李海峰陈天乐季静·基于区间关联度的雷达异类数据识别研究
基于区间关联度的雷达异类数据识别研究
海军驻北京地区电子设备军代室李海峰
海军驻南京924厂军代室陈天乐
中国船舶工业综合技术经济研究院季静
摘要：针对需达序列类数据不能直接与数据库中的区间类数据进行融合识别的问题，提出了基子区间关联度的序列二区间异类数据识别算法，对目标序列数据参数提取最大最小值作为区间边界实现序列二区间的同型转化，再对转化后的区间参数和数据库中的区间数据求解区间相似度，最后利用一种自适应的识别判别准则对区间相似度进行处理，得到识别结果，解决了最大关联度识别法在处理关联度模糊时的不可分辨性。仿真实验验证了本文算法对序列-区间异类数据识别的有效性
关键词：目标识别区间关联度序列数据
区间数
引言
传感器类型不同会产生异类数据类型，使得信息融合的不确定性增加，序列数据作为一种不确定性数据在传感器识别领域值得研究(-3)。由于识别数据库在数据类型上一般表现为区间数，这样就使得传感器探测到的序列类型数据无法直接和数据库中的数据进行识别判定，所以关于序列-区间异类数据类型的传感器数据融合识别研究，能够有效地解决异类数据导致的传感器识别的不确定性，提高识别效率。序列-区间异类数据的识别在传感器识别领域研究的相对较少，本文从两种类型数据之间的不确定性度量人手，首先对序列数据进行降维处理，利用序列数据中的最大最小值作为区间边界，完成序列类型数据到区间类型数据的转化，使得异类数据同型化，再从灰关联识别理论的角度出发，采用一种区间关联度度量同型化后的数据，得到一组区间关联度，文「4-61给出了一种基于最大关联度排序的识别判定方法，在关联度层次清晰时，识别效果较好，但是在关联度相近比较模糊时，识别误差较大，为此文中提供了一种基于自适应的识别判定准
则来处理区间关联度的识别方法，较好地分辨了区间关联度，得到满意的识别结果，解决了最大关联度排序判定的模糊性。
基本概念 1
1.1序列-区间数据标准化和同型化
对于某条序列S(S,S,"",S"",S)，其中S 表示序列的第1个分量，n为序列的长度。记S min(S,,i=1, 2, ", n), S,=max(S, i=1, 2, ", n),则
序列数据可以用一区间数表示为S-[S-,S.]。 1.2区间数的度量
1.2.1区间数的距离度量
记4=[α-,a.]、B-[b,b,]为两区间数，其中 a_≤a+、b_≤b+则称
(1)
D,(4, B) =[(a_ b_)° + (a, b,)°
为区间数A、B之间的距离。特别的当P-2时，称
D(4,B)为A、B之间的欧式距离， 1.2.2区间数的关联度
文[7-10]给出了序列X((),j=1,2,",k)和 X=(x,),j=1,2,,k)之间的灰关联系数为
双月刊/总第268期145