基于條件證據更新方法的短時軟／硬情報融合?

查良帥??，楊建波，劉鵬

（空軍航空大學，長春130022）

基于條件證據更新方法的短時軟／硬情報融合?

查良帥??，楊建波，劉鵬

（空軍航空大學，長春130022）

介紹了軟／硬情報融合新方法，分析了證據理論（DST）應用于軟／硬情報融合的靈活性。在此基礎上，以Fagin-Halpern（FH）DS條件原理為依據，提出了一種面向情報融合中多源證據的條件更新方法，避免了擴展識別框架，并明確了該方法的參數選取標準。另外，基于時間表對融合過程進行短時劃分，以提高融合的精確性。通過融合實例對所提方法進行了分析說明。

軟／硬情報融合；條件證據更新；DST理論；參數選取

1 引言

軟／硬情報融合是將軟情報（人工獲取的情報）與硬情報（各類傳感器獲取的情報）進行融合的一種新方法［1］。軟情報數據在軟／硬情報融合進程、指揮決策中起到了重要作用［2］，融合的難點往往在于軟情報數據的處理。證據理論又稱Dempster-Shafer理論（簡稱DST），作為一種不確定推理方法，適合于無先驗信息的融合，能夠利用證據積累以縮小假設集合［3］。將DST應用于軟／硬情報融合顯示了很大的靈活性。

證據合成往往會擴展其識別框架，從而增加計算量［4］。因此，選取一個證據更新方法要優(yōu)于證據合成方法［5－6］，能夠讓每個源更新其知識庫，并與其他源交換信息以簡化知識，而不需要繼續(xù)擴展其識別框架［7］。針對軟／硬情報融合的特點，本文以DST條件證據更新為依據，擴展了多源證據組的條件更新方法，提出了一種基于交互證據更新的融合，并對軟／硬情報融合過程進行基于時間表的短時分段處理，以避免擴展識別框架，減少計算量，同時提高融合的精確性。

2 DST理論

定義1設Θ是X的識別框架，則函數2Θ→［0，1］稱為2Θ上的基本信度分配（BBA）函數，如果滿足

其中，m（A）表示對A的直接支持，通常稱為A的mass值。滿足m（A）＞0的子集稱為焦元，所有焦元的集合F＝{A m（A）＞0}稱為Θ的核。稱二元組（F，m）為定義在Θ上的一條證據。

對于ε≡（Θ，?Θ，mΘ（·））和命題B?Θ，BlΘ：2Θ→［0，1］，其中BlΘ（B）＝∑C?BmΘ（C）是B的信度；PlΘ：2Θ→［0，1］，其中PlΘ（B）＝1－BlΘ（ˉB）為B的似真度。

2.1 證據合成

定義2（Dempster′s合成規(guī)則，簡稱DCR）：對證據組εi≡｛Θi，?Θi，mΘi（·）｝產生的證據ε≡ε1⊕ε2＝（Θ，?Θ，mΘ（·））進行DCR合成規(guī)則為（Θ≡Θi時，有i＝1，2）：

2.2 證據更新

2.2.1 條件更新策略

考慮到兩個證據組ε1和ε2，通過εi［k］≡｛Θi，?Θi［k］，mΘi（·）［k］｝識別兩個證據組，假設k≥0，其中Θ≡Θi，i＝1，2。通過將ε1［k］中的證據與ε2［k］中可獲得的證據進行更新，以舍棄證據組εi［k＋1］＝｛Θ1，?Θ1［k＋1］，mΘ1（·）［k＋1］｝≡ε1［k］?ε2［k］，k≥0，證據更新策略是

其中，BlΘ2（A）＞0。參數α（A）［·］＋β（A）［·］＝1。

2.2.2 DST條件原理

在文獻［3－4］中利用了Fagin-Halpern（FH）DS條件原理進行條件操作。

定義3：當ε≡｛Θ，?Θ，mΘ（·）｝，A，B?Θ，BlΘ（A）＞0時，B賦予A的條件信度為：BlΘ（B A）＝BlΘ（A∩B）／［BlΘ（A∩B）＋PlΘ（A∩ˉB）］。條件似真度PlΘ（B A）由相應公式給出。

3 多源證據的條件更新方法

利用條件更新方法，不擴展識別框架，同時通過對多源證據組進行有序更新，以減少計算量。另外，界定了證據更新的參數選取，提高融合精度，為融合實例分析奠定了理論基礎。

3.1 條件證據更新

文獻［9－10］提出為了更新不同證據源中的證據，需要一種能夠處理來自證據組接收的新證據的更新策略。公式（3）通常只用于只有命題A發(fā)生時的證據源更新，本文則可對多源證據進行條件更新，滿足了融合需求。

定義4：當證據組εi［k］有Θ≡Θ1＝Θ2，條件更新公式將ε1［k］與ε2［k］中的證據通過ε1［k＋1］≡ε1［k］?ε2［k］，?k≥0進行更新，其中

如果ˉA∩B≠0時有mΘ2［BA］＝0，Θ1的最大賦值概率更新為

3.2 多源證據組的條件證據更新

定義5：多源證據組的證據更新εΘ1［k＋1］＝εΘ1［k］?（εΘ2［k］?…?εΘn［k］）的可信度函數為BlΘ1（B）［k＋1］＝α1（k）BlΘ1（B）［k］＋

其中，PlΘi（Θ Θi）［k］＞0，i＝1，…，n.這里，其中對于任意k，各參數滿足

3.3 證據更新的參數選取

選取合適的參數有助于滿足各類融合需求，提高融合精度。

融合證據組Θ的識別框架選?。鹤C據更新時識別框架的選取是不重要的，但應該考慮到證據結構和其他一些應用背景以選取合適的識別框架。

條件子集的選?。簛碜宰C據組εΘi的證據是通過條件事件A∈?Θi（i＝1，…，n）進行條件定義并提純的。但是一個合適的條件子集元素能夠通過設定βi（Ai）＝0來滿足余下的條件事件。

合成權重βi（·）的選?。哼@些權重能夠允許強調或不強調相關命題在每個條件集A中。由證據組εΘi提供的一個相關的重要的測量證據也能夠與βi（·）進行合并。當εΘi（i＝1，2，…，n）時，定義Ki（i

＝1，2，…，n）為標準常數。

其他參數同樣參照相關標準進行合理選取。

4 短時軟／硬情報融合實例分析

4.1 情景

本文對使用一個硬傳感器（SH）和軟傳感器SS1、SS2、SS3以識別某個目標的場景進行融合分析。目標分為4類：S≡士兵，F≡戰(zhàn)斗機，T≡坦克，O≡其他。除了O不能再次分類，每一個目標都能再次分類為f＝友方目標或者e＝敵方目標，因此目標的完備子集為：ΘObj＝{Sf，Se，Ff，Fe，Tf，Te，O}。

4.2 證據

硬傳感器：硬傳感器SH能夠識別地面目標，但是不能區(qū)分是f＝友方目標還是e＝敵方目標。相應的證據組εΘ＝{ΘH，?ΘH，mΘH（·）}，其中ΘH＝H｛S，T，O｝。

軟傳感器：軟傳感器SS1提供一般的威脅等級（TL）在鄰近安全區(qū)域。軟傳感器SS2和SS3相應地有兩個協同的人工證據。通過使用SS1提純這些人工目擊者提供的證據。SSi相應的證據組為εΘS＝i{Θs，?ΘS，mΘS（·）}，i＝2，3，其中ΘS＝｛S，T，F｝。ii如圖1所示，劃分時間軸為區(qū)域的，以此證據能夠在各自不變區(qū)間被接收，劃分為（a）、（b）、（c）、（d）和（e），使用指數k計算｛a，b，c，d，e｝的值去識別區(qū)域。為了方便，利用指數k－1和k＋1識別k先前和之后的區(qū)域。表1顯示了SH和SSi（i＝1，2，3）產生的在各區(qū)域的證據和相應的DST的mass值。

圖1 軟／硬情報時間表Fig.1 Soft／hard intelligence time table

表1 軟／硬傳感器證據表Table 1 Soft／hard sensor dempster

4.3 證據更新／融合

來自傳感器的硬情報數據具有較長的時間間隔，而軟情報數據報告的時間則較短，如通信情報的獲取與處理常以秒為數量級。因此，融合軟／硬情報數據，如圖1將兩者進行細化，形成短時內的融合。

仿真中，融合中心利用FS1、FS2和FS3去維持知識庫。證據組

其中，Θ*是知識庫中原有的識別框架。為了各個融合組合的一致性，各證據組分區(qū)段如表2所示。

表2 FS1融合結果Table 2 Fusion result of FS1

4.3.1 FS1：硬證據更新

融合證據組由εΘ*［k＋1］＝εΘ*［k］?εΘH［k＋1］得到，其中Θ*＝ΘH，βH（ΘH）［k］＝1－αH［k］。仿真情景時，軟信息是不可獲取的，只有未經過提純的硬證據能夠被融合。

為了區(qū)域b內的更新，設定αH［b］＝0。為k＝c，設定εΘ*［k］＝εΘ*［k－1］，因為由SH提供的證據是沒有變化的。在區(qū)域d內，沒有輸入證據，設定αH［d］＝1以保持現有知識庫。在區(qū)域e內，αH［e］＝0.7。融合結果見表2。

4.3.2 FS2：軟／硬證據融合

相同區(qū)域內的軟／硬證據進行融合，對來自SS2、SS3的軟信息和來自SS1的威脅等級信息進行提純。來自SH的硬證據直接應用。因此，融合證據組εΘ*［k］＝εΘH［k］?（εΘS2［k］?εΘS3［k］），其中Θ*＝ΘObj。

區(qū)域a內，軟信息被濾掉，因為威脅等級為一般。在區(qū)域b內，來自S3的證據被濾掉，因為威脅等級定為地面攻擊。在αH［b］＝β2（S，T）［b］＝0.5的條件下進行融合，這樣εΘH和εΘS權重相等。在區(qū)2域c內做相似處理，但是由于εΘS內的證據變化很2小，因此不更新知識庫。這些觀察者能夠用以減少計算量。因此，減少此區(qū)域內的知識庫更新。區(qū)域d說明了一個場景，其中硬傳感器不能獲取證據，各領域專家不能評價此情形。在這種情況下，沒有深度提純時，軟信息進行融合。利用βi（Θ*）［d］＝0.5，i＝2，3平衡SS2和SS3的權重。區(qū)域e內的融合與區(qū)域b內的融合相似，αH［e］＝0.5，β2（ΘS）［e］＝β3（ΘS）［e］＝0.25，融合結果見表3。

表3 FS2融合結果Table 3 Fusion result of FS2

4.3.3 FS3：硬證據在軟證據下更新

這里，考慮完整融合場景，其中知識庫由各個軟／硬傳感器提供更新。融合證據組為εΘ*［k＋1］，其中Θ*＝ΘObj。同樣，利用威脅等級對軟信息和硬證據進行提純。

區(qū)域a內依舊是空的，因為威脅等級一般。在區(qū)域b內，設定α*［b］＝0，βH（ΘH）［b］＝0.5，βi（S，T）［b］＝0.25，i＝2，3，硬數據權重更高。區(qū)域c內，由于傳感器提供的證據改變是邊緣的，則εΘH［c］?］（具有相同參數）。因此，避免了知識庫的更新。但是，在區(qū)域d內，由于缺少新證據導致知識庫維持其原有證據。然后，設定α*［d］＝0.9，在βi（Θ*）［d］＝0.05，i＝2，3前提下軟數據進行更新。為了提取更多更可信的信息，證據與知識庫進行更新，且可更為靈活。一般地，根據威脅等級對軟情報數據進行提純，設定參數為α*［e］＝0.1，βH（ΘH）［e］＝0.4和βi（ΘS）［e］＝0.25，i＝2，3，融合結果見表4。

表4 FS3融合結果Table 4 Fusion result of FS3

4.4 分析

由實例可知，通過合理的參數選取，條件證據更新方法能夠用來簡單地計算證據源的相關可信度，且可對多源證據組進行融合處理。條件操作能夠對獲取的證據進行提純，以減少融合進程中的計算量。例如，在FS2的區(qū)域b內，當威脅等級認定是地面攻擊時，SS3提供的證據被忽略，而SS2提供的相關證據被利用。另外，實例表明，該方法適用于軟／硬情報融合，能夠在短時的融合進程中對軟情報證據和硬情報證據進行有效融合，得到有用結果，且通過融合進程的深入，融合結果更為詳盡、準確，這對于實際應用具有重要意義。

5 結束語

將情報數據分為軟／硬兩類，更為寬泛地涵蓋了各類情報，可用于探索各類情報融合，是一種全新的情報融合方法。通過將DST條件證據更新方法應用于軟／硬情報融合，在不擴展識別框架的前提下，研究了對于多源證據組的更新方法，減少了計算量。同時通過基于時間表的短時情報融合，更為靈活地改變和接受DS理論的證據更新。實例分析表明，條件證據更新方法使各證據組之間有一個平滑的轉變，能夠輕易地選擇出促進融合結果的一致命題，以此提高融合的精準性，具有實際應用前景。下一步可考慮在融合沖突證據、減少證據處理量、縮短融合時間等方向上進一步研究。

［1］Premaratne K，Murthi M N，Zhang Jinsong，et al.A Dempster-Shafer theoretic conditional approach to evidence updating for fusion of hard and soft data［C］／／Proceedings of 2009 International Conference on Information Fusion.Seattle：IEEE，2009：2122－2129.

［2］Wickramarathne T L，Premaratne K，Murthi M N.Focal elements generated by the Dempster-Shafer theoretic conditionals：A complete characterization［C］／／Proceedings of 2010 International Conference on Information Fusion.Scotland：IEEE，2010：1－8.

［3］權文，王曉丹，王堅，等.一種基于局部沖突分配的DST組合規(guī)則［J］.電子學報，2012，40（9）：1880－1884. QUAN Wen，WANG Xiao-dan，WANG Jian，et al.New Combination Rule of DST Based on Local Conflict Distribution Strategy［J］.Acta Electronica Sinica，2012，40（9）：1880－1884.（in Chinese）

［4］Wickramarathne T L，Premaratne K，Murthi M N，et al.Belief theoretic methods for soft and hard data fusion［C］／／Proceedings of 2011 International Conference on Acoustics，Speech and Signal Processing.Prague：IEEE，2011：2388－2391.

［5］Kulasekere E C，Premaratne K，Dewasurendra D A，et al. Conditioning and updating evidence［J］.International Journal of Approximate Reasoning，2004，36（3）：75－108.

［6］Premaratne K，Dewasurendra D A，Bauer P H.Evidence combination in an environment with heterogeneous sources［J］.Systems，Man and Cybernetics，2007，37（3）：298－309.

［7］Wickramarathne T L.An analytical framework for soft and hard fusion：A Dempster-Shafer belief theoretic approach［D］.Miami：University of Miami，2012：1－3.

［8］Shafer G A.Mathematical Theory of Evidence［M］.Princeton，New Jersey：Princeton University Press，1976.

［9］Acharya S，Kam M.Evidence Combination for Hard and Soft Sensor Data Fusion［C］／／Proceedings of 2011 International Conference on Information Fusion.Chicago：IEEE，2011：1－8.

［10］Graham J L，Hall D L，Rimland J.A COIN-inspired synthetic dataset for qualitative evaluation of hard and soft fusion systems［C］／／Proceedings of 2011 International Conference on Information Fusion.Chicago：IEEE，2011：32－36.

ZHA Liang-shuai was born in Shangrao，Jiangxi Province，in 1989.He is now a graduate student.His research direction is intelligence fusion.

Email：zhaliangshuai2012＠163.com

楊建波（1962—），男，吉林九臺人，博士，空軍航空大學副教授，主要從事通信對抗技術與裝備研究；

YANG Jian-bo was born in Jiutai，Jilin Province，in 1962.He is now an associate professor with the Ph.D.degree.His research concerns communication countermeasure technology and equipment.

劉鵬（1982—），男，遼寧丹東人，碩士，空軍航空大學講師，主要從事通信對抗技術與裝備研究。

LIU Peng was born in Dandong，Liaoning Province，in 1982. He is now a lecturer with the M.S.degree.His research concerns communication countermeasure technology and equipment.

Short Time Fusion of Soft and Hard Intelligence Based on Conditional Evidence Update Method

ZHA Liang-shuai，YANG Jian-bo，LIU Peng
（Aviation University of Air Force，Changchun 130022，China）

A new soft／hard intelligence fusion is introduced，and the flexibility of the Dempster-Shafter Theory（DST）applied to hard／soft intelligence fusion is analyzed.On this basis，a conditional evidence update method of multi-source evidence in intelligence fusion is proposed，which is based on the Fagin-Halpern（FH）DS conditional theory，so as to avoid expanding the frame of discernment，and clearly define the criteria of parameter selection.In addition，a short time area based on the time table is divided for the fusion process to improve the fusion accuracy.Through the instances of fusion，the proposed methool is analyzed.

soft／hard intelligence fusion；conditional evidence update；DST theory；parameter selection

date：2013－03－05；Revised date：2013－05－31

??通訊作者：zhaliangshuai2012＠163.comCorresponding author：zhaliangshuai2012＠163.com

TN911；TP391

A

1001－893X（2013）09－1202－05

查良帥（1989—），男，江西上饒人，空軍航空大學碩士研究生，主要研究方向為情報融合；

10.3969／j.issn.1001－893x.2013.09.016

2013－03－05；

2013－05－31