英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料
以知识为基础的雷达目标识别研究
摘要:由于样本的无限维度和在雷达目标识别中应用程序环境的复杂性,利用知识成为一个很有前景的解决方案。在本文中,我们提出一个以知识为基础(KB)的雷达目标识别方法。首先给出了识别模型，并对算法进行了详细的解释，识别地面装甲和车辆的结果证明KB技术提供了显著提高雷达目标识别的性能的希望。
1.引言
雷达是目标检测和监测的最重要的工具之一，随着雷达设备和信息处理技术的发展,唯一的检测和跟踪功能不能完全满足现代战场信息系统的需求。因此,使用额外获得的信息来推断目标的类型及其属性已经成为现代雷达的一个重要的和不可或缺的功能。雷达的工作状态、目标和周围环境是雷达目标识别的关键元素。然而,无限维样本空间映射到有限的目标类别中是非常困难。
基于目标和环境先验信息的信号和数据处理技术在目标检测和跟踪等方面有广泛的应用。因为目标始终是在特定的环境中，它必然会受到环境的影响和制约，从而为目标和环境之间提供一些相关信息。这种相关的信息被称为知识。知识是由相关信息来源和该领域的专家共同提供的。一般来说,信息来源提供目标的属性的描述，而具体领域的专家给出基于先验知识的标准。图1演示了一个基于知识应用的简单的例子，使用先验信息，在路上的目标可以促进得出的结论,即它更有可能是一辆车而不是一个装甲,因为后者通常停泊在附近的丛林中获得庇护。另一个应用则是合成孔径雷达图像处理。基于雷达站通常位于山顶的可视化的范围的知识，我们可以大致可以根据图像场景提供的地形信息估计雷达站的可能位置。
图1 基于知识的目标识别的例子
在本文中,我们提出一个新颖的方法,为基于知识的雷达识别,提高目标识别的可靠性和效率。基于知识的识别采用额外的知识，被可信度模型量化并且在结合分别由经典目标识别和知识模块提供的可能性概率和先验概率的基础上判断目标种类。最终,基于知识的雷达目标识别模型是一种人工智能技术并且知识库系统的目标是使雷达目标识别系统等智能设备能够适应不断变化的环境。
本文剩下的内容结构为：第二部分定义了基于知识的雷达目标识别模型，第三部分描述了基于知识和可信度方法的单片机，仿真结果和分析在第四部分呈现，最终第五部分总结了整篇文章。
2.以知识为基础的雷达目标识别
在本节中,我们首先要详细介绍的是知识的概念,然后给出以知识为基础的雷达目标识别模型。
A知识的描述
在世界的认知过程中,人们倾向于建立各种信息之间的关系,这些关系在长期实践中积累成知识。
知识反映了目标和环境之间相互依存,它由四个部分组成:描述对象,相互依赖的事实,相互依存和它的可信度。在雷达目标识别中,描述对象指的是目标，相互依赖的事实是相关的信息来源所提供的环境信息。相关性包括前提下,如方向和坐标,而可信度反映了该领域的专家的信心程度。
目前,许多对于不确定的知识处理技术,比如可信度方法,贝叶斯方法,证据理论和模糊方法,已经提出。其中,可信度方法,该方法采用可信度因子表达不确定性,在目标识别中为知识的应用程序提供了一种新颖的方法。
B以知识为基础的雷达目标识别系统
经典的雷达目标识别系统一般由三个子模块:预处理模块、特征抽取模块和识别模块。其中,预处理主要执行数据压缩和分析,有助于后续的特征抽取和识别。它占据了大部分的计算资源。识别模块是根据前面得到的特征向量和特征模板使用最小距离准则区别目标。上述过程可以表示如下:
计数：
- 特征抽取提供的特征
- 转换函数
- 目标模版的特点
- ：目标种类的数量
然后，目标的判别式可以写成：
（1）
根据贝叶斯公式,，我们可以得到
（2）
这实际上是在所有类别的先验概率是相同的约束下的一个最大后验概率方法。因为相关的环境信息和特定领域的专家可以提供与某些在特定知识、先验概率可靠性不再是相同的的标准。
因此,我们提出一个基于知识的目标识别模型,如图2所示。基本过程是:把经典的目标识别和知识模块分别提供的可能性概率和先验概率结合起来，我们可以得到所有目标种类的后验概率，然后基于最大后验概率准则作出判断。
图2基于知识的框图
3.知识处理算法
在本节中,我们描述基于可信度的方法知识处理的过程。
A可信度方法
可信度方法是由Shortliffe提出的方法一种不确定推理方法。它来源于确定性理论和概率理论的结合,并且在著名的专家系统MYCIN有一个的成功应用。在本文中,我们使用信誉作为知识处理的模型,因为它很简单和直观。
在可信度方法中,知识按照产生式表达规则描述如下：
如果E，那么H
E是知识的前提，这可以是一个简单的条件或由一系列简单条件交叉或联合构成的组合条件。它代表了的知识中目标和环境之间的依赖关系。H是结论，即目标类别。CF（H,E）是确定性因素（CF），这表明了指示的可信度，区间是[-1，1]。CF（H,E）定义为：
（3）
上式中，信任增长度（MB）表明增加可信度。当前提E存在时结论H 是正确的。然而不增长度有相反的意思，表明不信任的增加。CF(H,E)是由特定领域的专家直接给出的。最基本的原则是：当可信度增加CF(H,E)为正，意味着H是正确的，否则是负的，CF(E)及证据的可信度E，范围从-1到1，它表明观察到支持证据的事实的程度。
据上面的定义,得出的结论的可信度受到初步证据知识的影响，可以被计算为 （4）
从这个公式我们可以看出,当在一定程度上观察到的事实违反证据,例如CF(E)lt; 0,知识不起作用。如果两中知识生成同样的结论，那么结论的综合可信度可以可遵循如下的组和算法：
1)计算每一块知识的可信度
2)计算综合信誉CF(H)使用
（5）
B知识处理模块
专家提供的相关的信息来源和知识统称为外部信息，基于外部信息对识别结果的影响，我们可以得到：
1）CF(H)gt;0,如果外部信息支持结论H
2）CF(H)lt;0,如果外部信息不支持结论H
3）CF(H)=0,不成立
因此,特定的目标类别的先验概率可以计算如下:
- 反复地计算综合的信誉CFS（Hi）在公式（5）以例1为基础中支持结论
- 反复地计算综合的信誉CFS（Hi）在公式（5）中以例3为基础不支持结论
- 计算共同的信誉CF(Hi)在在公式（5）中以例3为基础
- 映射可信度使用传递函数F，因为他们在不同的时间间隔
（6）
上式中F需要满足F（-1）=0，F（1）=1并且 满足单调递增的性质
规范所有由外部信息引入的目标类别的先验概率，我们会得到先验概率Hi
（7）
函数F应该按照具体要求进行。当一个概率密度函数的分布是未知的,一般的假设是,服从标准正态分布,然后相应的概率分布函数表示如下：
(8)
上式中
(9)
转换X为，那么F被表示为：
(10)
通过公式10，可以得到先验概率，最终，计算产品的先天和似然概率最高的后验概率,并选择最高的Hi后验概率作为我们的判断。
4.仿真分析
图3显示了仿真场景。我们的目的是通过使用不同的目标高分辨率等概要文件(HRRP)识别两个目标。使用HRRP目标探测和识别后,我们得到了HRRP的装甲(左)在森林的边缘和公园的车辆(右)。把图像的马尔可夫随机场(MRF)模型分割算法,然后通过使用参考[5]中描述的算法,我们提取特征,具有更好的分割性能:(1)长宽比,(2)第一时刻,(3）二次矩,(4)平均距离。相应的值 如表所示
图3仿真图
表1装甲和车辆的特点
|
特点 |
装甲 |
车辆 |
|
纵横比 |
268510 |
279762 |
|
第一时刻 |
0.00282 |
0.00261 |
|
第二时刻 |
0.000004675 |
0.00000461 |
|
平均距离 |
8.00728 |
8.91958 |
从表1中我们可以看到,装甲和车辆的特征值非常接近。在我们的模拟中,我们使用Camberra距离作为距离测量(各特征的权重设置是一样的)。作为获得匹配度的可能性概率,然后我们获得：
直接基于上面的似然概率,我们将进入一个错误的结论,目标是一个装甲。相反,如果考虑的特定背景,我们将获得不同的结果。考虑装甲集群通常是附近的树林里住段时间而车辆更可能出现在路上,我们可以确定装甲的可信度和车辆在一个特定的环境。因为目标是在路上,我们假设CF(车辆)= 0.5,CF(装甲)= -0.3。信誉转化为先验概率是基于第三章描述的基础上。
计算后验概率乘以先验概率和似然概率,我们得到
根据最大后验概率准则,我们可以判断目标实际上是一个车。因此,知识的使用有效地提高了识别的可靠性。也注意到,在雷达目标识别中,知识是不限于目标之间的依赖关系和他们的地形信息,它是一个开集,包含所有专家的知识包括目标本身和环境的关系。
5.结论
在本文中,我们提出了一个新颖的基于知识的雷达目标识别技术,并结合经典的目标识别与基于可信度的一个知识模块。仿真结果表明,该算法可以显著提高目标识别的可靠性和效率。
参考文献
- S. Haykin,“Cognitive radar: A way of the future”, IEEE Signal Processing Mag,2006,23(1):30-40.
- M.C.Wicks, “Radar the next generation-sensors as robots,” in Proc.2003 Int. Radar Conf.,3-5 Sept.2003,pp.8-14.
- V.C. Vannicola and J.A. Mineo, “Applications of knowledge-based systems to surveillance,” in Proc. 1998 IEEE Nat. Radar Conf., Apr. 1988,pp.157-164.
- R. Joseph, Cognitive Radar The Knowledge-Aided Fully Adaptive Approach.Boston: Artech House Press,2010, pp.113-155.
- S. Haykin, “Radar vision,” in Proc. 2nd Int. Specialist Seminar Design Application Parallel Didital Processors, Apr.1991,pp.75-78.
- Y. Wang, The Principle and Methodology of Artificial Intelligence.Xirsquo;an: Xirsquo;an Jiaotong University Press,1998, pp.178-214.
- J. X. Sun, Modern pattern recognition.Changsha: National University of Defense Technology Press,2002,pp.555-604.
-
V. G. Nebabin, Methods and Techn
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[30206]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
