王苗苗，王　玲，郝永平

(沈陽理工大學(xué) 兵器科學(xué)技術(shù)研究中心，遼寧 沈陽 110159)

?

基于智能雷場的多傳感器數(shù)據(jù)融合

王苗苗，王玲，郝永平

(沈陽理工大學(xué) 兵器科學(xué)技術(shù)研究中心，遼寧 沈陽 110159)

摘要：在多傳感器數(shù)據(jù)融合算法中，多屬性決策在事先確定好的有限數(shù)目備選方案中用于偏好決策.多屬性決策中使用的因素權(quán)值通常都是固定的，無法反應(yīng)真實情況從而影響數(shù)據(jù)融合效果.為了解決這一問題,將多屬性決策和變權(quán)理論相結(jié)合用于威脅評估.實驗表明,與使用多屬性決策相比，該方法有效地發(fā)揮了多屬性決策和變權(quán)理論各自的優(yōu)越性，所得結(jié)果準(zhǔn)確地反映了目標(biāo)真實的威脅程度.給智能雷場作戰(zhàn)指揮決策提供了一個更為科學(xué)合理的理論方法.

關(guān)鍵詞：數(shù)據(jù)融合；多屬性決策；變權(quán)理論

多傳感器數(shù)據(jù)融合是在20世紀(jì)70年代提出的，軍事應(yīng)用是該技術(shù)誕生的源泉.從上個世紀(jì)的中后期開始，微電子技術(shù)、網(wǎng)絡(luò)相關(guān)技術(shù)、計算機以及傳感器等技術(shù)得到了迅速發(fā)展，世界范圍內(nèi)軍事戰(zhàn)爭的根本特征也發(fā)生了十分巨大的變化，以網(wǎng)絡(luò)戰(zhàn)和信息戰(zhàn)為主的現(xiàn)代化戰(zhàn)爭模式逐步形成.在該模式下，傳感器的數(shù)量和傳感器的種類都不斷增加，在時域、頻域和空域范圍內(nèi)探測的覆蓋能力得到了擴展.此外，網(wǎng)絡(luò)技術(shù)以及無線通信技術(shù)的快速發(fā)展和廣泛應(yīng)用使戰(zhàn)場的觸角不斷地延伸，形成了立體化的多維現(xiàn)代高技術(shù)戰(zhàn)場.根據(jù)梅特卡夫法則的評估結(jié)果，現(xiàn)代戰(zhàn)爭的聯(lián)網(wǎng)化作戰(zhàn)平臺的戰(zhàn)斗力呈現(xiàn)指數(shù)增長趨勢.聯(lián)網(wǎng)作戰(zhàn)的平臺，不再僅僅是戰(zhàn)術(shù)信息簡單的共享及傳輸，而是多個傳感器檢測結(jié)果以及多源信息的傳遞.這些都要求對多源的數(shù)據(jù)進行融合處理，以便形成對目標(biāo)或者事件的精確報告，并且得出戰(zhàn)場態(tài)勢及戰(zhàn)場威脅的精確實時性評估.多傳感器的數(shù)據(jù)融合技術(shù)如今已成為現(xiàn)代化高科技型戰(zhàn)爭不能缺少的重要技術(shù)之一.

本文將深度學(xué)習(xí)技術(shù)引入多傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法的設(shè)計中，將多屬性決策和變權(quán)理論相結(jié)合作為對數(shù)據(jù)融合過程的威脅評估.該方法首先采用多屬性決策中AHP法得到多傳感器重要性的標(biāo)度矩陣，接著利用變權(quán)理論得到傳感器的權(quán)重值，最后將AHP和變權(quán)理論作為一個整體，有效克服了多屬性決策方法的缺點，使得該方法具有更強的實用性.

1多屬性決策與變權(quán)理論

多屬性決策法的基本思想是[1]：首先選取影響威脅估計的屬性因素，例如，在地雷作戰(zhàn)的目標(biāo)威脅估計中，敵我雙方均相互保密，作為防守方只能根據(jù)探測、跟蹤裝置獲得的目標(biāo)信息和平時掌握的敵方信息進行判斷；然后確定各個屬性因素的權(quán)重，這里各屬性的權(quán)值反映了屬性的相對重要性；最后進行威脅估計的決策.決策方法就是根據(jù)決策矩陣及偏好信息，在方案集上建立一個測度，據(jù)此測度對方案排序.不過多屬性決策中使用的因素權(quán)重通常都是固定的，如果某項因素的權(quán)重較小，但該項因素估計值處于邊緣狀態(tài)卻起重要作用時，各因素最終估計結(jié)果往往無法反映真實情況.

變權(quán)理論的基本思想是將權(quán)值定義為各因素組態(tài)的函數(shù)，使該函數(shù)的單調(diào)變化特性和實際情況相一致.顯然，能否合理利用變權(quán)原理，關(guān)鍵在于構(gòu)造合理的狀態(tài)變權(quán)化均衡函數(shù)，這需要一定的經(jīng)驗，根據(jù)結(jié)果反復(fù)調(diào)整相應(yīng)的參數(shù).

2多屬性決策中AHP法與變權(quán)理論的基本

步驟

層次分析法即解析遞階過程(Analytic Hierarchy Process),簡稱AHP法,是美國運籌學(xué)家薩蒂(T L Saaty)于20世紀(jì)70年代提出的一種定性與定量分析相結(jié)合的多目標(biāo)決策分析方法.層次分析法的主要思想是[2]：首先，分析系統(tǒng)各因素之間的關(guān)系，建立系統(tǒng)的遞階層次結(jié)構(gòu)；其次，對同層次各因素的權(quán)重(即重要程度)進行兩兩比較，構(gòu)造兩兩比較矩陣；然后，由判斷矩陣計算被比較元素對于該準(zhǔn)則的相對權(quán)重，并進行判斷矩陣的一致性檢驗；最后，計算各層元素對系統(tǒng)總目標(biāo)的組合權(quán)重，并進行排序，得到各方案對于總目標(biāo)的總排序.它通常包括下列幾個步驟：

步驟1：遞階層次結(jié)構(gòu)的建立

應(yīng)用AHP法進行決策分析時，需要首先將問題條理化、層次化、構(gòu)造一個層次分析的結(jié)構(gòu)模型.

步驟2：構(gòu)造兩兩比較矩陣

遞階層次建立后，上下層次之間元素的隸屬關(guān)系就被確定了.假定準(zhǔn)則元素D所支配的下一層次元素為E1,E2,…,En.針對準(zhǔn)則D,決策者比較任意兩個元素Ei，Ej的重要性，并按照表1中的標(biāo)度對重要程度進行賦值，形成兩兩比較矩陣，即：

A=(ai j)n×n

式中：ai j表示元素Ei與Ej相對于D的重要程度.

表1　重要性標(biāo)度表

步驟3：計算元素相對權(quán)重

在獲得矩陣A后，可根據(jù)A求出E1,E2,…En對于準(zhǔn)則元素D的相對權(quán)向量w=(w1,w2,…,wn)T,并進行一致性檢驗.同層次單權(quán)重表示層次諸因素間對上層次某單因素的相對重要性，同時，它又是計算某層次諸因素相對于總目標(biāo)組合權(quán)重的基礎(chǔ).可以按某一準(zhǔn)則，對該層次的因素進行一對一的比較，并按表1所示的標(biāo)度構(gòu)造出判斷矩陣.通過計算判斷矩陣的最大特征根及其對應(yīng)的正交化特征向量，得出該層次因素對于該準(zhǔn)則的權(quán)重.

3結(jié)合算法的應(yīng)用

基于威脅估計中的多屬性決策模型，將層次分析法和變權(quán)理論結(jié)合起來用于威脅評估[3]，可以有效地發(fā)揮層次分析法和變權(quán)理論各自的優(yōu)越性，為作戰(zhàn)指揮決策提供更為科學(xué)合理的理論方法.

3.1確定目標(biāo)威脅等級評判所需的特征集

以地雷作戰(zhàn)系統(tǒng)的具體應(yīng)用背景為例，評估威脅等級的特征參量包括目標(biāo)距我方距離威脅、目標(biāo)速度威脅、目標(biāo)加速度威脅、目標(biāo)進攻角威脅.四項因素構(gòu)成威脅等級評判所需的特征集可以較全面地描述空中目標(biāo)的威脅程度.該系統(tǒng)的威脅等級評判所需的特征集為：Y={目標(biāo)距我方距離威脅,目標(biāo)速度威脅,目標(biāo)加速度威脅，目標(biāo)進攻角威脅}.

3.2求出任一特征參量Y

針對不同類型目標(biāo)A的威脅屬性值，對威脅程度進行量化.由于威脅程度的等級沒有明確的界限，具有模糊性，因此可用模糊數(shù)學(xué)的方法對其進行定量化描述.任一特征參量Y針對不同類型目標(biāo)A的威脅屬性由模糊集表示，威脅屬性值由隸屬函數(shù)刻畫.在地雷作戰(zhàn)系統(tǒng)中，距離威脅隸屬函數(shù)可選定為分級降半梯形分布，其函數(shù)形式為[4]：

(1)

d1=5 m,d2=9 m,d3=14 m

速度威脅隸屬函數(shù)[4]為：

(2)

加速度威脅隸屬函數(shù)為：

(3)

進攻角威脅隸屬函數(shù)為:

uAi(a)=e-3.5a2

(4)

故可以獲得目標(biāo)的威脅屬性向量

UAi=[uAi(d),uAi(s),uAi(s′),uAi(a)]

3.3不同特征參量

在目標(biāo)威脅等級中的加權(quán)因子的確定,并由此組成加權(quán)向量.不同特征參量在目標(biāo)威脅等級評判過程中存在客觀差別，彌補這些差別的方法是規(guī)定不同特征參量威脅等級的加權(quán)因子，以加權(quán)因子體現(xiàn)不同特征參量的目標(biāo)威脅等級的差別.在不同的戰(zhàn)場環(huán)境中，以上威脅估計的評價要素在綜合評判中加權(quán)因子可能有所變化，而不能等同考慮，這依賴于軍事領(lǐng)域?qū)＜业南闰炛R對此給出解釋和說明.

4實例分析

假設(shè)有三個目標(biāo)，它們距雷場的威脅參數(shù)如表2所示.

表2

首先用層次分析法求解目標(biāo)威脅等級的加權(quán)因子，由先驗知識獲得判斷矩陣

由矩陣A可知系統(tǒng)的加權(quán)向量為：

W=(0.15,0.63,0.42,0.56)T

由威脅函數(shù)得到的威脅屬性向量為：

UA1=(1,0,0,0.37)

UA2=(0.95,1,0.5,0.00 174)

UA4=(0.8,1,0,0.007)

計算可知，各目標(biāo)的威脅參數(shù)分別為0.36，0.98,0.45,0.75.結(jié)果表明，目標(biāo)m2的威脅參數(shù)最大，對雷場的攻擊力最強.由目標(biāo)威脅等級的加權(quán)因子可知：速度、加速度、進攻角、距離四個目標(biāo)威脅參數(shù)中，速度的威脅等級最大；目標(biāo)m2的進攻速度最快，進攻角適中，故它的攻擊力最強.和傳統(tǒng)方法相比，將變權(quán)理論和層次分析結(jié)合的方法，既可以用隸屬函數(shù)對各目標(biāo)的攻擊狀態(tài)真實反映，又可由判斷矩陣對目標(biāo)的威脅等級精確判斷，有效地發(fā)揮了兩種算法各自的優(yōu)越性，準(zhǔn)確地反映了真實的目標(biāo)威脅程度.

5結(jié)束語

本文提出了一種確定目標(biāo)當(dāng)前威脅綜合參數(shù)的算法.將變權(quán)理論和層次分析法結(jié)合起來用于威脅評估，有效地發(fā)揮了兩種算法各自的優(yōu)越性.以地雷作戰(zhàn)系統(tǒng)為例，給出了兩種理論的結(jié)合過程.對算法進行了仿真，所得結(jié)果比較準(zhǔn)確地反映了真實的目標(biāo)威脅程度.該方法為作戰(zhàn)指揮決策提供了一個更為科學(xué)合理的理論方法.

參考文獻:

[1]劉同明.數(shù)據(jù)融合技術(shù)及其應(yīng)用[M].北京：國防工業(yè)出版社，1998.

[2]吳艷.多傳感器數(shù)據(jù)融合算法研究[D].西安:西安電子科技大學(xué), 2003.

[3]王志勝,姜斌.融合估計與融合控制[M]. 北京：科學(xué)出版社，2009.

[4]李旭軍.多傳感器數(shù)據(jù)融合及其在潛艇目標(biāo)識別中的應(yīng)用[D].武漢：武漢理工大學(xué)，2006.

收稿日期：2016-02-22

作者簡介：王苗苗(1990-),女，山東濟寧人，碩士研究生，研究方向為先進控制理論與應(yīng)用.

文章編號：1006-3269(2016)02-0031-03

中圖分類號：TP274

文獻標(biāo)識碼：A

doi:10.3969/j.issn.1006-3269.2016.02.007

Multi-sensor Data Fusion Based on Smart minefields

WANG Miao-miao,WANG Ling,HAO Yong-ping

(Research Center of Weapon Science and Technology,Shenyang Ligong University,Shenyang 110159,China)

Abstract：In multi-sensor data fusion algorithms, multi-attribute decision is mainly used for preference decisions among the limited number of pre-determined alternatives. In order to solve the problems that multi-attribute decision factor weights are usually fixed which can not reflect the real situation affecting the data fusion, multi-attribute decision combined with variable weight theoretical are put forward to be used for threat assessment. Experiments show that, comparing with multi-attribute decision, this method effectively gives play to the advantages of the multi-attribute decision and variable weight theory and the results accurately show the actual threat level, which provides a more scientific and reasonable theory for smart minefields operational command decision.

Key words:data fusion; multi-attribute decision-making; variable weight theory