基于变精度粗集证据加权的电子目标识别方法.pdf

《基于变精度粗集证据加权的电子目标识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、信号与信息处理doi：10．3969／j．issn．1003—3106．2015．04．09引用格式：陈婷，陈卫，郭凯．基于变精度粗集证据加权的电子目标识别方法[J]．无线电工程，2015，45(4)：32-35，80基于变精度粗集证据加权的电子目标识别方法陈婷，陈卫，郭凯(陆军军官学院无人机教研室，安徽合肥230031)摘要为了对电子目标进行准确识别，一般采取多传感器融合的D—S证据理论方法。但是由于传统的D—s证据理论中各传感器对识别结果的重要性没有区分，造成识别结果不准确。变精度粗集模型是粗集模型的扩展，它允许一定程度错误分类率的存在，更符合实际数据的情况，将变精度粗集理论属性重要度概

2、念应用到各传感器的重要性上，从而实现加权融合的证据理论。仿真结果表明，该方法对电子目标识别有效，尤其在传感器受到干扰时，识别结果更加可靠。关键词电子目标识别；变精度粗集；证据理论；属性重要度；基本概率赋值中图分类号TP181文献标识码A文章编号1003—3106(2015)04-0032-04AnElectronicTargetRecognitionMethodofEvidenceWeightBasedonVPRSMCHENTing．CHENWei．GUOKai(UAVTeachingandResearchSection，ArmyOfficerAcademyofP，HefeiAnhui230

3、031，China)AbstractInordertorecognizetheelectronictargetscorrectly，D—Sevidencetheoryofmulti—sensorsamalgamationisusuallyappliedtoprocesstheseproblems．ButbecausetheimportanceofeverysensortorecognitionresultisnotdistinguishedintraditionalD—Sevidencetheory，SOtherecognitionresultisnotexactlycorrect．Vari

4、ablePrecisionRoughSetModel(VPRSM)istheextensionofRoughSetModel(RSM)，whichallowswrongsortrateinsomeextent，SOitismoreappropriatefortherealdata．Theattributeimportanceofvariableprecisionroughsetmodelisappliedtoseteverysensor’Sweighttorecognitionresult，andthentheweightedamalgamationevidencetheoryisreali

5、zed．Simulationexperimentresultsshowthatthisnewmethodisefectiveinelectronictargetrecognition，especiallywhensomesensorisinterfered，therecognitionresultismorereliable．Keywordselectronictargetrecognition；VPRSM；evidencetheory；attributeimportance；basicprobabilityassignment从客观数据出发得到属性重要性，又利用D—s理论0引言推理特性得到

6、融合识别结果，两者相结合的方法更电子目标综合识别是信息融合技术在目标识别具优越性。领域的应用范例，它是将关于目标属性的多传感器1基本理论的数据进行有机合成，在多传感器信息融合系统中，D．S证据理论是最常用的方法¨。1．1变精度粗集传统的D—s融合算法对来自不同传感器(信息变精度粗集模型是Pawlak粗集模型的一个扩源)的数据直接进行融合，而实际上来自不同传感展，是在基本粗集模型的基础上引入误差参数(0器的数据，其可靠性和精度都不同，对于融合的重要≤≤0．5)，即允许一定程度放入错误分类率的存性也不同，尤其是异类传感器数据融合。在，这样就更符合实际数据的情况。Ziarko提出的可变精度粗集模型

7、(VariablePrecision定义1：设和y分别表示论域U中的非空子RoughSetModel，VPRSM)是在粗集(RoughSet，RS)模型的基础上发展而来，利用变精度粗集的属性重集，令要性度量可以分配给各个证据作为相对权重’。c(，y)=f。。d‘xny／。d‘x’ca。r，d(X)>：0。。(1)本文利用VPRSM的特点，结合证据推理在处理主观判断问题以及不确定知识合成方面的优势，式中，C(，