李思奇

（中国电子科技集团公司第十研究所 成都 610036）

1 引言

现代高科技战争中，目标属性身份及时准确地辨识［1］，是拨开战争迷雾、赢得制胜先机的重要因素之一。但由于战场侦察监视过程中，面临目标种类繁多、欺骗干扰等复杂对抗环境［2］，使得侦测的信息不确定、不完备，仅依靠某一时刻或单一来源的测量特征参数辨识，会导致目标属性辨识结果可靠性差、辨识正确率低。因此，基于时序、多源的信息融合辨识［3］是有效提升目标属性辨识能力的主要技术途径之一。

目标属性辨识是指利用多源多特征侦测信息的融合处理，对目标身份属性（如国别、敌我、型号等）进行融合判证，是一种不确定性命题的概率统计推理。其中，经典Dempster-Shafer（简称D-S）证据理论［4］，是在目标属性辨识［5～6］和故障诊断［7］等多个领域中被广泛运用的算法［8］，当证据间存在相关性［9～10］时，可获得理想的合成结果。然而，在目标融合辨识系统中，由于敌方目标的欺骗或干扰、侦测手段自身缺陷以及测量噪声等因素影响，证据辨识框架中基本概率函数建模可能会不精确，将直接导致传统合成规则的冲突［11～13］产生，此时采用经典D-S 证据理论对信息进行处理，往往无法有效合成。针对弱相关或不相关证据情况，目前大多采用时序证据的加窗累积［14］、多源信息的加权融合［15～16］等处理方法，具有一定的证据合成效果，但在一些特殊情况下也存在些不足。

本文针对经典D-S 证据理论合成规则不能有效处理冲突悖……