動(dòng)),以調(diào)整隨后變化過程行為的模型參數(shù)。5.空間校對
把報(bào)來的傳感器數(shù)據(jù)變換到一個(gè)公共空間參三、跟蹤系統(tǒng)分類
1.集中式
集中式將各傳感器結(jié)點(diǎn)的數(shù)據(jù)都送至中央處理器進(jìn)行融合處理(圖1.4)。此方法可以實(shí)現(xiàn)實(shí)時(shí)融合,其數(shù)據(jù)處理的精度高,解法靈活,缺點(diǎn)是對處理器要求高,可靠性較低,數(shù)據(jù)量大,故難于實(shí)現(xiàn)。
2.分布式
在分布式中,各傳感器利用自己的量測單獨(dú)跟蹤目標(biāo),將估計(jì)結(jié)果送至總站,站再將子站的估計(jì)合成為目標(biāo)的聯(lián)合估計(jì)(圖1.5)。分布式對通信帶寬需求低、計(jì)算速度快、可靠性和延續(xù)性好,但跟蹤精度沒有集中式高。三、跟蹤系統(tǒng)分類
1.集中式
集中式將各傳感器結(jié)數(shù)據(jù)融合的理論課件
3.混合式
混合式是以上兩種形式的組合(圖1.6)。
多目標(biāo)跟蹤問題由于存在許多限制因素而復(fù)雜化,這些限制因素包括:
(1)目標(biāo)數(shù)目和目標(biāo)密度;
(2)傳感器探測性能(一般用ROC曲線表示,筆者在本書第三章中將基于ROC曲線提出另一種新的評價(jià)指標(biāo));
(3)目標(biāo)重現(xiàn)率和目標(biāo)動(dòng)態(tài)特性;
(4)傳感器測量精度和過程噪聲;
(5)傳感器或模型偏差;
(6)背景噪聲源(如空域、地面雜波);
(7)狀態(tài)估計(jì)器性能。3.混合式
混合式是以上兩種形式的組合(圖1.6)。對于一個(gè)特定的跟蹤環(huán)境,各因素之間可能相互影響。當(dāng)前的研究現(xiàn)狀是,各自根據(jù)對上述部分因素的考慮而開發(fā)各種專門的解法。這些解法可以在不同的跟蹤應(yīng)用中發(fā)揮作用。筆者認(rèn)為現(xiàn)在迫切需要做如下兩項(xiàng)工作:
(1)建立多目標(biāo)跟蹤的一般理論,謀求往后的工作有一個(gè)統(tǒng)一的理論框架以便于比較和進(jìn)一步推廣。
(2)建立多目標(biāo)跟蹤系統(tǒng)的評價(jià)模型,用以比較各種方法的優(yōu)劣,為實(shí)時(shí)跟蹤系統(tǒng)選擇跟蹤方案提供依據(jù)。對于一個(gè)特定的跟蹤環(huán)境,各因素之間可能相互影響。當(dāng)前的數(shù)據(jù)融合的理論課件數(shù)據(jù)融合的理論課件1.2.2.2身份識別
身份識別就是對基于不同傳感器得到的目標(biāo)屬性數(shù)據(jù)所形成的一個(gè)組合的目標(biāo)身份說明。要預(yù)先度量所有已知目標(biāo)的屬性,將其作為身份識別的基礎(chǔ)。該處理力圖把每個(gè)組合的測量歸入可能的目標(biāo)集合中的一種目標(biāo)模型。身份估計(jì)比位置估計(jì)的范圍更廣泛,它包含大量的變量。在多傳感器分類處理中,可能需要幾個(gè)觀測模型進(jìn)行廣泛的預(yù)先試驗(yàn)以刻畫傳感過程。標(biāo)識的非度量形式容許許多類型的標(biāo)識表示技術(shù),每一種可以采用不同的方法進(jìn)行計(jì)算。這些復(fù)雜性使得標(biāo)識說明處理比位置融合在更廣的范圍中進(jìn)行。身份識別的概念如圖1.7所示。1.2.2.2身份識別
身份識別就是對基于不同傳感器得數(shù)據(jù)融合的理論課件
在圖1.7中,傳感器數(shù)據(jù)被預(yù)處理以得到一個(gè)表示觀測數(shù)據(jù)的特征向量Yi,然后,身份說明可以通過模式識別(聚類算法、自適應(yīng)神經(jīng)網(wǎng)絡(luò)或其它統(tǒng)計(jì)模式識別方法等)獲得。這些方法可用來把特征向量轉(zhuǎn)換成相應(yīng)的觀測對象的身份說
明。和目標(biāo)跟蹤中數(shù)據(jù)關(guān)聯(lián)的情形一樣,這些身份說明也必須按照其是否表示同一個(gè)觀測對象進(jìn)行分類。數(shù)據(jù)庫中的直接測量特性、行為特性和上下文信息的任意組合都可用來對目標(biāo)進(jìn)行分類。身份估計(jì)可以儲存某些類型的先驗(yàn)知識,以完成組合處理。這些先驗(yàn)知識包括:在圖1.7中,傳感器數(shù)據(jù)被預(yù)處理以得到一個(gè)表
(1)保存結(jié)構(gòu)化模型,用以確定目標(biāo)屬性與目標(biāo)或目標(biāo)類之間的關(guān)系;
(2)行為模型,包括目標(biāo)/事件的時(shí)間或空間行為;
(3)啟發(fā)式推理規(guī)則;
(4)數(shù)學(xué)模型,用以把傳感器數(shù)據(jù)與已知目標(biāo)類型的先驗(yàn)信息進(jìn)行比較,從而對傳感器數(shù)據(jù)進(jìn)行分類。
這里假設(shè)只進(jìn)行身份識別,而實(shí)際的情況是,位置識別和身份融合常常同時(shí)發(fā)生或交替進(jìn)行。(1)保存結(jié)構(gòu)化模型,用以確定目標(biāo)屬性與目標(biāo)或目標(biāo)類之間在圖1.7中,按信息抽象程度,身份識別可分為3個(gè)層次:數(shù)據(jù)層融合#,特征層融合和決策層融合。具體方法的選擇依賴于傳感器的數(shù)據(jù)類型或傳感器預(yù)處理的數(shù)據(jù)類型,也可以采用把這些方法結(jié)合起來使用的混合方法。
1.決策層融合
圖1.8(a)表示決策層融合。在這種方法中,每個(gè)傳感器執(zhí)行一個(gè)變換以得出一個(gè)獨(dú)立的身份判定,來自每個(gè)傳感器的身份判定繼而被融合。在這里,對身份判定進(jìn)行融合的技術(shù)有投票表決法、貝葉斯方法、DempsterShafter方法、廣義證據(jù)推理理論,以及根據(jù)不同情況而專門設(shè)計(jì)的各種方法。在圖1.7中,按信息抽象程度,身份識別可分為3個(gè)層次:數(shù)圖1.8多傳感器目標(biāo)識別的層次結(jié)構(gòu)圖1.8多傳感器目標(biāo)識別的層次結(jié)構(gòu)數(shù)據(jù)融合的理論課件2.特征層融合
特征層融合方法如圖1.8(b)所示。在該方法中,對每個(gè)傳感器的觀測數(shù)據(jù)進(jìn)行特征抽取以得到一個(gè)特征向量,然后把這些特征向量融合起來并根據(jù)融合后得到的特征向量進(jìn)行身份判定。在這里,可以用來進(jìn)行身份判定的技術(shù)包括聚類算法,神經(jīng)網(wǎng)絡(luò),模板法等。在特征層方法中,必須通過一個(gè)相關(guān)過程將特征向量分成有意義的組,因?yàn)樘卣飨蛄恐g可能有較大的差別(如傅里葉系數(shù)#,時(shí)域特性等)。目標(biāo)位置信息可能對該相關(guān)處理過程是有用的。2.特征層融合
特征層融合方法如圖1.
3.數(shù)據(jù)層融合
如圖1.8(c)所示,對每個(gè)傳感器的檢測數(shù)據(jù)進(jìn)行特征抽取,將各特征參數(shù)融合后得到關(guān)于目標(biāo)的一個(gè)綜合的特征向量,并由此進(jìn)行身份識別判定。其優(yōu)點(diǎn)是保持了盡可能多的原始信息,缺點(diǎn)是處理的信息量大,因而處理實(shí)時(shí)性較差。3.數(shù)據(jù)層融合
如圖1.8(c)所示,對每個(gè)傳感器1.2.2.3態(tài)勢評估和威脅估計(jì)(STA)
EdwardWaltz和JamesLlinas綜合多篇文獻(xiàn)的研究成果,定義了主要的態(tài)勢元素和威脅元素,并通過分析這些元素之間的相互關(guān)系導(dǎo)出了STA的功能結(jié)構(gòu),從而提供了二、三級數(shù)據(jù)融合的概念表征。這為進(jìn)一步的研究工作奠定了出發(fā)點(diǎn)。
STA的最終目的是獲得一個(gè)或多個(gè)軍事問題的求解方案?,F(xiàn)有的軍事理論無法滿足這個(gè)需要,于是出現(xiàn)了一批有指導(dǎo)意義的文獻(xiàn),討論軍事問題求解過程的各種模型結(jié)構(gòu),為設(shè)計(jì)自動(dòng)或半自動(dòng)決策分析系統(tǒng)提供理論支持(該系統(tǒng)試圖模仿或接近人的推理模式)。1.2.2.3態(tài)勢評估和威脅估計(jì)(STA)
Edwar
Dieterly應(yīng)用狀態(tài)轉(zhuǎn)移模型將軍事判定問題分為單一狀態(tài)、多結(jié)束狀態(tài)、多轉(zhuǎn)移、多結(jié)束狀態(tài)和多轉(zhuǎn)移,以及全部多重等5種情況。對每種情況按照8個(gè)基本問題模型考慮了40種可能的問題態(tài)勢,并分別給出了略有不同的求解技
術(shù)。求解過程可以按照下述5個(gè)步驟進(jìn)行:
(1)初始直覺問題(目標(biāo)驅(qū)動(dòng));
(2)闡明希望狀態(tài);
(3)闡明當(dāng)前態(tài)勢;
(4)備選行為選擇和評估;
(5)計(jì)劃選擇。Dieterly應(yīng)用狀態(tài)轉(zhuǎn)移模型將軍事判定問題分為單一狀整個(gè)過程由達(dá)到一個(gè)所希望的最終的兵力部署意圖來驅(qū)動(dòng)。另外,Deidelhnher提出了一個(gè)與上述判定過程相類似的一個(gè)層次判定模型,用以闡明多個(gè)軍事單位協(xié)同作戰(zhàn)的STA的實(shí)現(xiàn)問題。
一個(gè)著名的戰(zhàn)術(shù)判定過程的動(dòng)態(tài)模型是由Wohl給出來的,被稱為激勵(lì)假設(shè)選擇響應(yīng)(SHOR)模型。該模型考慮了軍事問題求解中信息的不確定性和行為結(jié)果的不確定性,以及與戰(zhàn)略目的環(huán)境中的戰(zhàn)斗直接有關(guān)的戰(zhàn)術(shù)應(yīng)用。Wohl詳細(xì)規(guī)定了SHOR模型中的數(shù)據(jù)處理任務(wù)和信息處理任務(wù)。數(shù)據(jù)處理包括數(shù)據(jù)歸并、壓縮和聚類#,數(shù)據(jù)搜索和掃描,以及合理安排數(shù)據(jù)、事件檢測、識別和確認(rèn)等;信息處理任務(wù)包括數(shù)據(jù)關(guān)聯(lián)#,狀態(tài)和參數(shù)估計(jì)、假設(shè)生成、態(tài)勢評估和威脅估計(jì)、判定狀態(tài)估計(jì)等。SHOR模型為用一般術(shù)語描述判定任務(wù)提供了一個(gè)工具。整個(gè)過程由達(dá)到一個(gè)所希望的最終的兵力部署意圖來驅(qū)動(dòng)。另外
EdwardWaltz和JamesLlinas綜合報(bào)導(dǎo)了C3I系統(tǒng)的基礎(chǔ)理論。我們看到,已經(jīng)開發(fā)的一些數(shù)學(xué)模型已大體上能夠描述實(shí)際戰(zhàn)斗的功能行為,如Lanchester戰(zhàn)斗模型、熱動(dòng)模型、規(guī)范模型、狀態(tài)空間模型等。這些模型對于開發(fā)富有實(shí)際意義的,能把精確信息與敵我雙方兵力效能聯(lián)系起來的工具是有潛在意義的。
回顧一下人們在這方面所開展的大量研究工作,就可以發(fā)現(xiàn)迄今為止還沒有給出STA系統(tǒng)的正確性的一個(gè)標(biāo)準(zhǔn)度量公式,甚至正確性至今還是一個(gè)很不清楚的概念。具體到對這一領(lǐng)域有巨大吸引力的專家系統(tǒng),也不易找到一個(gè)唯一的評價(jià)標(biāo)準(zhǔn)。與一級融合處理不同,在那里正確性很容易定義。我們可以通過傳感器的目標(biāo)分辨率等評估標(biāo)準(zhǔn)為現(xiàn)有的目標(biāo)跟蹤和識別方法依次提供評估質(zhì)量和手段。EdwardWaltz和JamesLlinas綜合報(bào)導(dǎo)了基于上述認(rèn)識,可以說STA的基礎(chǔ)理論還很不成熟。從數(shù)據(jù)融合規(guī)則在形式和精確性上的要求來看,也可以說STA理論還沒有真正產(chǎn)生。但是從人們已開展的基礎(chǔ)理論以及為實(shí)現(xiàn)STA而涉及的眾多技術(shù)領(lǐng)域的研究進(jìn)展來看,
我們認(rèn)為STA的前景仍將是樂觀的,至少從當(dāng)前和今后一個(gè)時(shí)期,STA方法可直接向軍事指揮員提供一個(gè)智能視野,例如敵我雙方兵力結(jié)構(gòu)、使用和特點(diǎn)的估計(jì)。基于上述認(rèn)識,可以說STA的基礎(chǔ)理論還很不成熟。從數(shù)據(jù)融 1.3數(shù)據(jù)融合的實(shí)現(xiàn)技術(shù)
1.3.1目標(biāo)跟蹤
多傳感器目標(biāo)跟蹤領(lǐng)域的一個(gè)研究重點(diǎn)是如何解決雜波干擾和目標(biāo)高度機(jī)動(dòng)的情況下的目標(biāo)跟蹤問題。在可用的算法中,有代表性的是概率數(shù)據(jù)互聯(lián)(PDAF)算法和多模型算法(MMF),前者在雜波環(huán)境下有很好的跟蹤性能,后者適用于目標(biāo)高度機(jī)動(dòng)的情形,由此導(dǎo)出相互作用多模型—概率數(shù)據(jù)互聯(lián)(IMMPDAF)以適用于雜波環(huán)境中機(jī)動(dòng)目標(biāo)的跟蹤問題而備受推崇。 1.3數(shù)據(jù)融合的實(shí)現(xiàn)技術(shù)
1.3.1目標(biāo)跟蹤
Bar-Shalom在1975年提出了概率數(shù)據(jù)互聯(lián)濾波器:其中xi(k/k)表示在θi(k)出現(xiàn)的情況下的條件估計(jì),θi(k)表示k時(shí)刻第i個(gè)量測Zi(k)來自目標(biāo)的正確量測,βi(k)表示第i個(gè)量測來自第k個(gè)目標(biāo)這一事件的概率(量測i源于目標(biāo)k的概率)。概率數(shù)據(jù)互聯(lián)濾波器將目標(biāo)跟蹤轉(zhuǎn)化為計(jì)算每一量測i來自被跟蹤目標(biāo)k的互聯(lián)概率。這種方法尤其適用于雜波環(huán)境下的目標(biāo)跟蹤,其存在的主要問題是需要計(jì)算所有可能量測的概率,從而很難滿足實(shí)時(shí)性的要求。^Bar-Shalom在1975年提出了概率數(shù)據(jù)互聯(lián)濾波器:Blom1984年提出了多模型濾波器(基于Kalman濾波器):其中μj(k)表示模型Mj在k時(shí)刻正確的概率。在這種算法中,每一個(gè)模型對應(yīng)一個(gè)不同的機(jī)動(dòng)輸入水平,它可以以較大的計(jì)算資源來換取機(jī)動(dòng)性能的提高,而主要問題是如何選擇保持最佳跟蹤性能的離散機(jī)動(dòng)水平。
Blom和Bar-Shalom在1988年基于各自的思想進(jìn)行合作研究,提出了相互作用多模型——概率數(shù)據(jù)互聯(lián)濾波器:Blom1984年提出了多模型濾波器(基其中表示模型i的PDAF輸出,這種算法適用于雜波環(huán)境下密集機(jī)動(dòng)目標(biāo)的跟蹤。
近20年來,受到Blom和Bar-Shalom思想的激勵(lì),關(guān)于概率數(shù)據(jù)互聯(lián)和多模型算法的研究變得十分活躍,這些算法正在應(yīng)用于多傳感器情形。
多傳感器目標(biāo)跟蹤有兩種主要的可選方案,報(bào)告—航跡關(guān)聯(lián)和航跡—航跡關(guān)聯(lián),其中每種關(guān)聯(lián)又可分為遞推關(guān)聯(lián)和成批關(guān)聯(lián)兩種類型。關(guān)聯(lián)的定量度量可以采用啟發(fā)函數(shù)、距離函數(shù)、似然函數(shù)及后驗(yàn)概率函數(shù)等。其中表示模型i的PDAF輸出,這圖1.9報(bào)告—航跡的遞推關(guān)聯(lián)圖1.9報(bào)告—航跡的遞推關(guān)聯(lián)圖1.10是一個(gè)成批關(guān)聯(lián)估計(jì)方法的示例。批處理作用于一個(gè)按時(shí)間排列的測量序列上,包括一段時(shí)間內(nèi)的所有觀測。圖中表明4個(gè)傳感器掃描,其中每個(gè)掃描在矩形傳感器視野中產(chǎn)生若干觀測。這4個(gè)現(xiàn)場的疊加表示4個(gè)掃描所產(chǎn)
生的觀測序列,而由此導(dǎo)出的假設(shè)表示能夠?qū)τ^測進(jìn)行關(guān)聯(lián)的不同方法。每個(gè)假設(shè)表示一個(gè)可能的解,它把觀測數(shù)據(jù)關(guān)聯(lián)為可能的航跡集合。關(guān)聯(lián)處理最終選擇一個(gè)假設(shè),該假設(shè)能夠最佳地解釋這些觀測數(shù)據(jù)。圖1.10是一個(gè)成批關(guān)聯(lián)估計(jì)方法的示例。批處理作用于一個(gè)圖1.10報(bào)告—航跡的成批關(guān)聯(lián)圖1.10報(bào)告—航跡的成批關(guān)聯(lián)報(bào)告—航跡關(guān)聯(lián)的詳細(xì)推導(dǎo)在許多情況下都與性能分析結(jié)果相聯(lián)系。對于不同步傳感器,可以用一個(gè)自適應(yīng)估計(jì)器(類似于單一傳感器情況),它能夠調(diào)整進(jìn)行數(shù)據(jù)處理的每個(gè)傳感器的卡爾曼測量矩陣和測量協(xié)方差矩陣。對于同步傳感器,有3種可能的實(shí)現(xiàn)方法:
(1)并行計(jì)算——直接改進(jìn)卡爾曼狀態(tài)更新方程以顧及到來自多個(gè)傳感器的所有輸入測量;
(2)偽序貫方法——對于每一個(gè)有n個(gè)傳感器觀測的集合,該處理需要遞推n次;
(3)數(shù)據(jù)壓縮方法——把所有的傳感器測量變換到一個(gè)公共的坐標(biāo)系中。報(bào)告—航跡關(guān)聯(lián)的詳細(xì)推導(dǎo)在許多情況下都與性能分析結(jié)果相聯(lián)航跡—航跡關(guān)聯(lián)把來自每個(gè)傳感器的航跡數(shù)據(jù)進(jìn)行關(guān)聯(lián),最終把多傳感器數(shù)據(jù)合并為共同的中心級航跡。遞推的航跡—航跡互聯(lián)估計(jì)方法如圖1.11所示。每個(gè)傳感器級跟蹤器提供目標(biāo)的狀態(tài)向量及目標(biāo)航跡的協(xié)方差數(shù)據(jù)。航跡—航跡門限用來確定臨近中心級航跡的傳感器航跡。航跡—航跡關(guān)聯(lián)把來自每個(gè)傳感器的航跡數(shù)據(jù)進(jìn)行關(guān)聯(lián),最終把圖1.11航跡—航跡關(guān)聯(lián)的遞推估計(jì)圖1.11航跡—航跡關(guān)聯(lián)的遞推估計(jì)成批的航跡—航跡關(guān)聯(lián)如圖1.12所示。每個(gè)傳感器提供一個(gè)數(shù)據(jù)掃描集合,用分配的航跡觀測來表示每條航跡,然后對航跡曲線使用曲線擬合處理來求解關(guān)聯(lián)問題,包括在同一時(shí)間周期上出現(xiàn)的兩段航跡的關(guān)聯(lián),可結(jié)合為同一條航跡;或者在不同的但臨近的時(shí)間周期上所出現(xiàn)的兩段航跡的關(guān)聯(lián),可連接成一條連續(xù)的航跡。成批的航跡—航跡關(guān)聯(lián)如圖1.12所示。每個(gè)傳感器提供一個(gè)數(shù)據(jù)融合的理論課件航跡—航跡關(guān)聯(lián)的簡單方案有3種:
(1)航跡選擇:簡單地選擇一條“最佳”傳感器航跡作為中心航跡估計(jì),并且不計(jì)算合成或融合估計(jì);
(2)狀態(tài)向量融合:把被關(guān)聯(lián)上的狀態(tài)向量結(jié)合到一個(gè)線性估計(jì)器中以導(dǎo)出一個(gè)中心級航跡估計(jì);
(3)測量融合:使用傳感器測量(而不是航跡—航跡融合情況的傳感器估計(jì))來計(jì)算目標(biāo)狀態(tài)的一個(gè)中心估計(jì)。這是一種較精確的方法。航跡—航跡關(guān)聯(lián)的簡單方案有3種:
(1)航跡選擇:簡1.3.2目標(biāo)識別
1.3.2.1物理模型
物理模型所采用的技術(shù)是根據(jù)物理模型直接計(jì)算實(shí)體的特征(時(shí)間域,信號,數(shù)據(jù),頻域數(shù)據(jù)或圖像),如圖1.13所示。由傳感器觀測產(chǎn)生觀測特征或圖像,由身份判別過程把觀測數(shù)據(jù)與預(yù)先存儲的目標(biāo)特征(一個(gè)先驗(yàn)的目標(biāo)特征文件)或根據(jù)對觀測數(shù)據(jù)進(jìn)行預(yù)測的物理模型所得出的模擬特征進(jìn)行比較。
比較過程涉及到計(jì)算預(yù)測數(shù)據(jù)和實(shí)測數(shù)據(jù)的相關(guān)關(guān)系,如果相關(guān)系數(shù)超過一個(gè)預(yù)先規(guī)定的閾值,則認(rèn)為兩者存在匹配關(guān)系(身份相同)。1.3.2目標(biāo)識別
1.3.2.1物理模型
物理圖1.13身份識別的物理模型圖1.13身份識別的物理模型預(yù)測一個(gè)實(shí)體特征的物理模型必須建立在要識別的物體的物理特征的基礎(chǔ)上。對每一種物體或每一類型的物體可能需要建立一個(gè)物理模型的例子,例如用數(shù)字信號模擬來預(yù)測發(fā)射機(jī)的發(fā)射情況。在實(shí)際應(yīng)用中,物理模型可能變得非常復(fù)雜,因而需要設(shè)計(jì)龐大的軟件程序。即使當(dāng)物理模型相對簡單或者使用一個(gè)先驗(yàn)特征數(shù)據(jù)時(shí),觀測模型和處理過程也可能相當(dāng)復(fù)雜??梢约僭O(shè)一個(gè)成像傳感器被用作遙感,并且我們已經(jīng)有較簡單的模型,例如一個(gè)兩維的幾何圖形,或者一個(gè)實(shí)體的真實(shí)照片。原則上,識別過程是很簡單的,我們只是把觀測圖像與模型或一張事先得到的照片進(jìn)行比較。但實(shí)際上為了把得到的觀測數(shù)據(jù)與預(yù)測的模型或已有的照片進(jìn)行匹配,可能需要相當(dāng)多的處理工作,這些工作列舉如下:預(yù)測一個(gè)實(shí)體特征的物理模型必須建立在要識別的物體的物理特征的
1.傳感器的幾何校正
從復(fù)雜的陣列和非線性光學(xué)結(jié)果中得到被觀測對象的幾何形狀。
2.濾波器補(bǔ)償
圖像陣列(成像系統(tǒng))的某些部分可能丟失或退化,濾波器補(bǔ)償可對其退化了的部分效應(yīng)進(jìn)行修正。
3.平臺幾何校正
放置傳感器的平臺可能發(fā)生平移、傾斜或其它變化,處理時(shí)必須考慮這些因素對得到的圖像的影響。1.傳感器的幾何校正
從復(fù)雜的陣列和非線性光學(xué)結(jié)果中
4.調(diào)制轉(zhuǎn)移函數(shù)補(bǔ)償
有可能要用模型來研究傳感器中的光學(xué)或觀測效應(yīng),這時(shí)可用調(diào)制轉(zhuǎn)移函數(shù)補(bǔ)償以使圖像更加清晰。
5.動(dòng)態(tài)距離調(diào)整
由于圖像中的陰影或者亮度的變化可能使圖像的解釋產(chǎn)生困難,因而需通過距離調(diào)整(如直方圖均衡)來調(diào)節(jié)一個(gè)圖像相鄰元素之間的對比度。
6.自動(dòng)開發(fā)功能
采用自動(dòng)化過程抽取圖像的一部分,進(jìn)行圖像解釋、伸縮、糾偏和識別線段等。
物理模型由于計(jì)算量很大,其應(yīng)用一般來說很有限,但在非實(shí)時(shí)環(huán)境中(比如:當(dāng)一個(gè)調(diào)查者能夠花幾天或幾個(gè)月時(shí)間研究一個(gè)單一的觀測數(shù)據(jù)集合或事件時(shí)),該方法對于研究所涉及的物理現(xiàn)象是非常有價(jià)值的。4.調(diào)制轉(zhuǎn)移函數(shù)補(bǔ)償
有可能要用模型來研究傳感器中的1.3.2.2基于知識的方法
基于知識的方法有兩個(gè)方面的內(nèi)容:
(1)表示知識的技術(shù);
(2)處理信息以得出結(jié)論的推理方法。
它們可以在原始傳感器數(shù)據(jù)或抽取的特征的基礎(chǔ)上進(jìn)行。用此類方法進(jìn)行目標(biāo)識別的原理如圖1.14所示。1.3.2.2基于知識的方法
基于知識的方法有兩個(gè)方面數(shù)據(jù)融合的理論課件基于知識的方法的成功與否在很大程度上依賴于建立一個(gè)先驗(yàn)知識庫。有效的知識庫是用知識工程技術(shù)來建立的。這里雖然不明確要求使用物理模型,但卻是建立在對要識別的實(shí)體的組成和結(jié)構(gòu)有一個(gè)徹底了解的基礎(chǔ)上的,因此,該方法只不過是用啟發(fā)式的方法代替了數(shù)學(xué)模型而已。當(dāng)目標(biāo)物體能根據(jù)其組成部分及其相互關(guān)系來識別時(shí),這種基于知識的方法就尤其有用,不僅如此,對于一個(gè)復(fù)雜的實(shí)體,這種方法會(huì)變得很有用。例如,發(fā)射體的識別可以很容易地通過物理模型、模板法或神經(jīng)網(wǎng)絡(luò)來完成。但是,在識別諸如地對空導(dǎo)彈基地這樣的軍事目標(biāo)時(shí),就需要識別幾個(gè)組成部分,辨別它們的功能及相互關(guān)系,并進(jìn)行一些推理,因此只有基于知識的技術(shù)才能更好地進(jìn)行這類識別?;谥R的方法的成功與否在很大程度上依賴于建立一個(gè)先驗(yàn)知1.3.2.3參數(shù)分類技術(shù)
參數(shù)分類技術(shù)包括統(tǒng)計(jì)算法和應(yīng)用信息論技術(shù)的方法。
統(tǒng)計(jì)算法有經(jīng)典推理、Bayes方法、D-S方法等。經(jīng)典推理技術(shù)在給定先驗(yàn)前提假設(shè)下計(jì)算一個(gè)觀測的概率,它的缺點(diǎn)是:
(1)一次僅能估計(jì)兩個(gè)假設(shè)(H0和H1);
(2)多變量數(shù)據(jù)的復(fù)雜度高;
(3)不能直接使用先驗(yàn)似然估計(jì)。1.3.2.3參數(shù)分類技術(shù)
參數(shù)分類技術(shù)包括統(tǒng)計(jì)算法和
Bayes方法將Bayes公式用于目標(biāo)標(biāo)識估計(jì),其缺陷是:
(1)定義先驗(yàn)似然函數(shù)困難;
(2)當(dāng)存在多個(gè)可能假設(shè)和多條相關(guān)事件時(shí)復(fù)雜度高;
(3)需要對應(yīng)的互不相容的假設(shè);
(4)缺乏分配總的不確定性的能力。
關(guān)于D-S方法,人們不大滿意的是該方法的綜合規(guī)劃在計(jì)算上的復(fù)雜度高。Bayes方法將Bayes公式用于目標(biāo)標(biāo)識估計(jì),其缺陷是基于信息論技術(shù)的方法有參數(shù)模板、聚類分析、自適應(yīng)神經(jīng)網(wǎng)絡(luò)、表決法、熵法等,其中聚類分析法對于探索新的數(shù)據(jù)關(guān)系提供一個(gè)有價(jià)值的工具。
所有聚類分析方法都需要定義一個(gè)相似性函數(shù)或關(guān)聯(lián)度量以提供一個(gè)表示任意兩個(gè)特征向量Yi和Yj之間“接近”程度或不相似程度的值。該方法的缺陷是其本身的啟發(fā)性使得數(shù)據(jù)排列方式、相似性參數(shù)的選擇、聚類算法的選擇等都可能影響到所得的聚類?;谛畔⒄摷夹g(shù)的方法有參數(shù)模板、聚類分析、自適應(yīng)神經(jīng)網(wǎng)絡(luò)1.3.3態(tài)勢評估和威脅估計(jì)(STA)
在低層次的數(shù)據(jù)融合實(shí)現(xiàn)了對數(shù)據(jù)的壓縮、提煉以后,其輸出結(jié)果可作為高層次上的態(tài)勢評估和威脅估計(jì)的主要依據(jù)。到目前為止,這一領(lǐng)域的發(fā)展相當(dāng)緩慢。一方面,需要匯集這方面的知識。在現(xiàn)代指揮所內(nèi),專業(yè)范圍是廣泛的。態(tài)勢評估需要考慮地理環(huán)境、兵力結(jié)構(gòu)、社會(huì)政治等因素。威脅估計(jì)需要考慮敵方兵力的摧毀能力(DestructivePower)、弱點(diǎn)(Vulnerability)、意圖(Intent)等因素。要全面獲取這些知識并使其滿足系統(tǒng)快速處理的要求,是有很大困難的。另一方面,要建立算法和推理機(jī)制?,F(xiàn)有的研究結(jié)果表明單一的數(shù)學(xué)方法很難達(dá)到這一目標(biāo)。人們謀求借助人工智能如專家系統(tǒng)、黑板技術(shù)、面向?qū)ο蠹夹g(shù)等來解決這一問題。已有一些專家系統(tǒng)被移植、擴(kuò)充為具有一定功能的融合系統(tǒng)。1.3.3態(tài)勢評估和威脅估計(jì)(STA)
在低層次的數(shù)據(jù)如1.2節(jié)所述,由于STA還缺乏理論基礎(chǔ),使得評估各種有效的處理方法的適應(yīng)性變得相當(dāng)困難。從方法論的角度,實(shí)現(xiàn)STA可以遵循以下原則:
(1)需求驅(qū)動(dòng)的原則——將STA看作是由需求驅(qū)動(dòng)的分層處理。
(2)使用多重方法(混合方法)的原則——分析STA的要素和功能,為使其應(yīng)用于任一給定的STA問題,單一的方法是不能實(shí)現(xiàn)的,需要混合的方法集合,以達(dá)到方法上的最佳組合。
(3)構(gòu)成依賴關(guān)系——通過考察STA要素間的關(guān)系(例如樹形說明)以獲得模型化的數(shù)學(xué)函數(shù)、事件順序等。
(4)上下關(guān)系分析——這是一級融合產(chǎn)品的上下關(guān)系分析。利用一級融合的結(jié)果(戰(zhàn)場實(shí)體的抽象位置、航跡和標(biāo)識)來考察已定位的和已識別的實(shí)體的配制或網(wǎng)絡(luò)。如1.2節(jié)所述,由于STA還缺乏理論基礎(chǔ),使得評估各種有1.3.3.1基于期望模板的技術(shù)
某些重要的態(tài)勢要素(如兵力結(jié)構(gòu)、兵力使用,事件順序等)的先驗(yàn)?zāi)P头Q為模板。基于模板的方法就是通過開發(fā)這類先驗(yàn)?zāi)P蛠淼玫綉B(tài)勢評估和威脅估計(jì)。模板結(jié)構(gòu)形成反映要素之間關(guān)系的抽象框架,用以在實(shí)際應(yīng)用中挖掘多源信息的有效性。STA的4個(gè)重要的模板類型為:
(1)作戰(zhàn)條例模板——描述敵方作戰(zhàn)條例對沒有氣象和地形影響的各類作戰(zhàn)的使用情況(如編制、組織,正面寬度、縱深裝備數(shù)量和比例等)。1.3.3.1基于期望模板的技術(shù)
某些重要的態(tài)勢要素(
(2)態(tài)勢模板——描述在氣象和地形影響約束之下,敵方如何使用兵力和進(jìn)行作戰(zhàn)。
(3)事件模板——描述所期望的重要事件和活動(dòng)出現(xiàn)的位置,以及重要目標(biāo)將在哪里出現(xiàn),以提供與敵方行動(dòng)方針有關(guān)的最可能出現(xiàn)的活動(dòng)所必需的信息。
(4)判定支持模板——描述重大事件和活動(dòng)的關(guān)鍵支持點(diǎn),以滿足指揮員的決策需求。(2)態(tài)勢模板——描述在氣象和地形影響約束之下,敵方如何處理一個(gè)態(tài)勢報(bào)告的4個(gè)步驟為:
(1)對接收到的態(tài)勢報(bào)告進(jìn)行校對,與系統(tǒng)庫中的模板進(jìn)行比較,查看是否是已知類型。若是已知類型,則建立一個(gè)模板請求。
(2)用新的模板請求填充模板空隙,并計(jì)算模板與接收的報(bào)告之間的總的符合度(激活度)。
(3)如果模板請求能充分說明接收的報(bào)告,則算法將刪除任何數(shù)據(jù)說明較差的競爭請求,即修改這個(gè)模板集合。
(4)如果可能的話,將新的模板請求放入已有的高層模板的空隙中。處理一個(gè)態(tài)勢報(bào)告的4個(gè)步驟為:
(1)對接收到的態(tài)勢1.3.3.2人工智能技術(shù)
由于STA還缺乏理論基礎(chǔ),使得評估各種有效的處理方法的適應(yīng)性變得相當(dāng)困難。面對這樣的研究現(xiàn)狀,為了把態(tài)勢評估和威脅估計(jì)問題納入到堅(jiān)實(shí)的邏輯數(shù)學(xué)處理的范圍之中,美國國防部在優(yōu)先發(fā)展的關(guān)鍵技術(shù)的計(jì)劃中,將條件事
件代數(shù)理論、規(guī)劃識別理論和計(jì)劃識別理論的研究列為數(shù)據(jù)融合技術(shù)的基礎(chǔ)理論的研究課題。1.3.3.2人工智能技術(shù)
由于STA還缺乏理論基礎(chǔ),人工智能應(yīng)用于數(shù)據(jù)融合已顯示出巨大的優(yōu)越性,這一點(diǎn)在許多文獻(xiàn)中已被再三強(qiáng)調(diào)過。人工智能與數(shù)據(jù)融合的許多思想是相互重疊的,將人工智能應(yīng)用于數(shù)據(jù)融合問題中,其設(shè)計(jì)思想有很大的靈活性。所以,很難規(guī)定一個(gè)“標(biāo)準(zhǔn)”的求解策略。從人工智能技術(shù)應(yīng)用于數(shù)據(jù)融合的現(xiàn)狀來看,主要有兩個(gè)方面,一個(gè)是運(yùn)用規(guī)劃理論,一個(gè)是基于知識的技術(shù)。人工智能應(yīng)用于數(shù)據(jù)融合已顯示出巨大的優(yōu)越性,這一點(diǎn)在許多一、運(yùn)用規(guī)劃和路徑識別理論
真實(shí)環(huán)境下的與領(lǐng)域無關(guān)的規(guī)劃和規(guī)劃識別、路徑規(guī)劃和識別、更具表達(dá)力的知識表示技術(shù)是態(tài)勢評估和威脅估計(jì)研究中的3個(gè)重要方面。
在規(guī)劃識別方面,已經(jīng)從理論的角度證明了,盡管在真實(shí)條件下的規(guī)劃識別問題不是邏輯完備的,但它是認(rèn)知完備的,因而是可以認(rèn)識的,并建立了規(guī)劃識別的隨機(jī)網(wǎng)絡(luò)模型。
在路徑識別方面,可以通過與軍用領(lǐng)域無關(guān)的路徑規(guī)劃模型和技術(shù)的研究,解決真實(shí)條件下軍用路徑規(guī)劃的問題:一、運(yùn)用規(guī)劃和路徑識別理論
真實(shí)環(huán)境下的與領(lǐng)域無關(guān)的
(1)多種類多形式的信息源問題;
(2)對環(huán)境敏感,對應(yīng)用領(lǐng)域不敏感的問題;
(3)動(dòng)態(tài)、平滑地提供多個(gè)層次細(xì)節(jié)的環(huán)境信息問題。
最終給出結(jié)合狀態(tài)圖和最短路徑兩類算法優(yōu)化的路徑計(jì)算方法。
規(guī)劃是指在行動(dòng)之前確定行動(dòng)方針。規(guī)劃方法包括層次規(guī)劃,非層次規(guī)劃、基于腳本的規(guī)劃、機(jī)遇規(guī)劃等。規(guī)劃理論可用來開發(fā)我軍的行動(dòng)計(jì)劃或產(chǎn)生假設(shè)的敵方的行動(dòng)計(jì)劃。圖1.15是一個(gè)高層計(jì)劃識別模型的例子。其中LTM包含藍(lán)方的目標(biāo)知識和紅方在具體戰(zhàn)術(shù)態(tài)勢中所執(zhí)行的計(jì)劃,PM使用KBS方法來提供與多個(gè)參戰(zhàn)方的活動(dòng)有關(guān)的推理能力,STM則為計(jì)劃識別處理中所參照和使用的數(shù)據(jù)提供一個(gè)“黑板”數(shù)據(jù)存儲區(qū)。(1)多種類多形式的信息源問題;
(2)對環(huán)境敏感,二、運(yùn)用基于知識的方法
知識系統(tǒng)力圖模仿人的批處理過程?;谝?guī)則的系統(tǒng)(KBSS)是當(dāng)前歸納整理人類專家解決問題的知識的最有效手段(規(guī)則——特定形式的說明性或指令性知識)。HayesRoth給出了許多規(guī)則描述,同時(shí)還給出了一個(gè)基于
規(guī)則的系統(tǒng)結(jié)構(gòu),如圖1.16所示。簡單地說,該結(jié)構(gòu)由一個(gè)知識庫和一個(gè)推理機(jī)構(gòu)成。Hayes-Roth說明了如何把規(guī)則用于演繹性知識以支持推理、驗(yàn)證或評估任務(wù)。二、運(yùn)用基于知識的方法
知識系統(tǒng)力圖模仿人的批處理人工智能方法已廣泛地應(yīng)用于態(tài)勢評估和威脅估計(jì)問題,Ruoff在抽象級別上給出了C3I概念結(jié)構(gòu)模型并分別以頂層功能形式和程序形式給出了C3I態(tài)勢評估的行為模型,從而給出了一種與應(yīng)用無關(guān)的開發(fā)態(tài)勢評估專家系統(tǒng)的方法。大量
基于人工智能技術(shù)的研究工作都是針對特定的應(yīng)用環(huán)境而使用某些類型的求解技術(shù)。進(jìn)入20世紀(jì)90年代以來,出現(xiàn)了兩個(gè)很有生命力的研究領(lǐng)域——基于多值邏輯的方法和條件事件代數(shù)理論。人工智能方法已廣泛地應(yīng)用于態(tài)勢評估和威脅估計(jì)問題,Ruo圖1.15計(jì)劃識別模型結(jié)構(gòu)圖1.15計(jì)劃識別模型結(jié)構(gòu)圖1.16圖1.16
1.基于多值邏輯的態(tài)勢評估和威脅估計(jì)
Yannone和Bonissone提出了一種基于多值邏輯的STA理論,較好地解決了STA分析中不定性的管理問題。這項(xiàng)工作十分鼓舞人心,它使得STA問題被納入到了邏輯數(shù)學(xué)處理范圍之內(nèi)。
Yannone和Bonissone把不確定計(jì)算歸納為下述3個(gè)問題:
(1)如果前提是由多個(gè)子句構(gòu)成的,如何聚并(Aggregation)與前提中各子句對應(yīng)的不確定性以確定前提的不確定性;
(2)如果規(guī)則不表示邏輯含義,而是介于前提和結(jié)論之間的經(jīng)驗(yàn)聯(lián)合,那么如何聚并前提的滿意程度和聯(lián)合的強(qiáng)度,即如何通過規(guī)則傳播不確定性;1.基于多值邏輯的態(tài)勢評估和威脅估計(jì)
Yannone
(3)如果多條規(guī)則以不同的不確定性導(dǎo)出同樣的結(jié)論,如何聚并每個(gè)規(guī)則的不確定性以導(dǎo)出結(jié)論的最終不確定性。
Yannone和Bonissone給出各種不確定計(jì)算的合取、析取和非操作,基于多值邏輯建立了定義一個(gè)不確定計(jì)算最小子集句法的理論框架,提供了解決上述問題的基本原理(Rationale),最后討論了不確定推理在態(tài)勢評估和威脅估
計(jì)中的應(yīng)用,Yannone和Bonissone還列舉了關(guān)于戰(zhàn)術(shù)戰(zhàn)斗機(jī)和監(jiān)督任務(wù)的若干條規(guī)則。(3)如果多條規(guī)則以不同的不確定性導(dǎo)出同樣的結(jié)論,如何聚
2.語言和概率證據(jù)的綜合理論——條件事件代數(shù)
美國著名的信息融合專家Goodman[23,27]基于一個(gè)有限集建立了一個(gè)特殊的條件事件代數(shù)(AlgebraofConditionalEvents)模型,并應(yīng)用它解決了信息融合專家系統(tǒng)中的循環(huán)規(guī)則問題。條件事件代數(shù)理論已被公認(rèn)在數(shù)據(jù)融合領(lǐng)域有重要的應(yīng)用前景。這種理論可用來解決不確定性、概率性和模糊性推理問題。美國國防部將其列為數(shù)據(jù)融合公共基礎(chǔ)理論研究項(xiàng)目,計(jì)劃在1997年前完成該理論的研究工作。條件事件代數(shù)解決諸如下述問題,這些問題是發(fā)展和開發(fā)高層次數(shù)據(jù)融合系統(tǒng)迫切需要的。2.語言和概率證據(jù)的綜合理論——條件事件代數(shù)
美國著
(1)對于事件a,b,c,d來說,“ifb,thena或ifd,thenc”的概率
是什么?其中b和d不一定相同,且P(ifb,thena)=P(a/b)。
(2)如何結(jié)合(1)中與條件概率一致的if-then表達(dá)式來
估計(jì)一個(gè)我們感興趣的參數(shù)?
(3)條件或非條件語言信息的引入如何影響信息的組合?
(4)如何解釋組合證據(jù)中,如“if(ifb,thena),then(ifd,thenc)”
那樣的高階條件形式?
(5)能否研究出從前提推論出結(jié)果或用于語義/概率估計(jì)的if-then語句的邏輯線路?這對于強(qiáng)烈依賴于把推理規(guī)則結(jié)合起來的專家系統(tǒng)是特別重要的。(1)對于事件a,b,c,d來說,“ifb,thena或
(6)能否把隨機(jī)變量的概念擴(kuò)展到條件形式,使之與標(biāo)準(zhǔn)結(jié)果相容,也與條件語句的展開及其邏輯結(jié)果相容。在建立真實(shí)世界的實(shí)現(xiàn)時(shí),這種隨機(jī)變量必須作為度量函數(shù)發(fā)揮重要作用。
使我們感到驚奇的是直到前不久,上述問題或者被忽視,或者用非正式的或特定的方法進(jìn)行處理。但是在對這些問題的歷史作個(gè)簡短的分析之后,就可以清楚地看到這些問題長期處在堅(jiān)實(shí)的邏輯數(shù)學(xué)處理領(lǐng)域之外的原因。(6)能否把隨機(jī)變量的概念擴(kuò)展到條件形式,使之與標(biāo)準(zhǔn)結(jié)果布爾在其開創(chuàng)性的文獻(xiàn)中提出了對集合或事件進(jìn)行的4種運(yùn)算。這4種運(yùn)算在某種程度上類似于標(biāo)準(zhǔn)算術(shù)中的加(對應(yīng)于并)、減(對應(yīng)于集合的差)、乘(對應(yīng)于交)、除(對應(yīng)于事件的一個(gè)If-then結(jié)構(gòu))。由于缺乏嚴(yán)格性,也可能是由于誤解,布爾代數(shù)的編纂者忽略了事件的布爾除。只是在過了100年之后,Hailperin才指出布爾除法可以通過代數(shù)分式進(jìn)行充分的嚴(yán)格化和合理化。Hailperin還指出這些形式實(shí)際上等價(jià)于看起來比較簡單的主理想陪集(PrincipalIdealCoset)形式。后來不斷有人通過“條件事件”來建立條件信息模型這一問題的各個(gè)方面。即寫成(a/b)形式的實(shí)體可獨(dú)立于任何概率算子P,其自然語言解釋是“Ifb,thena”,其數(shù)值估計(jì)為
P′((a/b))=P(ab)/P(b)
其中P′是P對這個(gè)實(shí)體的某種合理的擴(kuò)展。布爾在其開創(chuàng)性的文獻(xiàn)中提出了對集合或事件進(jìn)行的4種運(yùn)算。
Goodman首次全面論述了條件事件代數(shù)的基本研究現(xiàn)狀并進(jìn)行了批判性的分析,指出目前的主要問題是:
(1)如何建立條件隨機(jī)事件;
(2)高階條件的模型問題;
(3)條件事件代數(shù)和傳統(tǒng)的面向數(shù)值方法的一般的不兼容性問題。
為了解決這些問題,Goodman提出了兩種條件事件代數(shù)的新方法:第一種方法基于把普通的算術(shù)除法運(yùn)算擴(kuò)展到用零作除數(shù)的情況,并說明這樣做對于解決上面提到的高階條件問題和定義模糊條件集合的問題是有好處的;第二種方法是基于聯(lián)合計(jì)算乘積表示,它不僅能解決上述3個(gè)問題,而且也可對模糊條件集合給出一個(gè)合理的定義,但該方法的一個(gè)缺點(diǎn)是其實(shí)現(xiàn)要增大計(jì)算的復(fù)雜度。Goodman首次全面論述了條件事件代數(shù)的基本研究現(xiàn)狀并條件事件代數(shù)理論在自身不斷發(fā)展完善的同時(shí),已廣泛地應(yīng)用于人工智能和專家系統(tǒng)領(lǐng)域,從而為建立態(tài)勢評估和威脅估計(jì)理論奠定了基礎(chǔ)。
國外關(guān)于條件事件代數(shù)的研究十分活躍,IEEETran.onSystems,Man,anCybernet
ics(1994,Vol.24,No.12)專輯報(bào)道了條件事件代數(shù)研究的最新成果和動(dòng)態(tài)。條件事件代數(shù)理論在自身不斷發(fā)展完善的同時(shí),已廣泛地應(yīng)用于
1.4數(shù)據(jù)融合的研究現(xiàn)狀和如何推動(dòng)
1.4.1理論研究應(yīng)著眼未來、強(qiáng)調(diào)創(chuàng)新
在美國,數(shù)據(jù)融合最初的問題源于戰(zhàn)爭的需要,是由外部世界現(xiàn)象提出的。但隨著數(shù)據(jù)融合的發(fā)展,人們意識到它的獨(dú)立性。它獨(dú)立地發(fā)展著,通常不受外部明顯的影響,而是借助于推理,對概念進(jìn)行一般化、特殊化的綜合分析來提出自己的問題。數(shù)據(jù)融合既然是一門獨(dú)立的學(xué)科,就應(yīng)該有它自己的評價(jià)標(biāo)準(zhǔn),不能把數(shù)據(jù)融合是否對實(shí)戰(zhàn)有用當(dāng)成唯一的評價(jià)標(biāo)準(zhǔn)或非常重要的標(biāo)準(zhǔn)。如果這樣,必然限制數(shù)據(jù)融合的發(fā)展,因?yàn)殡S著計(jì)算機(jī)和微處理器的發(fā)展,許多算法的復(fù)雜性將不再成為其廣泛應(yīng)用的障礙。新的融合方法與概念有更普遍的作用與意義,并能將數(shù)據(jù)融合引向深入發(fā)展,因而常常比解決一個(gè)實(shí)際問題更為重要。我們的基礎(chǔ)理論研究規(guī)劃要著眼未來、強(qiáng)調(diào)創(chuàng)新。1.4數(shù)據(jù)融合的研究現(xiàn)狀和如何推動(dòng)
1.4.1基礎(chǔ)理論研究主要包括建立不同種類數(shù)據(jù)融合過程的標(biāo)準(zhǔn)模式,用統(tǒng)一的術(shù)語和度量標(biāo)準(zhǔn)去解釋基礎(chǔ)過程,發(fā)展用于數(shù)據(jù)融合技術(shù)的公共理論基礎(chǔ)。數(shù)據(jù)融合理論的主要發(fā)展方向集中在:
(1)信息融合系統(tǒng)的數(shù)據(jù)類別的收集方法、組織方法和管理方法;
(2)信息融合系統(tǒng)的知識類別的獲取方法、表示方法、組織方法和管理方法;
(3)數(shù)據(jù)融合過程的功能分解;
(4)基于信息圖(InformationGraph)概念的分布式多目標(biāo)多傳感器跟蹤的一般理論研究;基礎(chǔ)理論研究主要包括建立不同種類數(shù)據(jù)融合過程的標(biāo)準(zhǔn)模式,
(5)多傳感器情形下相互作用多模型——概率數(shù)據(jù)關(guān)聯(lián)算法、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法和多假設(shè)算法的研究;
(6)條件事件代數(shù)理論及其在信息融合中的應(yīng)用;
(7)規(guī)劃與計(jì)劃識別理論及其在信息融合中的應(yīng)用;
(8)模糊概率理論及其在信息融合中的應(yīng)用;
(9)自動(dòng)目標(biāo)識別與分類算法;
(10)不確定輸入下的有效算法;
(11)態(tài)勢評估及威脅評估的模型與算法;
(12)態(tài)勢與威脅判定的數(shù)據(jù)輸入和產(chǎn)品的自動(dòng)解釋理論;
(13)人工智能在態(tài)勢評估和威脅估計(jì)中的應(yīng)用;(5)多傳感器情形下相互作用多模型——概率數(shù)據(jù)關(guān)聯(lián)算法
(14)神經(jīng)網(wǎng)絡(luò)在態(tài)勢評估和威脅估計(jì)中的應(yīng)用;
(15)多平臺、多中心、多傳感器數(shù)據(jù)融合算法;
(16)在應(yīng)用k/N規(guī)則進(jìn)行多傳感器目標(biāo)檢測時(shí),如何選取k值以滿足用戶對于系統(tǒng)檢測率和系統(tǒng)虛警率的需求;
(17)多傳感器多目標(biāo)跟蹤與識別系統(tǒng)的性能評估;
(18)建立信息融合系統(tǒng)性能評估的指標(biāo)體系。(14)神經(jīng)網(wǎng)絡(luò)在態(tài)勢評估和威脅估計(jì)中的應(yīng)用;
(11.4.2技術(shù)研究應(yīng)面向世界、追求突破
數(shù)據(jù)融合技術(shù)的發(fā)展取決于兩方面的進(jìn)展:一是對于軍事信息系統(tǒng)的機(jī)制和需求的進(jìn)一步理解;二是對支撐技術(shù)和基礎(chǔ)技術(shù)的不斷革新。前者是對技術(shù)原型的深化,后者是對技術(shù)手段的強(qiáng)化。針對高技術(shù)迅猛發(fā)展的特點(diǎn)和我國的研究現(xiàn)狀,我們可以直接研究和應(yīng)用國外的最新成果,在技術(shù)領(lǐng)域?qū)崿F(xiàn)跳躍式發(fā)展。我們的技術(shù)研究規(guī)劃要面向世界,爭取在以下幾方面取得突破:
(1)各種平臺多傳感器數(shù)據(jù)融合技術(shù)研究——解決單機(jī)的不同傳感器數(shù)據(jù)融合問題,為研制單平臺先進(jìn)指揮自動(dòng)化作戰(zhàn)系統(tǒng)奠定基礎(chǔ)。1.4.2技術(shù)研究應(yīng)面向世界、追求突破
數(shù)據(jù)融合技術(shù)的
(2)多平臺、多類型、多傳感器數(shù)據(jù)融合技術(shù)研究——解決分布式C3I系統(tǒng)的融合問題,為研究區(qū)域綜合信息系統(tǒng)、作戰(zhàn)平臺編隊(duì)的C3I系統(tǒng)奠定基礎(chǔ)。
(3)多中心數(shù)據(jù)融合技術(shù)——按照軍事信息系統(tǒng)對多中心數(shù)據(jù)融合的要求,研究可計(jì)算的、復(fù)雜度低的、有效的算法和模型建立技術(shù)。
(4)公用庫的建立和通用軟件包的開發(fā)——研究知識、數(shù)據(jù)的獲取、表示和處理技術(shù),開發(fā)具有推理和知識更新的適用于各種平臺的公用庫和通用軟包。(2)多平臺、多類型、多傳感器數(shù)據(jù)融合技術(shù)研究——解決分1.4.3人才培養(yǎng)應(yīng)面向教育
專門人才和大學(xué)教育的缺乏現(xiàn)象出現(xiàn)在數(shù)據(jù)融合技術(shù)的各個(gè)領(lǐng)域,正在從事這一領(lǐng)域研究的部分人員不愿作深入而有效的研究,表現(xiàn)出急功近利的傾向,這對于我國這一領(lǐng)域的未來發(fā)展是十分不利的。如果我們追蹤溯源,則會(huì)發(fā)現(xiàn),在過去多年中使美國登上科技領(lǐng)先地位的基本因素顯然是它的教育制度及其培養(yǎng)出的人才。數(shù)據(jù)融合技術(shù)顯然依賴于高等教育來培養(yǎng)它所需要的專業(yè)人才。因此,在大學(xué)引入數(shù)據(jù)融合教育、加速人才培養(yǎng),對于我國數(shù)據(jù)融合技術(shù)的迅速、高效發(fā)展是十分重要的。1.4.3人才培養(yǎng)應(yīng)面向教育
專門人才和大學(xué)教育的缺乏1.4.4加強(qiáng)學(xué)術(shù)交流,全方位協(xié)調(diào)發(fā)展
數(shù)據(jù)融合作為一個(gè)在軍事指揮和控制方面迅速形成的技術(shù)領(lǐng)域,實(shí)際上是許多傳統(tǒng)學(xué)科和新興工程領(lǐng)域的結(jié)合與應(yīng)用。數(shù)據(jù)融合技術(shù)的發(fā)展依賴于這些學(xué)科和領(lǐng)域的高度發(fā)展和相互滲透。這樣的學(xué)科特點(diǎn)就要求必須加強(qiáng)數(shù)據(jù)融合
領(lǐng)域內(nèi)部的通力合作,以及和相關(guān)研究領(lǐng)域的廣泛交流。1.4.4加強(qiáng)學(xué)術(shù)交流,全方位協(xié)調(diào)發(fā)展
數(shù)據(jù)融合作為一●補(bǔ)記
世界軍事史證明,科學(xué)技術(shù)的最新成果往往首先被用于軍事領(lǐng)域,并對戰(zhàn)爭產(chǎn)生極其廣泛深刻的影響。軍隊(duì)歷來是當(dāng)時(shí)科技成果的密集點(diǎn),戰(zhàn)爭從來是最新軍事技術(shù)的試驗(yàn)場。20世紀(jì)80年代以來,隨著高新技術(shù)的發(fā)展及其在軍事領(lǐng)域中的廣泛應(yīng)用,戰(zhàn)爭日益呈現(xiàn)出高技術(shù)的特點(diǎn),海灣戰(zhàn)爭就是一個(gè)生動(dòng)的例證。高技術(shù)的影響將不僅波及21世紀(jì)的軍隊(duì)編制,武器裝備與作戰(zhàn)樣式,而且將影響到戰(zhàn)爭的結(jié)局。目前,多傳感器數(shù)據(jù)融合的研究正經(jīng)歷一個(gè)快速的發(fā)展時(shí)期,
它在軍事領(lǐng)域及相關(guān)領(lǐng)域的應(yīng)用前景十分誘人?!裱a(bǔ)記
世界軍事史證明,科學(xué)技術(shù)的最新成果往往首先被用于本章對數(shù)據(jù)融合研究領(lǐng)域的各個(gè)方面進(jìn)行了簡要的闡述。數(shù)據(jù)融合是一個(gè)大范圍的研究課題。它雖然還沒有真正上升為一門理論,但它涉及到的眾多學(xué)科,分散的研究成果已構(gòu)成了一個(gè)龐大的文獻(xiàn)集合,我們不可能在這里一一加以詳
細(xì)介紹。本章所涉及的某些部分,不屬本書的重點(diǎn)研究范圍,讀者需查閱參考文獻(xiàn)才能進(jìn)一步澄清。在以后的各章中,本書將詳細(xì)討論對當(dāng)前和今后數(shù)據(jù)融合領(lǐng)域有重大影響的理論和方法。本章對數(shù)據(jù)融合研究領(lǐng)域的各個(gè)方面進(jìn)行了簡要的闡述。數(shù)據(jù)融第一章概論1.1數(shù)據(jù)融合的目的和應(yīng)用1.2數(shù)據(jù)融合的理論基礎(chǔ)1.3數(shù)據(jù)融合的實(shí)現(xiàn)技術(shù)1.4數(shù)據(jù)融合的研究現(xiàn)狀和如何推動(dòng)我國數(shù)據(jù)融合研究的進(jìn)展第一章概論1.1數(shù)據(jù)融合的目的和應(yīng)用 1.1數(shù)據(jù)融合的目的和應(yīng)用
現(xiàn)代戰(zhàn)略監(jiān)視和自主武器系統(tǒng)的性能及部署速度都要求開發(fā)全新的數(shù)據(jù)處理技術(shù)?,F(xiàn)代戰(zhàn)爭威脅的多樣化和復(fù)雜化導(dǎo)致對傳統(tǒng)的數(shù)據(jù)和信號處理系統(tǒng)提出了更高的要求。先進(jìn)的作戰(zhàn)管理系統(tǒng)在控制日益增多的復(fù)雜武器系統(tǒng)時(shí),必須從大量的可移動(dòng)的和活動(dòng)的傳感器臺站收集數(shù)據(jù)并加以融合。為了滿足實(shí)時(shí)防御系統(tǒng)的要求,需要對數(shù)據(jù)進(jìn)行迅速有效的處理,但傳統(tǒng)的數(shù)據(jù)處理常常做不到這一點(diǎn)。特別是,當(dāng)所需要檢測的目標(biāo)信號淹沒在大量噪聲及不相關(guān)信號與雜波中時(shí),應(yīng)用人工方法對微弱目標(biāo)信號進(jìn)行實(shí)時(shí)檢測和提取已不可能。因此,需要開發(fā)對多源信息進(jìn)行有效融合處理的新型理論和技術(shù)。
1.1數(shù)據(jù)融合的目的和應(yīng)用
現(xiàn)代戰(zhàn)略監(jiān)在未來戰(zhàn)爭中,電磁環(huán)境將異常復(fù)雜,無論是空戰(zhàn)、海戰(zhàn)還是陸戰(zhàn)以至于陸、海、空相結(jié)合的立體戰(zhàn)爭,都將日益依賴于各種傳感器設(shè)備。在實(shí)戰(zhàn)中,傳感器將受到各種欺騙和干擾,檢測目標(biāo)的數(shù)量日益增多,運(yùn)動(dòng)速度越來越快,而且多數(shù)目標(biāo)采用隱身技術(shù)和低空/超低空突防技術(shù),使傳感器難以捕獲和跟蹤。這種現(xiàn)狀使得數(shù)據(jù)融合(DataFusion)作為一種特殊的作戰(zhàn)手段已滲透到幾乎所有軍事部門和各個(gè)作戰(zhàn)領(lǐng)域,數(shù)據(jù)融合已不僅是高技術(shù)戰(zhàn)爭的先導(dǎo),而且貫穿于戰(zhàn)役的全過程,深刻地影響著戰(zhàn)爭的進(jìn)程和結(jié)局。在未來戰(zhàn)爭中,電磁環(huán)境將異常復(fù)雜,無論是空戰(zhàn)、海戰(zhàn)還是陸目前,要給出數(shù)據(jù)融合這門學(xué)科的一般概念是非常困難的,這種困難是由所研究的內(nèi)容的廣泛性和多樣性帶來的。自從海灣戰(zhàn)爭以來,致力于數(shù)據(jù)融合研究的人數(shù)和這一領(lǐng)域著作的數(shù)量都顯著地增加了。這門學(xué)科每年都在以大量的新成果豐富自己,獲得越來越多的內(nèi)容。目前,要給出數(shù)據(jù)融合這門學(xué)科的一般概念是非常困難的,這種已經(jīng)給出的數(shù)據(jù)融合概念的定義都是功能性的。美國國防部JDL(JointDirectorsofLaboratories)從軍事應(yīng)用的角度將數(shù)據(jù)融合定義為這樣的一種過程,即把來自許多傳感器和信息源的數(shù)據(jù)和信息加以聯(lián)合(Association)、相關(guān)(Correlation)和組合(Combination),以獲得精確的位置估計(jì)(PositionEstimation)和身份估計(jì)(IdentityEstimation),以及對戰(zhàn)場情況和威脅及其重要程度進(jìn)行適時(shí)的完整評價(jià)。這一定義基本上是對數(shù)據(jù)融合技術(shù)所期望達(dá)到的功能的描述,包括低層次上的位置和身份估計(jì),以及高層次上的態(tài)勢評估(SituationAssessment)和威脅估計(jì)(ThreatAssessment)。已經(jīng)給出的數(shù)據(jù)融合概念的定義都是功能性的。美國國防部JD
EdwardWaltz和JamesLlinas在文獻(xiàn)[2]中對上述定義進(jìn)行了補(bǔ)充和修改,用狀態(tài)估計(jì)代替位置估計(jì),并加上了檢測(Detection)功能,從而給出了如下定義:數(shù)據(jù)融合是一種多層次的、多方面的處理過程,這個(gè)過程是對多源數(shù)據(jù)進(jìn)行檢測、結(jié)合、相關(guān)、估計(jì)和組合以達(dá)到精確的狀態(tài)估計(jì)和身份估計(jì),以及完整、及時(shí)的態(tài)勢評估和威脅估計(jì)。EdwardWaltz和JamesLlinas在文獻(xiàn)[2關(guān)于數(shù)據(jù)融合研究的范圍現(xiàn)在尚無定論,以軍事應(yīng)用為目標(biāo)的數(shù)據(jù)融合技術(shù)也可用于工業(yè)和農(nóng)業(yè),諸如城市規(guī)劃,資源管理,氣候、作物及地質(zhì)分析等。因此,從人們在數(shù)據(jù)融合范圍內(nèi)所進(jìn)行的研究或活動(dòng)來看,數(shù)據(jù)融合可以廣義地概述為這樣的一種過程,即把來自多傳感器的數(shù)據(jù)和信息,根據(jù)既定的規(guī)則,分析、結(jié)合為一個(gè)全面的情報(bào),并在此基礎(chǔ)上為用戶提供需求信息,諸如:決策、任務(wù)、航跡(Track)等[3,4]。簡單地說,數(shù)據(jù)融合的基本目的就是通過組合,可以比從任何單個(gè)輸入數(shù)據(jù)元素獲得更多的信息。關(guān)于數(shù)據(jù)融合研究的范圍現(xiàn)在尚無定論,以軍事應(yīng)用為目標(biāo)的數(shù)數(shù)據(jù)融合系統(tǒng)的開發(fā)受現(xiàn)代戰(zhàn)爭需求的驅(qū)動(dòng)。現(xiàn)代戰(zhàn)爭的許多因素要求及時(shí)地提供精確、易于理解的信息來取代大量的原始信息。因此,模擬人的思維方式,提高處理速度、容量或
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024購銷合同錦集
- 2024鋼筋采購合同范本
- 2025年度離婚后房產(chǎn)共有權(quán)處理協(xié)議3篇
- 2024消防整改工程環(huán)保合規(guī)性審查及整改協(xié)議3篇
- 2024年高端餐飲經(jīng)營管理轉(zhuǎn)讓合同
- 2025年度生態(tài)農(nóng)業(yè)園區(qū)草坪除草與農(nóng)產(chǎn)品質(zhì)量安全合同3篇
- 2025年度綠色建筑節(jié)能改造補(bǔ)充施工合同范本3篇
- 2024年高端醫(yī)療服務(wù)合同的服務(wù)內(nèi)容
- 2025年度智慧能源管理系統(tǒng)承包經(jīng)營合同范本3篇
- 2024年高校畢業(yè)生就業(yè)協(xié)議
- 《Photoshop CC 2018圖像處理案例教程》中職全套教學(xué)課件
- 糧油采購 投標(biāo)方案(技術(shù)方案)
- 機(jī)械設(shè)計(jì)作業(yè)集
- 人民防空工程面積 計(jì)算規(guī)則
- 2024屆高考復(fù)習(xí)新課標(biāo)詞匯3000詞總表素材
- DL/T 5352-2018 高壓配電裝置設(shè)計(jì)規(guī)范
- 浙江省杭州市西湖區(qū)2022-2023學(xué)年七年級上學(xué)期數(shù)學(xué)期末模擬試卷
- 醫(yī)院消防應(yīng)急預(yù)案演練腳本大全(17篇)
- MOOC 無機(jī)及分析化學(xué)(下)-華中農(nóng)業(yè)大學(xué) 中國大學(xué)慕課答案
- 食品安全管理員理論考試題庫(濃縮300題)
- 員工工作狀態(tài)分析
評論
0/150
提交評論