多传感器数据融合性能评估方法文档格式.docx
《多传感器数据融合性能评估方法文档格式.docx》由会员分享，可在线阅读，更多相关《多传感器数据融合性能评估方法文档格式.docx（7页珍藏版）》请在冰豆网上搜索。
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
，其中
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。
越中越优型：
其指标量化值越靠近中间值，从优度越高。
越大越优型：
其指标量化值越小，从优度越高。
以这些
值作为元素可组成单评价指标的模糊评价矩阵
。
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
，可以构建一个新的矩阵
，用以计算指标间的排序权重
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。
其中
根据B的定义：
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：
优化条件：
式中,d是非负参数，经验数据d∈[0，0.5]。
1）当权重
和
获得最佳值时，
，B具有完全的一致性。
2）不能满足完全一致性时，
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
在获得各个指标对应的权重系数
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：
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信息融合处理性能为基础，根据上文制定的数据融合评估单项指标，运用统计与计算的方法，得出每个评估指标的具体值。
然后根据得出的每个指标，采用模糊评判的方法，对数据融合系统进行评估。
1）确定评价跟踪系统的指标集合U；
2）选取数项指标，根据仿真数据计算单项指标量化值，并且考虑一次航迹及二次航迹融后的数据进行计算比较，精度指标等改善度G；
3）进行单指标评价，建立模糊关系矩阵R，在构造了等级模糊子集后，就要对跟踪系统从每个性能指标进行量化；
也就是确定从单个性能指标来看被评系统对各个等级模糊子集的隶属度，进而得到归一化模糊关系矩阵；
4）利用合适的权值算法确定评价指标的模糊权向量W；
5）利用合适的合成算子将W与被评价算法的R合成得到其模糊综合评价结果向量C。
6）对模糊综合评价结果向量进行分析，可采用最大隶属度原则、加权平均原则和模糊向量单值化等方法，获取系统的总体评价。
7）根据模糊评价所的系统综合从优度评分，结合实际场景，为融合系统综合分析。
4总结
很多文献中都阐述了有关数据融合系统的性能评估的方法，并对其效果进行了分析：
1）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；
2）描述了评估系统的重要性和关联统计、跟踪纯度、跟踪维持统计等评估内容，但并未给出具体计算公式；
3）初步给出了多目标跟踪性能评估的指标，但这些指标仅包括失跟率、正确起始、终结率、滤波性能等，但都尚不完善。
个人理解：
跟踪系统的应用环境具有以下特点：
①目标的机动时刻与机动水平往往是未知的和突变的；
②多个目标存在编队与航迹交叉，传感器探测概率小于1，存在盲区，虚警，测量误差，对付对抗性干扰；
③一次航迹起始及跟踪出错也可导致数据融合性能降低。
所以，事实上，很多因素影响着多传感器数据融合的综合性能：
①航迹起始的质量，对融合航迹的影响；
②杂波干扰及传感器的观测噪声等对融合精度的影响；
③一次航迹的数据精度对融合航迹精度的影响；
所以光是简单的黑箱测试法或是单纯的指标加权并不能完全准确的评判融合算法。
应具体分析这些因素，探索一种科学的定量方法判断融合性能。
升级会员 