基于多源信息融合识别的态势评估算法研究.pdfVIP

摘要

摘要

在现代防空领域，目标识别与目标意图识别是影响指挥决策快速、有效的关

键环节。对于目标类型以及意图的识别直接影响到防空力量的部署、分配和有效

打击，从而作用于整个空域态势。同时伴随着传感器采集到的海量数据，指挥工

作也变得愈发复杂和具有挑战性。因此，本文基于多源信息融合技术对目标识别

和目标意图识别展开更加深入的研究，以简化目标空域态势，减轻防空指挥过程

中的压力。

本文的主要研究内容如下：

1、研究了目标识别技术中基于特征选择的决策树算法以及D-S证据理论，并

陈述了其优缺点。综合决策树在处理小规模数据量时准确率高、速度快、可解释性

强的优点，以及D-S证据理论在处理最终决策问题上经典的地位，提出了一种以

决策树算法得到基本概率赋值，以D-S证据理论为最终决策方法的目标识别模型。

2、针对经典决策树算法只能处理具有离散属性且完整的数据，不能处理连续

或具有缺失属性样本的问题，本文提出了一种基于选择最大增益率特征作为分裂

属性的C4.5决策树算法，通过仿真比较C4.5算法比其他决策树算法生成树的结

构简单且准确率高。对于D-S证据理论无法解决证据严重冲突的缺点，本文通过

分析认为冲突在于证据源而非证据规则，因此提出一种基于夹角余弦和兰氏距离

改进的D-S证据融合方法，实验结果表明该方法较好地解决了证据冲突的问题。

3、对于态势评估中的意图识别问题，本文重点研究了动态贝叶斯网络与循环

神经网络算法。针对两种算法的优缺点，提出一种基于门控循环单元的态势评估

模型。相较于动态贝叶斯算法，该算法能够从数据中挖掘出更多隐藏的信息且不

依赖于专家知识，具有较强的客观性。相较于循环神经网络的其他变种算法，该

算法结构比较简单，运行速度快，且预测准确率不输于其他算法。

关键词：目标识别，C4.5决策树，D-S证据理论，目标意图识别，门控循环单元

I

ABSTRACT

ABSTRACT

Inthefieldofmodernairdefense,targetidentificationandtargetintentidentification

arethekeylinksthataffecttherapidandeffectivecommanddecision-making.Theidenti-

ficationoftargettypeandintentdirectlyaffectsthedeployment,distributionandeffective

strikesofairdefenseforces,whichinturnaffectstheentireairspaceposture.Atthesame

time,withthehugeamountofdatacollectedbysensors,thecommandworkbecomes

moreandmorecomplexandchallenging.Therefore,thispapercarriesoutamorein-

depthresearchontargetidentificationandtargetintentrecognitionbasedonmulti-source

informationfusiontechnology,inordertosimplifythetargetairspacepostureandreduce

thepressureintheairdefensecommandprocess.

Themainresearchcontentofthispaperisasfollows:

1,thedecisiontreealgorithmrealizedbyattributeselectionandtheD-Sevidencethe-

oryintargetidentificationtechnologyarestudied,andtheiradvantagesanddisadvantages

arestated.Bysynthesi