赵 照,吴晓锋

(闽南师范大学数学与统计学院,福建 漳州 363000)

自20世纪70年代起,多传感器信息融合技术迅速地发展起来,并且在军事和民生诸多领域得到广泛应用。根据被融合信息的属性,文献[1]将信息融合划分为数据级、特征级和决策级融合。文献[2]则将信息融合分为位置估计与目标身份识别、态势估计、威胁估计等三级。文献[3]在此基础上进一步细分了信息融合功能模型,把信息融合划分为检测级融合、位置级融合、目标识别级融合、态势估计、威胁估计以及精细处理,由此对信息融合过程做了更清晰的划分,为人们研究信息融合提供了便利。

在信息融合功能模型中,目标识别级信息融合是指对来自多个传感器的目标身份识别信息进行综合,以得到对目标身份的联合估计[4]。这些目标身份按照论域的不同,划分也不同。比如空中的战斗机、轰炸机、预警机,海上的航母、驱逐舰、护卫舰等。联合估计的目的：一是得到高质量的目标识别结果,如更完整、精确的目标身份估计[5];二是多个传感器平台之间达成一致的目标身份判断,这在自主执行任务的多机器人、协同行动的多作战平台等实际应用中尤为重要[6-7]。且目标识别级融合的传感器是可以独立识别出目标可能的身份,比如有雷达、光电、声呐等传感器。

关于目标识别的信息融合,目前有基于D-S证据理论[8-11]、基于DSmT方法[12-14]、基于贝叶斯准则[15-16]、基于贝叶斯网络[17]、基于模糊综合方法[18-19]、基于Vague集方法[20,21]、基于粗糙集理论[22]、基于决策模板[23,24]、基于属性测度[25-27]等算法。……