基于灰度关联的多传感器融合目标识别方法

引 言

目标识别的基本任务就是利用样本的特征和目标库中已知目标的特征的比较，将待识别样本划分为相应的目标类型。目标识别技术是军用指挥自动化系统的关键技术之一，一直是该领域的研究重点和热点。目标识别中的主要困难在于提取稳健的能分离的目标特征，而特征既是目标尺寸和传感器设计等的函数又与传感器所处的环境特性有关。一方面，不同的传感器有不同的特征；另一方面，采用不同的处理方式时，所采用的特征也不同。由于特征的稳健与传感器的性能有关，因而，当传感器性能降低时，目标识别性能也随之降低。由于传感器的性能受工作条件的限制，因此，单个传感器的目标识别是有限的。为了得到稳健的目标识别，有效的途径之一是使用多传感器系统。

灰色系统理论依靠信息覆盖去描述、分析、综合、处理信息不完全、不确定的灰对象。灰色关联分析通过计算比较序列和参考序列的关联度，对关联度进行排序，得到比较序列的类别。

本文提出灰度关联的多传感器融合目标识别方法，首先，阐述利用灰色理论进行目标识别的原理，即建立目标类型的参数模板，计算待识别目标的灰关联系数和灰关联度，利用灰关联度的排序得到目标在时域上的识别结果，最后，利用各传感器灰关联度矩阵的范数得到多传感器信息融合的识别结果。在一个自动目标识别系统中验证了该方法的有效性。

1 单传感器灰色识别原理

设目标库X中有m个目标，每个目标有n个属性。记xi=(xi(1)，xi(2)，…，xi(n))，xi(i=1，2，…，m)表示第i个目标，xi(k)(k=1，2，…，n)表示第i个目标的第k个属性。在灰色关联分析理论中，目标库中的每一个目标xi称为比较序列。传感器收到的待识别的目标记为x0，称为参考序列，x0=(x0(1)，x0(2)，…，x0(n))。

1.1 数据的标准化

为了消除原始数据的量纲使其具有可比性，保证系统分析结果的正确性，对收集来的数据必须进行数据变换。这里，采用初值变换

1.2 灰关联系数计算

1.3 灰关联度计算

x0对xi的灰关联度r(x0，xi)是序列几何距离的一种度量，反映了待识别目标与第i个目标的相似程度。

1.4 目标识别准则

基于灰关联分析的识别原理为计算待识别目标与目标库中各目标的灰关联度，按照灰色系统分辨原理，对关联度进行排序，若，则判断认为目标的类型为i0所对应的目标类型。

2 多传感器融合灰色识别原理

设有N个传感器在同一时间内对同一个目标进行监测,第j个传感器收到的待识别目标信息记为x0j=(x0j(1)，x0j(2)，…，x0j(n))，多传感器灰色识别融合原理可叙述如下：

对j=1，2，…，N，有：

1) 据式(1)计算第j个传感器收到的待识别目标的第k个指标与目标库中r(x0j(k)，xi(k))；

2) 据式(1)计算r(x0，xi)(i=1，2，…，m)，得向量rj=(r(x0j，xi)1×m；

3) 设第j个传感器的权重为λj，rji=r(x0j，xi)求矩阵R=(rji)N×m的加权1范数
，则断定多传感器融合识别的结果为目标属于第i0类。

3 多传感器融合目标识别的应用

根据不同目标类型在空中飞行时地面防空系统雷达所能探测的指标和雷达系统校飞中所采用的指标，选取空中飞行器的速度v、高度H、机动能力a(加速度)、雷达波形大小P1、雷达回波强弱P2这5项指标，建立目标类型的参数模板。设有2个传感器在同一时刻对同一目标进行观察，观测值如表1所示。

将各传感器的观测数据作为参考序列，各机型参数作为比较序列，对各参数值进行初值化处理，得到无量纲序列表2。

由上表计算绝对差，取分辨系数ρ=0.5，各指标的权重相同，由式(1)计算灰关联系数，由式(2)计算灰关联度得r1=(0.969 0，0.926 9，0.866 3，0.952 3)，r2=(0.974 0，0.9303，0.8663，0.9493)，灰关联度矩阵为

由单传感器识别原理，可判定传感器1和传感器2观测到的目标为战略轰炸机，但由于传感器1的灰关联度中，最大值和次大值之间仅差0.01左右，所以，由传感器1判定为战略轰炸机的可信度并不高，现设传感器2的观测精度高，取其权重为2／3，传感器l的权重为1／3，由多传感器融合识别原理，计算矩阵R的列加权和得Rc=(0.972 0，0.9292，0.8663，0.9503)，故R的加权1范数为‖R‖1=R1=0.972，即多传感器融合识别的结果为战略轰炸机。

4 结论

本文在目标库中各目标的指标参数确定的前提下，提出了一种多传感器融合的灰色目标识别方法，该方法在单传感器灰色识别的基础上，利用范数理论，给出了合理的多传感器融合识别的结果，具有计算量小、容易实现、结果可信的特点，是一种有效的多传感器融合识别方法。在实际应用中，如何动态地确定目标库中各目标的参数是有待研究的问题。