动态不确定环境下异质信息融合目标识别算法研究

In complicated environment, such as early-warning applications, the fusion of data measured by physical sensors and domain knowledge provided by experts is a promising way for target recognition. However, the fusion of measured data and domain knowledge for target recognition suffers some new challenges, such as heterogeneity, uncertainty and high dynamic characteristics. In this project, we use an approximate reasoning theory, i.e., belief-rule based reasoning theory, to address the modeling and dynamic reasoning decision problems with heterogeneous uncertain information. First, we study knowledge and data driven optimized modeling method of belief rules. We establish an optimal fusion model for heterogeneous uncertain information in order to produce a hybrid belief rule base with which heterogeneous uncertain information can be well exploited complementally. Then, we study a dynamic belief-rule based reasoning decision algorithm for target recognition. We explore feedback mechanisms for updating parameters and adding/deleting rules dynamically and design a soft-decision based sequential accumulating decision strategy in order to get more reliable recognition results in dynamic and uncertain environment. At last, we develop an experiment for airborne target recognition for the final purpose of providing technical support for real-world target recognition applications. This project will potentially improve the belief-rule based reasoning methodology and enlarge the application areas of heterogeneous information fusion technology.

在远程预警等复杂环境下，传感器获取的量测数据与专家提供的领域知识的融合为目标的可靠识别提供了一种很有前景的手段。然而，基于量测数据与领域知识融合的目标识别面临着感知信息异质、不确定、高动态等全新挑战。本项目围绕异质不确定信息的统一建模与动态推理决策问题，基于置信规则推理这一近似推理理论，首先，研究知识与数据双驱动下的置信规则优化建模方法，建立异质不确定信息优化融合模型，构建对量测数据和领域知识具备综合表征能力的复合置信规则库，实现异质不确定信息的有效互补利用；然后，研究动态置信规则推理决策目标识别算法，探索基于闭环反馈的规则参数在线更新和规则动态增删机制，设计基于软决策的时序累积决策策略，实现动态不确定环境下目标属性可靠判别；最后，面向预警系统空中目标识别具体应用开展实验验证，为实际工程应用提供技术支撑。本项目研究将进一步丰富和发展置信规则推理理论体系，并将异质信息融合拓展到新的应用领域。

在远程预警等复杂战场环境下，随着威胁目标隐蔽性以及对抗措施的不断增强，传统物理传感器的探测性能受到一定的限制，人们逐渐意识到由人提供的领域知识在信息融合中发挥着重要的作用。量测数据与领域知识的融合为预警系统目标的可靠识别提供了一种很有前景的处理手段。本项目针对复杂战场环境下目标综合识别所面临的感知信息异质、不确定、高动态等全新挑战，发展了数据与知识双驱动下置信规则优化建模方法，解决了目标样本数据置信重编辑、稀疏样本条件下非监督置信迁移学习、数据与知识双驱动的复合置信规则建模以及精确性-解释性折衷的置信规则模型优化等问题；发展了置信规则推理决策目标识别方法，解决了多源信息跨层特征融合、不精确目标数据置信规则推理识别以及多辨识框架决策信息融合识别等问题；构建了异质信息智能推理融合目标识别验证系统，基于仿真和部分实测数据完成了方法测试验证，提升了复杂感知环境下的目标属性判别能力，为战场指挥决策提供有效支持。在该项目资助下以第一/通讯作者在本领域重要期刊和会议上发表相关学术论文11篇（其中SCI期刊论文6篇），申请国家发明专利3项，登记软件著作权7项，获陕西高等学校科学技术一等奖（排名第2）；组织国内外学术会议3次，参加国内外学术会议18人次，作会议报告5人次；培养/协助培养博士研究生3名、硕士研究生4名。