多传感器数据融合性能评估方法

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

多传感器数据融合性能评估方法姓名:李素学号:2015223045139课程名称:空管信息处理基础指导老师:王运峰2016年1月15日目录1目的意义.......................................................................................................................................12研究现状.......................................................................................................................................13数据融合系统的性能评估方法...................................................................................................13.1性能评估指标...................................................................................................................13.2融合性能指标...................................................................................................................23.3融合性能评估的综合评价...............................................................................................33.3.1指标相对隶属度矩阵...........................................................................................33.3.2指标权重...............................................................................................................43.3.3综合评价步骤.......................................................................................................54总结..............................................................................................................................................611目的意义近数十年来,多传感器数据融合在理论研究和实际应用方面取得了长足进展,但是,目前对融合系统的性能评估研究并不多,性能评估是研究多目标跟踪系统非常重要的手段。利用综合性能评估不仅可以分析在一定环境下系统所能达到的性能,从而选择最优的设计方案,而且还可以反过来设计和确定满足系统性能要求的系统参数,也就是辅助系统设计。研究多传感器数据融合的性能评估对于跟踪算法的参数优化,跟踪系统的功能设计与优化,乃至于精确信息感知都具有十分重要的意义。2研究现状目前有关融合算法的研究很多,但是,对数据融合算法进行性能测试与评估的研究却不多见,并且,也没有形成一个普遍公认的评估标准。有关多传感器数据融合方法的研究已经比较成熟,但如何对这些形形色色的算法所构成的融合系统性能进行评估的研究却一直处于探索阶段,相关研究成果并不多见。3数据融合系统的性能评估方法一般进行评估时,通常要建立评估模型、评价指标体系和评价准则,采用分析法或仿真法对算法和系统性能进行评估。实际上,融合算法的评估方法,也就是计算各个评估指标的方法。一、常规的仿真比较法,即你定输入数据或实测数据进行仿真,比较优劣(误差指标)和置信度概率,如:1)采用MonteCarlo仿真,可对整个系统进行数值评估和确认;2)采用实时仿真,连接模拟数据或记录数据时能够展示融合结果;3)建立效能评估模型,曹勇基于效能的评估方法等。二、专家打分、模糊测度准则评判,多用于目标识别。对航迹,用目标位置的均方误差来分析,对属性和类型,用综合正确概率评价。对结果的分析评估,多采用Matlab工具,还可以用Petri网的性能来分析数据融合系统的性能。目前,最为广泛的是开展了基于仿真的数据融合系统性能评估方法的研究。3.1性能评估指标评价指标体系是融合系统性能评价的基础,它是否合理,完整,可测,无冗余,直接关系到最后的评价结果。数据融合系统评价指标的选择不仅要遵2循针对性,可测性,客观性,独立性等基本原则,而且必须反映现代战争对指挥自动化系统的需求。评估需要基于一定的标准,因此建立一组评估指标,对于评估融合跟踪系统和算法是必不可少的。一般对于数据融合系统性能表征有以下四个方面:1)尺度参数,用来直接定义数据融合系统和各组成部分(传感器、数据处理器、通信信道等)元素所具有的性质和特征。他们直接描述系统的行为或结构,并且可以作为一些典型的可测量指标值(如带宽、误码率、物理维数等)来考虑;2)性能度量(MOP),用以描述系统重要行为属性的测量,通常与若干尺度参数有关,并以单变量形式对某个有意义的操作性能度量进行量化;3)效能度量(MOE),用于描述数据融合系统的功能发挥程度,如目标漏检率、目标指示率等都是典型的效能度量;4)兵力效能度量(MOFE),是四类测量中最高级的测量,它对整个军事力量(包括数据融合系统)完成其任务的能力进化量。典型的MOFE包括资源损耗的速度和比例、交战结果以及这些变量的变化情况。3.2融合性能指标很多文献试图从航迹分类的角度探讨跟踪性能评估中数据关联、跟踪纯度、状态估计精度和滤波协方差可靠性内容的评估方法。虽然对其进行了描述,但很多都并未有达成共识的具体计算公式。一级指标:1)一般对于一个融合跟踪系统,系统检测率和虚警率是评估其性能的重要指标。还有虚假航迹数、丢失航迹数和遗漏航迹数、系统平均错误航迹数、系统平均遗漏航迹数、系统错误航迹率、平均航迹形成时间、平均航迹维持时间、误跟踪率等性能评估指标。2)对于跟踪起始、维持和终结部分,有航迹起始时间、航迹维持时间等指标;3)对于航迹相关与融合,有正确关联率、漏相关率、错误关联率、正确分离率、航迹综合相关度、航迹精度和航迹状态估计偏差等指标。二级指标,二级指标由一级指标按一定规则构造成,如航迹相关性能、跟踪精度性能、实时跟踪性能等等,都可由数个一级指标综合评定。对于位置级目标跟踪融合系统,性能评估主要是针对尺度性能度量。多传感3器输入信息为航迹的三维方向、时间、速度、方位角、高低角等,输出信息包括一次航迹和最终融合航迹的三维方位、时间、方位角等。根据融合跟踪系统的基本结构,性能评估指标方面可以从以下三个部分进行考虑和提取:1)航迹起始及航迹辨识;2)航迹关联及数据融合;3)目标运动状态及精度质量。结构方面则主要从两部分进行:1)前的一次航迹;2)融合后的二次航迹;3.3融合性能评估的综合评价系统评价是一个从多要素的高维的指标体系到一个低维的评价结果的转换过程,在这一过程中还要求评价结果能尽可能反映原指标体系中各要素的信息。如何确定各要素的权重是亟待解决的问题。如何对融合后的指标进行综合评价一直是多传感器信息融合系统中未能达成共识的难点问题。现在普遍的评价方式是采用对各个指标进行加权平均累加的方法。本文欲采用数学方法中的模糊综合评价方法。模糊综合评价就是以模糊数学为基础,应用模糊关系合成的原理,将一些边界不清,不易定量的因素定量化、进行综合评价的一种方法。其具体实现时,对于某一具体指标值,需要通过构造等级模糊子集来确定该指标所属的评价等级(即确定从优隶属度),然后利用模糊变换原理对各指标综合,得到直观的量化评价。3.3.1指标相对隶属度矩阵设有n个评价指标,m个评价对象(每次实验产生的指标对应于一个评价对象),构成评价指标样本集{x(i,j)|i=1~n,j=1~m},其中x(i,j)应为非负值。为消除指标间不同的量纲效应,对单个指标采取了如下的标准化处理方式,得到由m个评价对象构建的一个相对隶属度模糊评价矩阵R。首先对系统的融合性能进行评价的指标,进行划分:越小越优型:其指标量化值越大,从优度越高。r(i,j)=[x(i,j)−xmin(i)]/[xmax(i)−xmin(i)]越中越优型:其指标量化值越靠近中间值,从优度越高。r(i,j)=[xmax(i)−x(i,j)]/[xmax(i)−xmin(i)]4越大越优型:其指标量化值越小,从优度越高。r(i,j)={x(i,j)−xmin(i)xmax(i)−xmin(i)xmin(i)≤x(i,j)xmid(i)[xmax(i)−x(i,j)]xmax(i)−xmin(i)xmid(i)≤x(i,j)xmax(i)以这些r(i,j)值作为元素可组成单评价指标的模糊评价矩阵R=(r(i,j))n×m。3.3.2指标权重从数学变换的角度看,各评价对象是由评价对象各指标所组成的高维空间的一些点,系统评价模型就是一种从高维空间到低维空间的映射,要求这种映射能尽可能反映评价对象样本在原高维空间中的分类信息和排序信息,这些信息具体反映在如何合理地确定这些评价指标的权重上,这仍是目前系统评价模型研究的难点之一。在近年来提出的确定权重的主要方法中:等权重法在各评价对象的综合评价值相差不大时常常给决策带来困难;统计试验法、专家评分法和集值统计迭代法在评价指标较多时实现起来较为困难。根据模糊评价矩阵R=(r(i,j))n×m,可以构建一个新的矩阵B=(b(i,j))n×m,用以计算指标间的排序权重{W(i)|i=1~n}。这种方法是利用数据计算评价指标都具有怎样的重要性,即其对评价分类的影响力。bij={1+(s(i)−s(j))(bm−1)smax−smin,s(i)≥s(j)11+(s(i)−s(j))(bm−1)/(smax−smin),s(i)≤s(j)其中s(i)=∑r(i,j)mj=1,bm=min(9,int(0.5+smaxsmin))根据B的定义:bij=w(i)/w(j)∑∑|bijw(j)mj=1−w(i)|=0ni=1称判断矩阵B具有完全的一致性。若判断矩阵B不具有完全的一致性,即后续实验的样本集和当前样本发生了很大的变化,则需要对B进行修正,记作{W(i)l扛1~n)。对应的一致性判断形式是:5minCIC(n)=∑∑[|yij−bij|+yijw(j)−w(i)]/n2mj=1ni=1yij=1,i=1~n优化条件:1yij=yij∈[bij−dbij,bij+dbij],i=1~n,j=i+1~n∑w(i)=1且:w(i)0ni=1式中,d是非负参数,经验数据d∈[0,0.5]。1)当权重{W(i)|i=1~n}和yij获得最佳值时,CIC(n)=0,yij=bij,B具有完全的一致性。2)不能满足完全一致性时,CIC(n)越小,则判断矩阵B越能获得满意的一致性,CIC(n)0.1则可以认为该判断矩阵具有满意的一致性。根据式(4.5.4)~式(4.5.7)求取w(i)在获得各个指标对应的权重系数{W(i)|i=1~n}后,对系统的第j次样本的初步评价可以通过如下的表达式进行:C(j)=∑w(i)ni∙r(i,j)j=1~mC(j)的结果越大,说明对系统进行本次实验对应的指标越优。通过对m次的样本集进行排序,可以为融合系统的综合性能做出量化评估。3.3.3综合评价步骤本文的评估系统以评估

1 / 8
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功