集成學(xué)習(xí)在多源信息融合識(shí)別中的應(yīng)用研究

周 鋼，瞿 洋，張社國(guó)

(1.海軍工程大學(xué)， 武漢 430033； 2.中國(guó)人民解放軍92682部隊(duì), 廣東 湛江 524000)

多源信息融合是一種多層次、多方面的處理過程，包括對(duì)多源數(shù)據(jù)進(jìn)行檢測(cè)、相關(guān)、組合和估計(jì)，從而提高目標(biāo)實(shí)體的狀態(tài)和身份估計(jì)的精度，以及對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)和威脅的重要程度進(jìn)行適時(shí)完整的評(píng)價(jià)[1]。隨著信息采集手段和技術(shù)的發(fā)展，多源信息融合的信息源拓展到包括雷達(dá)、聲納、紅外、航拍、遙感等傳感設(shè)備和數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、人工情報(bào)、互聯(lián)網(wǎng)等多種來源。多源信息融合在戰(zhàn)場(chǎng)情報(bào)綜合處理、聯(lián)合海情數(shù)據(jù)分析等領(lǐng)域具有廣泛應(yīng)用實(shí)踐[2、3]。多源信息融合識(shí)別是利用各類情報(bào)資源，通過統(tǒng)一時(shí)空基準(zhǔn)、區(qū)域協(xié)同，產(chǎn)生探測(cè)目標(biāo)的一致性解釋或描述[4]。本文中圍繞多源信息融合典型模型中的歷史數(shù)據(jù)利用不足和智能程度不高的問題，關(guān)注目標(biāo)識(shí)別的類別判斷問題，分析當(dāng)前通用的多源融合模型，探析傳統(tǒng)模型存在的問題，并針對(duì)性提出了一種基于集成學(xué)習(xí)的多源信息融合識(shí)別模型，進(jìn)行了典型案例應(yīng)用分析。

1 多源信息融合識(shí)別

在多源信息融合中，由于各類情報(bào)探測(cè)設(shè)備和情報(bào)收集源的差異性，為了更好的發(fā)揮各情報(bào)裝備的性能，根據(jù)各情報(bào)探測(cè)裝備在情報(bào)獲取性能上的差異性、互補(bǔ)性，通過協(xié)調(diào)、集成、融合，進(jìn)一步發(fā)揮情報(bào)體系的一體化、聯(lián)合化、體系化作戰(zhàn)能力，提升戰(zhàn)場(chǎng)情報(bào)綜合分析處理的效能。

1.1 戰(zhàn)場(chǎng)多源信息融合多層架構(gòu)

戰(zhàn)場(chǎng)多源信息融合識(shí)別根據(jù)融合層次可以分為探測(cè)裝備層融合、目標(biāo)位置層融合、特征屬性層融合、戰(zhàn)場(chǎng)態(tài)勢(shì)層融合和威脅評(píng)估層融合[5]。探測(cè)裝備層融合是將探測(cè)裝備上的大量原始情報(bào)數(shù)據(jù)，經(jīng)過處理壓縮后傳輸?shù)角閳?bào)處理中心進(jìn)行融合；目標(biāo)位置層融合也稱目標(biāo)軌跡、航跡追蹤，是對(duì)各情報(bào)探測(cè)設(shè)備數(shù)據(jù)的對(duì)目標(biāo)軌跡、航跡的單向融合；特征屬性層融合，也稱目標(biāo)級(jí)別融合，主要完成目標(biāo)屬性分類和類別判決，主要包括三類目標(biāo)，即民用目標(biāo)(漁船、郵輪等)、軍用目標(biāo)(我方、敵方)和不明目標(biāo)；戰(zhàn)場(chǎng)態(tài)勢(shì)層融合是綜合作戰(zhàn)區(qū)域(海域、空域、電磁域)的各類情報(bào)信息，形成全面綜合的戰(zhàn)場(chǎng)態(tài)勢(shì)；威脅評(píng)估層融合是基于戰(zhàn)場(chǎng)態(tài)勢(shì)，結(jié)合作戰(zhàn)意圖和戰(zhàn)略戰(zhàn)役目標(biāo)，輔助首長(zhǎng)決策，估計(jì)敵方目標(biāo)威脅。戰(zhàn)場(chǎng)多源信息融合多層架構(gòu)如圖1所示。

圖1 戰(zhàn)場(chǎng)多源信息融合的多層結(jié)構(gòu)框圖

其中，目標(biāo)位置融合和特征屬性融合是最重要的中間層，為后續(xù)態(tài)勢(shì)評(píng)估和威脅估計(jì)提供基礎(chǔ)。本文關(guān)注的多源信息融合識(shí)別主要是探測(cè)目標(biāo)屬性層的融合，關(guān)注目標(biāo)的屬性識(shí)別。

1.2 多源信息融合典型模型

常見的多源融合識(shí)別模型包括：基于博弈論的多源信息融合、基于貝葉斯網(wǎng)絡(luò)的多源信息融合[6]和基于證據(jù)理論的多源信息融合[7]等模型方法。

1) 基于博弈論的多源信息融合，是將信息融合過程抽象為多個(gè)局中人在沖突環(huán)境下的策略交互過程，融合目標(biāo)在于各局中人在融合系統(tǒng)中的支付效用最大化，按照局中人提取、策略提取、支付提取、態(tài)勢(shì)評(píng)估、過程提取5個(gè)模塊完成博弈融合。

2) 貝葉斯網(wǎng)絡(luò)的多源信息融合，是將多源情報(bào)作為博弈參與者，將情報(bào)源之間的協(xié)同、合作、沖突、互補(bǔ)作為策略集，考慮多個(gè)情報(bào)源在時(shí)空上的動(dòng)態(tài)相關(guān)性，在融合中采用貝葉斯網(wǎng)絡(luò)推理和決策樹，構(gòu)建最優(yōu)融合策略。

3) 證據(jù)理論的證據(jù)合成方法能融合多個(gè)證據(jù)源證據(jù)，根據(jù)支持證據(jù)沖突的概率分配各個(gè)證據(jù)命題。在多源信息融合中，將情報(bào)源作為證據(jù)源，將情報(bào)源構(gòu)建局部決策作為證據(jù)對(duì)應(yīng)的命題，情報(bào)源之間的沖突轉(zhuǎn)為證據(jù)沖突概率。考慮情報(bào)源信息獲取的連續(xù)性、時(shí)序性，結(jié)合當(dāng)前節(jié)拍數(shù)據(jù)和歷史節(jié)拍數(shù)據(jù)，來進(jìn)行多源信息融合。

1.3 多源信息融合模型現(xiàn)狀分析

根據(jù)1.2節(jié)所述的多源信息融合模型研究，3種常見模型均關(guān)注目標(biāo)位置和特征屬性層的融合，基于證據(jù)理論的多源信息融合是數(shù)據(jù)層面融合，基于博弈論和基于貝葉斯網(wǎng)絡(luò)方法則是決策層面融合。隨著大數(shù)據(jù)、人工智能技術(shù)發(fā)展，開展多域戰(zhàn)場(chǎng)多源信息融合識(shí)別中的多傳感器協(xié)同控制，多源情報(bào)特征級(jí)一致化，情報(bào)大數(shù)據(jù)的重構(gòu)、壓縮技術(shù)研究[8-10]，從而進(jìn)一步加強(qiáng)一體化情報(bào)系統(tǒng)建設(shè)，網(wǎng)絡(luò)化情報(bào)信息收集，智能化情報(bào)融合識(shí)別，是當(dāng)前戰(zhàn)場(chǎng)多源信息融合的研究熱點(diǎn)和發(fā)展趨勢(shì)。

傳統(tǒng)多源信息融合模型存在兩方面問題，一是歷史數(shù)據(jù)利用不充分，缺乏對(duì)情報(bào)源歷史情報(bào)數(shù)據(jù)和情報(bào)收集精度的使用；二是融合模式方法不智能，簡(jiǎn)單按照大數(shù)原則或權(quán)重賦值進(jìn)行結(jié)合，缺乏先進(jìn)人工智能技術(shù)在其中的融合應(yīng)用。據(jù)此，提出一種新的基于集成學(xué)習(xí)方法的多源信息融合識(shí)別模型。

2 集成學(xué)習(xí)的多源信息融合識(shí)別模型

集成學(xué)習(xí)利用多個(gè)學(xué)習(xí)器的集成來解決復(fù)雜問題，從而可顯著提高學(xué)習(xí)系統(tǒng)的預(yù)測(cè)精度[11]，集成學(xué)習(xí)的多樣性是提升集成學(xué)習(xí)泛化能力的重要手段之一[12]。集成學(xué)習(xí)模型與多源信息融合識(shí)別在模型結(jié)構(gòu)、組成架構(gòu)上具有內(nèi)在切合性，因此，構(gòu)建基于集成學(xué)習(xí)的多源信息融合識(shí)別模型來實(shí)現(xiàn)多源情報(bào)融合，識(shí)別目標(biāo)類別。

開展集成學(xué)習(xí)在多源信息融合識(shí)別中的應(yīng)用研究，構(gòu)建基于集成學(xué)習(xí)的多源信息融合識(shí)別模型，按照基學(xué)習(xí)器構(gòu)建，信息融合模型構(gòu)建，異源信息印證3個(gè)步驟完成，并以雷達(dá)情報(bào)數(shù)據(jù)的多源融合為典型案例展現(xiàn)集成學(xué)習(xí)多源信息融合識(shí)別模型應(yīng)用。

基于集成學(xué)習(xí)的多源信息融合識(shí)別模型構(gòu)建過程如圖2所示。

圖2 基于集成學(xué)習(xí)的多源信息融合識(shí)別模型構(gòu)建過程框圖

2.1 基學(xué)習(xí)器構(gòu)建

雷達(dá)是情報(bào)收集系統(tǒng)的主要情報(bào)獲取設(shè)備，它是利用目標(biāo)對(duì)電磁波的反射現(xiàn)象來發(fā)現(xiàn)目標(biāo)并測(cè)定其位置的[13]。雷達(dá)目標(biāo)自動(dòng)識(shí)別有主動(dòng)識(shí)別和被動(dòng)識(shí)別兩種，其中，主動(dòng)識(shí)別主要使用敵我識(shí)別器，根據(jù)目標(biāo)的應(yīng)答信號(hào)是否符合預(yù)定密碼，識(shí)別器輸出相應(yīng)的屬性信號(hào)，被動(dòng)識(shí)別是利用所獲取目標(biāo)的信息特征，與目標(biāo)數(shù)據(jù)庫(kù)所存的有關(guān)數(shù)據(jù)進(jìn)行比較，以確定目標(biāo)的敵我屬性。

這里主要研究運(yùn)用雷達(dá)自動(dòng)被動(dòng)識(shí)別某一區(qū)域海上目標(biāo)，將單個(gè)的雷達(dá)情報(bào)源作為基學(xué)習(xí)器構(gòu)建，利用該雷達(dá)對(duì)某海域的歷史探測(cè)數(shù)據(jù)，構(gòu)建基學(xué)習(xí)器。根據(jù)雷達(dá)特性，確定采集的情報(bào)數(shù)據(jù)格式如表1所示。

表1 雷達(dá)情報(bào)格式

對(duì)于海上目標(biāo)類別的探測(cè)識(shí)別，除了表1中所列的目標(biāo)方位、距離、速度等基礎(chǔ)信息，還有由此衍生的宏觀動(dòng)態(tài)信息，如航向、航速，以及微觀動(dòng)態(tài)信息，如機(jī)動(dòng)性能、外形特征等，完成從雷達(dá)測(cè)量空間向特征空間的轉(zhuǎn)變，建立并提取與探測(cè)目標(biāo)類別密切相關(guān)的特征及數(shù)據(jù)，主要包括方位、距離、航速、面積、航向、機(jī)動(dòng)性，判決的目標(biāo)屬性為海上目標(biāo)類別。

根據(jù)已有特征數(shù)據(jù)判別艦船類別，由于艦船類別有限，是典型多分類問題，應(yīng)當(dāng)使用分類算法構(gòu)建基學(xué)習(xí)器；由于涉及軍事決策問題，應(yīng)當(dāng)確保分類算法具有高可靠性和可解釋性，因此決策樹算法是優(yōu)良選擇；根據(jù)特征數(shù)據(jù)的離散性和取值有限性，避免決策樹傾向于多取值屬性，應(yīng)選用信息增益作為屬性選擇度量。綜合上述三點(diǎn)，選用C4.5算法[14]構(gòu)建決策分類樹作為基學(xué)習(xí)器。據(jù)此，雷達(dá)裝備情報(bào)源基學(xué)習(xí)器的構(gòu)建過程如圖3所示。

圖3 雷達(dá)情報(bào)源的基學(xué)習(xí)器構(gòu)建框圖

2.2 信息融合模型構(gòu)建

運(yùn)用各雷達(dá)情報(bào)源構(gòu)建的基學(xué)習(xí)器來建立集成學(xué)習(xí)模型，完成多源信息融合與目標(biāo)識(shí)別。由于各個(gè)觀通站、岸基雷達(dá)站裝備的差異性，以及針對(duì)某一區(qū)域海上目標(biāo)的相對(duì)距離、位置以及目標(biāo)特性的不同，各雷達(dá)情報(bào)源構(gòu)建的基學(xué)習(xí)器雖然針對(duì)同一區(qū)域海上目標(biāo)，但是在特征數(shù)據(jù)上存在差異性，從而形成了多樣性的基學(xué)習(xí)器。

假設(shè)存在某區(qū)域海上目標(biāo)S，存在五部不同性能、距離、方位的雷達(dá)R1，R2，R3，R4，R5對(duì)S進(jìn)行探測(cè)，示意圖如圖4。

圖4 多雷達(dá)探測(cè)示意圖

各雷達(dá)均通過敵我識(shí)別器和AIS等異類情報(bào)源印證消除了為我方艦船1和民用船舶2的可能，敵方艦船在抵近偵察會(huì)采用各種欺騙、偽裝手段，因此，一般將海上目標(biāo)類別判決問題退化為二分類問題，即敵方艦船0和不明目標(biāo)3的判決。

對(duì)于R1、R2、R3、R4、R5的歷史情報(bào)數(shù)據(jù)構(gòu)建決策樹，如圖5所示。

對(duì)于R1～R5雷達(dá)探測(cè)情報(bào)，通過數(shù)值離散化、特征空間轉(zhuǎn)化提取得到雷達(dá)特征數(shù)據(jù)，結(jié)合圖5的各雷達(dá)構(gòu)建的決策樹，并按照75%準(zhǔn)確率標(biāo)準(zhǔn)進(jìn)行決策樹預(yù)裁剪，可以得到預(yù)測(cè)結(jié)果如表2，其中目標(biāo)類別括號(hào)中為分類準(zhǔn)確率。

圖5 雷達(dá)R1～R5構(gòu)建的基決策樹示意圖

表2 多雷達(dá)情報(bào)數(shù)據(jù)及預(yù)測(cè)結(jié)果

按照學(xué)習(xí)器結(jié)構(gòu)多樣性的判別方法[15]，對(duì)于R1～R5構(gòu)建的基學(xué)習(xí)器C1～C5，多樣性判斷后選取C1、C3、C4集成學(xué)習(xí)泛化能力最好，后續(xù)增加順序?yàn)镃2、C5。

那么，對(duì)于敵方目標(biāo)(0)和不明目標(biāo)(3)在錯(cuò)報(bào)時(shí)候的代價(jià)不一樣，因此應(yīng)用錯(cuò)分容忍度和對(duì)于分類結(jié)果的多樣性構(gòu)建方法，參照混淆矩陣模式，為不同錯(cuò)分問題構(gòu)建動(dòng)態(tài)權(quán)重，具體如表3所示。

表3 海情判別錯(cuò)分問題權(quán)重表

基于表2和表3，假設(shè)實(shí)際對(duì)于該海上目標(biāo)為敵方目標(biāo)和不明目標(biāo)的概率均為50%，此時(shí)，構(gòu)建具體軍事應(yīng)用中海上目標(biāo)類別判斷的綜合精度如表4所示。

表4 海上目標(biāo)類別判斷的綜合精度

因此，結(jié)合海上目標(biāo)類別判決的應(yīng)用背景，構(gòu)建綜合精度排序?yàn)镃3、C1、C5、C2、C4。根據(jù)多樣性對(duì)泛化能力的貢獻(xiàn)和基學(xué)習(xí)器對(duì)預(yù)測(cè)精度的作用在最終分類結(jié)果中的貢獻(xiàn)相同，那么最終選取的多樣性基分類器為C1、C3和C4，其中C1、C3均判斷為敵方艦船，因此，可以預(yù)測(cè)該海上目標(biāo)為敵方艦船。

2.3 異源信息印證

對(duì)于多個(gè)雷達(dá)情報(bào)源的探測(cè)結(jié)果采用多樣化集成學(xué)習(xí)后的預(yù)測(cè)結(jié)果，還可以繼續(xù)使用異類情報(bào)源進(jìn)行印證。如繼續(xù)使用敵我識(shí)別器、AIS判別、電子對(duì)抗偵察設(shè)備，根據(jù)返回的敵我信息、屬性信息或電子裝備特性，判斷目標(biāo)類別屬性，或從而進(jìn)一步提高預(yù)測(cè)目標(biāo)類別的準(zhǔn)確率。

3 結(jié)論

基于集成學(xué)習(xí)的多源信息融合識(shí)別模型，按照基學(xué)習(xí)器構(gòu)建，信息融合模型構(gòu)建，異源信息印證3個(gè)步驟完成多源信息融合識(shí)別，并以雷達(dá)情報(bào)數(shù)據(jù)的多源融合為典型案例展示了基于集成學(xué)習(xí)的多源信息融合識(shí)別模型應(yīng)用，實(shí)證應(yīng)用發(fā)現(xiàn)該模型能夠有效提升目標(biāo)識(shí)別準(zhǔn)確率，對(duì)提高戰(zhàn)場(chǎng)情報(bào)處理與分析能力具有重要意義。