陳致遠(yuǎn) 沈堤 余付平 陳宏陽 趙凱

摘 要： D-S證據(jù)理論作為一種不確定性推理工具，能夠充分發(fā)揮多源信息融合的優(yōu)勢，提高空中目標(biāo)敵我識(shí)別結(jié)果的準(zhǔn)確性。本文從空中目標(biāo)敵我識(shí)別的實(shí)際應(yīng)用出發(fā)，介紹了D-S證據(jù)理論的基本原理，梳理了空中目標(biāo)敵我識(shí)別中需要解決的關(guān)鍵問題，? 然后從空中目標(biāo)敵我識(shí)別的識(shí)別方法和信息融合兩個(gè)方面，對(duì)現(xiàn)有研究方法進(jìn)行了歸納與分類，并簡要總結(jié)了每種方法的優(yōu)勢、適用范圍、使用價(jià)值等。最后在現(xiàn)有研究基礎(chǔ)上提出了一種新的空中目標(biāo)敵我識(shí)別方法，并對(duì)D-S證據(jù)在空中目標(biāo)敵我識(shí)別中的應(yīng)用進(jìn)行了展望。

關(guān)鍵詞：D-S證據(jù)理論;空中目標(biāo);敵我識(shí)別;識(shí)別方法;信息融合

中圖分類號(hào)：TN97; V21? 文獻(xiàn)標(biāo)識(shí)碼： A?? 文章編號(hào)：1673-5048（2021）03-0038-13

0 引? 言

敵我識(shí)別是指通過各種技術(shù)和手段對(duì)目標(biāo)的敵我屬性進(jìn)行識(shí)別的過程[1]?？罩凶鲬?zhàn)是聯(lián)合作戰(zhàn)的重要組成部分，對(duì)聯(lián)合作戰(zhàn)的勝利起著十分重要的作用。因此，準(zhǔn)確高效的空中目標(biāo)敵我識(shí)別是防止誤擊誤傷，提高作戰(zhàn)效能，順利實(shí)施空中作戰(zhàn)的先決條件。隨著各種現(xiàn)代高新技術(shù)的應(yīng)用，武器裝備的生存能力和隱身能力得到了極大的提升，特別是電磁干擾能力的發(fā)展，使得空戰(zhàn)環(huán)境異常復(fù)雜，對(duì)空中目標(biāo)敵我識(shí)別能力的精確性和可靠性提出了嚴(yán)峻挑戰(zhàn)。

近年來，國內(nèi)外針對(duì)空中目標(biāo)敵我識(shí)別問題進(jìn)行了大量的研究[2-4]。目前主要采用多源信息融合的方式進(jìn)行空中目標(biāo)敵我識(shí)別[5-7]，這種方式能夠克服單一傳感器在識(shí)別精確性、可靠性、完整性等方面的缺陷，同時(shí)又能夠適應(yīng)復(fù)雜的空戰(zhàn)環(huán)境，因此在空中目標(biāo)敵我識(shí)別領(lǐng)域得到了廣泛的應(yīng)用。多源信息融合算法從概念上分為物理模型類、基于參數(shù)類、基于認(rèn)識(shí)模型類等 [8]，其中用于目標(biāo)識(shí)別的算法有貝葉斯推理、D-S證據(jù)理論、神經(jīng)網(wǎng)絡(luò)、聚類算法、模糊集理論等。

由于不同空中目標(biāo)身份信息的差異性和敵我識(shí)別系統(tǒng)中固有的缺陷，以及環(huán)境、人為因素和其他因素的影響，導(dǎo)致在信息融合時(shí)會(huì)產(chǎn)生大量的不確定性信息，影響識(shí)別結(jié)果的準(zhǔn)確性。D-S證據(jù)理論不僅能夠有效處理單類識(shí)別信息處理中的不確定性問題，還能處理多傳感器信息融合識(shí)別過程中的不確定性問題，從而獲得更加準(zhǔn)確的識(shí)別結(jié)果。相對(duì)于其他算法，D-S證據(jù)理論在空中目標(biāo)敵我識(shí)別中得到了更廣泛的應(yīng)用。

針對(duì)基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別研究方法綜述相對(duì)較少的情況，本文結(jié)合近些年相關(guān)研究文獻(xiàn)，從實(shí)際應(yīng)用的角度出發(fā)，對(duì)這些研究進(jìn)行了梳理、分析和總結(jié)，并在此基礎(chǔ)上提出了一種新的空中目標(biāo)敵我識(shí)別方法。

1 基礎(chǔ)理論

1.1 D-S證據(jù)理論

D-S證據(jù)理論是由Dempster創(chuàng)立[9]，經(jīng)Shafter拓展完善而形成的一種理論[10]。其能夠針對(duì)所考察的不確定性問題的基本事件冪集空間，確定相應(yīng)的基本概率賦值，使用證據(jù)組合規(guī)則進(jìn)行融合，從而得到不確定性問題的解。D-S證據(jù)理論可以用比較符合人的邏輯思維的方式處理不確定性問題[11]，能夠明確描述“不知道”和“不確定”等概念，不需要先驗(yàn)概率就可以對(duì)證據(jù)進(jìn)行融合。

定義1：設(shè)空中目標(biāo)敵我識(shí)別過程中所有可能的識(shí)別結(jié)果構(gòu)成的有限完備集合Θ={θ1， θ2， …， θn}為辨識(shí)框架，其中辨識(shí)框架Θ中的各個(gè)元素兩兩互斥。根據(jù)指揮決策的需要和各種手段獲取的情報(bào)，在空中目標(biāo)敵我識(shí)別過程中，辨識(shí)框架Θ主要體現(xiàn)為集合{敵軍，我軍}[12]，其冪集2Θ為集合{，敵軍，我軍，敵軍∪我軍}，其中元素“”和“敵軍∪我軍”統(tǒng)稱為屬性不明目標(biāo)。

定義2：設(shè)A為辨識(shí)框架Θ的任意子集，2Θ為辨識(shí)框架Θ的冪集，若有映射m： 2Θ→[0， 1]滿足如下條件：

m（）=0∑AΘm（A）=1 （1）

則稱m為基本概率賦值函數(shù)，m（A）為A的基本概率賦值（Basic Probability Assignment，BPA）。若m（A）>0，則稱A為m的焦元，焦元Ai（i=1， 2， …， n）為空中目標(biāo)的某一身份信息，基本概率賦值為該身份信息的可信度。

定義3：設(shè)m1和m2為辨識(shí)框架Θ下相互獨(dú)立的基本概率賦值函數(shù)，焦元分別為B1， B2， …， Bn和C1， C2， …， Cn，則D-S組合規(guī)則為

m（）=0m（A）=11-k∑Bi∩Cj=Am1（Bi）m2（Cj） （2）

式中：m是m1和m2融合后的新證據(jù);k為沖突系數(shù)，k=∑Bi∩Cj=m1（Bi）m2（Cj），用于衡量證據(jù)之間的沖突程度。在空中目標(biāo)敵我識(shí)別中，m1和m2分別表示兩個(gè)即將進(jìn)行信息融合的傳感器所構(gòu)成的證據(jù)。

定義4：設(shè)A為辨識(shí)框架Θ的任意子集，m為基本概率賦值函數(shù)。若函數(shù)Bel滿足映射Bel： 2Θ→[0， 1]，且滿足Bel（A）=∑BAm（B），則稱函數(shù)Bel為信任函數(shù)，Bel（A）表示對(duì)空中目標(biāo)的身份信息A為真的信任程度。若函數(shù)Pl滿足映射Pl： 2Θ→[0， 1]，且滿足Pl（A）=1-Bel（），則稱函數(shù)Pl為似真函數(shù)。其中，Bel（）表示對(duì)空中目標(biāo)的身份信息A為假的信任程度，則Pl（A）表示對(duì)空中目標(biāo)的身份信息A為非假的信任程度。

定義5： 設(shè)A為辨識(shí)框架Θ的任意子集，m為基本概率賦值函數(shù)，Bel為信任函數(shù)，Pl為似真函數(shù)，根據(jù)Bel（A）≤m（A）≤Pl（A），定義區(qū)間[Bel（A）， Pl（A）]為焦元A的不確定區(qū)間，表示對(duì)空中目標(biāo)的身份信息A既不支持也不反對(duì);定義區(qū)間[0， Bel（A）]為支持區(qū)間，表示對(duì)空中目標(biāo)的身份信息A的支持程度;定義區(qū)間[Pl（A）， 1]為拒絕區(qū)間，表示對(duì)空中目標(biāo)的身份信息A的拒絕程度。三者關(guān)系如圖1所示。

1.2 空中目標(biāo)敵我識(shí)別流程

在空中目標(biāo)敵我識(shí)別過程中，單一傳感器所獲取的信息無法滿足實(shí)際應(yīng)用需要，通常需要多種傳感器進(jìn)行探測以獲取融合識(shí)別結(jié)果。目前常用的傳感器主要有敵我識(shí)別器（Identifier of Friend-or-Foe，IFF），毫米波雷達(dá)，空管二次雷達(dá)等各型雷達(dá)，還有通過使用諸如電子支援措施（Electronic Support Measures，ESM）和電子情報(bào)技術(shù)（Electronic Information Technology，ELINT）等各類技術(shù)手段來獲取空中目標(biāo)身份信息的傳感器，紅外探測設(shè)備、激光探測設(shè)備和可見光探測設(shè)備等各類光電探測設(shè)備，以及其他可以用來進(jìn)行敵我識(shí)別的傳感器。

常規(guī)的空中目標(biāo)敵我識(shí)別流程如圖2所示[13]。

以此流程為基礎(chǔ)，結(jié)合D-S證據(jù)理論，對(duì)空中目標(biāo)敵我識(shí)別流程進(jìn)行細(xì)化整合，得到基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別的流程。具體如圖3所示。

由圖3可知，基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別流程主要分為兩個(gè)階段：基礎(chǔ)信息處理階段與作戰(zhàn)指揮決策階段。在基礎(chǔ)信息處理階段，首先由各類傳感器對(duì)空中目標(biāo)進(jìn)行特征提取，獲得相應(yīng)的身份特征信息。如果需要進(jìn)行集中式融合，那么使用特定的方法將空中目標(biāo)的身份特征信息轉(zhuǎn)化為D-S證據(jù)理論中的BPA。然后，通過D-S組合規(guī)則進(jìn)行融合處理，得到一個(gè)具有明確敵我屬性的融合識(shí)別結(jié)果。如果需要進(jìn)行分布式融合，首先由各傳感器對(duì)敵我屬性進(jìn)行預(yù)先處理，然后將各自的處理結(jié)果進(jìn)行融合，以獲取最終的識(shí)別結(jié)果。在實(shí)際應(yīng)用中應(yīng)根據(jù)需要合理選擇融合方式。在作戰(zhàn)指揮決策階段，需要對(duì)基礎(chǔ)信息處理階段的融合識(shí)別結(jié)果進(jìn)行綜合評(píng)判，整合目標(biāo)態(tài)勢信息與戰(zhàn)術(shù)信息庫的信息，形成最終決策意見，為指揮官整體決策提供一個(gè)合理的參考。

上述識(shí)別流程中，敵我識(shí)別器主要通過協(xié)作式的詢問與應(yīng)答來獲取空中目標(biāo)的屬性信息;各型雷達(dá)主要通過非協(xié)作的方式來獲取空中目標(biāo)的方位、距離與速度等物理信息;電子偵察設(shè)備主要通過搜索、截獲、定位、識(shí)別與分析敵方電子設(shè)備輻射的電磁能量來獲取空中目標(biāo)的輻射特征;光電探測設(shè)備主要通過將光信號(hào)轉(zhuǎn)換為電信號(hào)來獲取空中目標(biāo)的可視化輪廓信息與能量分布信息等。由于各類傳感器的工作原理和運(yùn)行機(jī)制不同，其獲取信息的內(nèi)容和形式也各不相同，既有定量、定性的數(shù)據(jù)，也有寬泛、宏觀的信息，沒有統(tǒng)一的規(guī)范和標(biāo)準(zhǔn)，難以完成融合識(shí)別。而D-S證據(jù)理論可以將這些信息轉(zhuǎn)化為形式統(tǒng)一的BPA，經(jīng)D-S組合規(guī)則融合處理后能得到直接簡明的識(shí)別結(jié)果，更適用于空中目標(biāo)敵我屬性明確后的指揮決策。

1.3 空中目標(biāo)敵我識(shí)別的關(guān)鍵問題

1.3.1 識(shí)別方法問題

空中目標(biāo)敵我識(shí)別中的問題主要是指為達(dá)成識(shí)別目的，應(yīng)使用什么樣的方法和手段?？删唧w區(qū)分為傳感器的部署問題和敵我識(shí)別準(zhǔn)則建立問題。

一是傳感器的部署問題。情報(bào)信息資源作為現(xiàn)代戰(zhàn)爭中催生戰(zhàn)斗力的主導(dǎo)資源，是開展作戰(zhàn)行動(dòng)和制定作戰(zhàn)決策的基本依據(jù)，聯(lián)合作戰(zhàn)中的任何一個(gè)環(huán)節(jié)都離不開情報(bào)信息資源的支持。傳感器是空中目標(biāo)敵我識(shí)別過程中獲取情報(bào)信息的重要途徑和手段，目前可以用于敵我識(shí)別的傳感器主要涵蓋陸基、?；?、空基、天基、電磁空間等五類平臺(tái)，可以獲取目標(biāo)的物理特征、空間方位、電磁輻射、參數(shù)、圖像等各種信息要素[14]。由于不同的傳感器戰(zhàn)場生存能力不同，實(shí)際應(yīng)用中，為了適應(yīng)復(fù)雜多變的戰(zhàn)場環(huán)境，確保傳感器最大程度發(fā)揮作戰(zhàn)效能，通常會(huì)部署最適用于當(dāng)前戰(zhàn)場環(huán)境的傳感器。必要時(shí)，除了部署技術(shù)型傳感器外，還會(huì)部署諸如技術(shù)偵察、人工情報(bào)、開源情報(bào)等邏輯型傳感器，以實(shí)現(xiàn)全面可靠的空中目標(biāo)敵我識(shí)別任務(wù)。在基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別研究方法中，傳感器的部署問題主要體現(xiàn)為相應(yīng)研究背景下的空中目標(biāo)敵我識(shí)別初始信息源的選擇問題。

二是敵我識(shí)別準(zhǔn)則的建立問題?？罩心繕?biāo)敵我屬性的識(shí)別是一個(gè)十分復(fù)雜的過程。從時(shí)序數(shù)據(jù)處理的角度分析：傳感器直接獲取的初始數(shù)據(jù)往往不具備明確的敵我屬性。需要賦予其包含有敵我識(shí)別準(zhǔn)則的功能模塊，才能使其在此規(guī)則下完成對(duì)初始數(shù)據(jù)敵我屬性的分析、處理與融合功能，實(shí)現(xiàn)由原始數(shù)據(jù)向定量定性信息的轉(zhuǎn)換;從作戰(zhàn)指揮決策的角度分析[15]，? 隨著電子對(duì)抗技術(shù)和隱身技術(shù)的發(fā)展，常規(guī)雷達(dá)會(huì)受到嚴(yán)重干擾，無法進(jìn)行有效識(shí)別。因此除了引入邏輯型傳感器進(jìn)行輔助識(shí)別外，還應(yīng)把指揮官的判斷力融入到空中目標(biāo)敵我識(shí)別的各個(gè)環(huán)節(jié)中去，指揮官判斷力發(fā)揮的關(guān)鍵在于其積累的豐富的敵我識(shí)別判別經(jīng)驗(yàn)。這些經(jīng)驗(yàn)來源于由戰(zhàn)術(shù)信息庫和軍事專家經(jīng)驗(yàn)所建立起的敵我識(shí)別準(zhǔn)則。因此在實(shí)際應(yīng)用中，應(yīng)賦予傳感器符合當(dāng)前實(shí)際需求的敵我識(shí)別準(zhǔn)則，使其獲取的信息帶有相應(yīng)的戰(zhàn)術(shù)特征，提高敵我識(shí)別的準(zhǔn)確性。在基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別研究中，敵我識(shí)別準(zhǔn)則的建立問題主要體現(xiàn)為相應(yīng)的研究背景下，初始信息源應(yīng)獲取的數(shù)據(jù)種類，以及將該數(shù)據(jù)轉(zhuǎn)化為屬性信息時(shí)所選取的閾值和定性標(biāo)準(zhǔn)。

1.3.2 信息融合問題

空中目標(biāo)敵我識(shí)別有效實(shí)施的基礎(chǔ)在于實(shí)現(xiàn)各類傳感器之間的信息融合。目前常用的融合方式有集中式融合、分布式融合、混合式融合等[16]。集中式融合的結(jié)果更加準(zhǔn)確，但運(yùn)算量較高，且任一傳感器受到破壞，會(huì)對(duì)識(shí)別結(jié)果造成重大影響。分布式融合能夠避免上述問題，具有較強(qiáng)的生存能力，但是信息利用率較低。混合式融合能夠克服兩者的缺點(diǎn)，但是其處理結(jié)構(gòu)復(fù)雜，成本較高。因此應(yīng)根據(jù)實(shí)際需要，選擇合理的融合方式。但無論使用哪種融合方式，在基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別研究中，首先需要解決兩個(gè)基本問題：一是BPA構(gòu)造方法問題，二是沖突證據(jù)融合問題。在構(gòu)造BPA時(shí)，應(yīng)確保構(gòu)造BPA的方法符合實(shí)際需求，可根據(jù)情況引入權(quán)重，確保合理發(fā)揮主要傳感器的決定作用和輔助傳感器的輔助作用。在進(jìn)行沖突證據(jù)融合時(shí)，選用的融合方法應(yīng)減少無效信息的干擾和有效信息的丟失。此外，解決以上兩個(gè)基本問題選用的方法應(yīng)符合決策邏輯，滿足時(shí)效性、可靠性、連續(xù)性的基本要求，既能夠?qū)崿F(xiàn)對(duì)單個(gè)目標(biāo)的識(shí)別與跟蹤，又能夠?qū)崿F(xiàn)復(fù)雜態(tài)勢下多目標(biāo)的敵我識(shí)別。

2 基于識(shí)別方法的研究分類

合理的識(shí)別方法是實(shí)施空中目標(biāo)敵我識(shí)別的有效途徑和手段。在實(shí)際應(yīng)用中，敵我識(shí)別準(zhǔn)則的建立一方面取決于軍事專家經(jīng)驗(yàn)，另一方面取決于傳感器的信息處理能力。因此，傳感器的部署與敵我識(shí)別準(zhǔn)則的建立是同步實(shí)施的。以技術(shù)型傳感器及其配套的敵我識(shí)別準(zhǔn)則為主的識(shí)別方法稱為技術(shù)型識(shí)別方法;以邏輯型傳感器及其配套的敵我識(shí)別準(zhǔn)則為主的識(shí)別方法稱為邏輯型識(shí)別方法。

2.1 基于技術(shù)型識(shí)別方法的研究分類

技術(shù)型識(shí)別方法探測的信息形式固定，相對(duì)客觀，具有較快的識(shí)別速度和較高的可信度，是當(dāng)前的研究熱點(diǎn)。技術(shù)型識(shí)別方法通過各種協(xié)作式和非協(xié)作式傳感器對(duì)空中目標(biāo)進(jìn)行探測。協(xié)作式傳感器主要采用“詢問/應(yīng)答”的方式來獲取信息，如敵我識(shí)別器等。非協(xié)作式傳感器則直接獲取相應(yīng)信息。

譚源泉等[17]提出的空中目標(biāo)敵我識(shí)別方法是在先驗(yàn)信息粗糙的情況下，選用協(xié)作式傳感器來進(jìn)行識(shí)別。將傳感器提取的飛機(jī)編號(hào)、飛行員代號(hào)、航速、最小安全速度等四類要素作為基礎(chǔ)信息，通過比對(duì)飛機(jī)編號(hào)與飛行員代號(hào)之間的對(duì)應(yīng)關(guān)系、區(qū)分明確的目標(biāo)屬性速度區(qū)間來確定敵我識(shí)別準(zhǔn)則，再使用模糊隸屬度函數(shù)將相應(yīng)的信息轉(zhuǎn)化為BPA，最后采用一種基于權(quán)值修正的改進(jìn)D-S融合方法[18]進(jìn)行融合。試驗(yàn)結(jié)果表明，該方法可以較好地提高識(shí)別精確性。

Tan等[19]針對(duì)實(shí)際應(yīng)用中IFF與雷達(dá)融合識(shí)別的問題，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)理論相結(jié)合的空中目標(biāo)敵我識(shí)別方法。該方法選用IFF與雷達(dá)作為傳感器，探測目標(biāo)的高度、速度、爬升情況，以及我方空域速度、IFF應(yīng)答情況等要素，根據(jù)專家經(jīng)驗(yàn)和計(jì)算能力，選取目標(biāo)高度、速度范圍來建立敵我識(shí)別準(zhǔn)則。其采用模糊神經(jīng)網(wǎng)絡(luò)與概率因子、多級(jí)模糊綜合評(píng)價(jià)與D-S理論相結(jié)合的混合算法，實(shí)現(xiàn)了從生成模糊數(shù)據(jù)庫到最終識(shí)別的完整過程，可以自動(dòng)識(shí)別敵我，減少了識(shí)別過程中不確定性的影響。

陳麗家[20]針對(duì)IFF的局限性，避免在受到干擾、欺騙后的誤判，選用IFF與雷達(dá)等協(xié)作式和非協(xié)作式傳感器進(jìn)行空中目標(biāo)敵我識(shí)別。其提取IFF應(yīng)答信號(hào)、飛機(jī)活動(dòng)區(qū)域、特定飛行區(qū)域、空中走廊和飛行計(jì)劃等相關(guān)信息，通過劃定敵軍與友軍的空域范圍、飛行區(qū)域的高度和時(shí)間范圍、空中走廊的相關(guān)航跡、飛行計(jì)劃匹配程度等建立相應(yīng)的敵我識(shí)別準(zhǔn)則。然后使用模糊C均值聚類方法建立隸屬度函數(shù)，進(jìn)而獲取BPA，最后使用Murphy方法[21]進(jìn)行D-S融合以獲取最終的識(shí)別結(jié)果。朱昕[22]在此基礎(chǔ)上加入了飛行器型號(hào)識(shí)別準(zhǔn)則、威脅性識(shí)別準(zhǔn)則、戰(zhàn)術(shù)特征準(zhǔn)則等，對(duì)基于戰(zhàn)術(shù)特征準(zhǔn)則獲取的信息使用帶概率因子的模糊神經(jīng)網(wǎng)絡(luò)獲取BPA，其他則使用隸屬度函數(shù)，并選用Shafer折扣方法[10]對(duì)BPA進(jìn)行修正，在最后進(jìn)行D-S融合時(shí)，引入融合結(jié)果可信度的分析，使識(shí)別結(jié)果更加精確。

吳強(qiáng)等[23]在戰(zhàn)斗機(jī)防空戰(zhàn)斗巡邏的背景下展開相應(yīng)研究。該研究選用機(jī)載雷達(dá)作為非協(xié)作式傳感器來探測空中目標(biāo)的速度、加速度、雷達(dá)反射面、高度等四類要素。在防空戰(zhàn)斗巡邏中，我軍原則上不會(huì)進(jìn)入巡邏區(qū)域，因此所有進(jìn)入或有進(jìn)入意圖的空中目標(biāo)均可能為敵軍，基于此建立以目標(biāo)威脅特性為主的敵我識(shí)別準(zhǔn)則。針對(duì)每個(gè)目標(biāo)威脅特性構(gòu)建中間型隸屬度函數(shù)來構(gòu)造BPA，然后得到某個(gè)時(shí)刻目標(biāo)的具體種類，最后將每個(gè)時(shí)刻的識(shí)別結(jié)果進(jìn)行融合以獲取最終結(jié)果，保證了識(shí)別結(jié)果的連續(xù)性。

孫俊等[24]充分挖掘雷達(dá)的戰(zhàn)術(shù)性能，從雷達(dá)寬窄帶結(jié)合的角度展開空中目標(biāo)敵我識(shí)別的研究。該研究通過雷達(dá)寬帶識(shí)別系統(tǒng)獲取高分辨一維距離像的頻譜幅度以及目標(biāo)的姿態(tài)角等較為精確的信息，結(jié)合雷達(dá)窄帶識(shí)別系統(tǒng)獲取目標(biāo)高度、速度、航向等較為粗略的信息，實(shí)現(xiàn)寬窄帶功能互補(bǔ)。通過建立隸屬度函數(shù)，將探測到的信息轉(zhuǎn)換為BPA，進(jìn)行相應(yīng)的D-S融合以獲取最終結(jié)果。

徐浩等[25]考慮復(fù)雜環(huán)境下的傳感器可信度具有一定差異的工程實(shí)際，結(jié)合使用敵我識(shí)別器、ESM、雷達(dá)、紅外傳感器等協(xié)作式和非協(xié)作式傳感器，主要獲取目標(biāo)應(yīng)答信號(hào)、輻射信號(hào)、位置與運(yùn)動(dòng)信息、輪廓等方面的信息。其利用傳感器內(nèi)置的敵我識(shí)別準(zhǔn)則獲得初步識(shí)別結(jié)果，再將對(duì)應(yīng)的BPA轉(zhuǎn)化為IFS決策問題，利用TOPSIS法確定各證據(jù)權(quán)重，然后對(duì)識(shí)別結(jié)果進(jìn)行修正，以獲取最終的識(shí)別結(jié)果。龐夢洋等[26]在此基礎(chǔ)上，為進(jìn)一步減少識(shí)別中的錯(cuò)判，提出了一種基于三支決策的空中目標(biāo)敵我識(shí)別方法。該方法根據(jù)實(shí)際情況和專家經(jīng)驗(yàn)，引入損失函數(shù)，確定閾值，制定三支決策規(guī)則，從而在徐浩方法的基礎(chǔ)上區(qū)分屬性不明目標(biāo)，而后進(jìn)行進(jìn)一步的識(shí)別，最大程度地減少誤判風(fēng)險(xiǎn)。

王成[27]為避免物理特征對(duì)空中目標(biāo)信息描述不全的問題，提出了一個(gè)基于DsmT理論的空中目標(biāo)識(shí)別方法。該方法使用技術(shù)型傳感器獲取空中目標(biāo)的圖像信息和物理特征信息，并進(jìn)行DsmT融合，以獲取更高的識(shí)別結(jié)果，但該方法在獲取圖像信息時(shí)容易受到干擾，會(huì)對(duì)識(shí)別結(jié)果造成不利影響。

綜上，基于技術(shù)型識(shí)別方法的空中目標(biāo)敵我識(shí)別研究領(lǐng)域十分廣泛，但因其研究背景和側(cè)重點(diǎn)的不同，導(dǎo)致其優(yōu)勢和局限各有不同。相對(duì)來說，協(xié)作式傳感器使用較少，非協(xié)作式傳感器使用較多。文獻(xiàn)[17]采用的協(xié)作式傳感器可以直接提取目標(biāo)信息，不需要過多的加工，簡單快捷，同時(shí)也考慮我軍飛機(jī)受損情況下的識(shí)別方法。但是該方法只能用于識(shí)別我軍和不明目標(biāo)，實(shí)際應(yīng)用價(jià)值有限;文獻(xiàn)[19]通過智能算法實(shí)現(xiàn)自動(dòng)識(shí)別敵我，但其對(duì)目標(biāo)數(shù)據(jù)庫具有一定的依賴性，對(duì)數(shù)據(jù)庫中沒有的目標(biāo)識(shí)別效果較弱;文獻(xiàn)[20，22]選用的方法充分發(fā)揮了雷達(dá)等非協(xié)作式傳感器的作用，為空中目標(biāo)敵我識(shí)別提供了一種參考思路，但其敵我識(shí)別準(zhǔn)則范圍較為寬泛，容易被敵軍竊取利用，因此還有待改進(jìn);文獻(xiàn)[23]提出的方法可以準(zhǔn)確識(shí)別目標(biāo)的種類，方便進(jìn)行指揮決策，但是該方法只能用于識(shí)別敵軍，無法識(shí)別我軍和友軍，應(yīng)用范圍有限，且只能識(shí)別數(shù)據(jù)庫內(nèi)已錄入的目標(biāo)類型，無法識(shí)別數(shù)據(jù)庫外的目標(biāo);文獻(xiàn)[24]提出的方法能夠有效提高雷達(dá)傳感器的識(shí)別性能，但是并未考慮雷達(dá)在受到電子壓制時(shí)的情況;文獻(xiàn)[25]考慮實(shí)際情況下各傳感器作用發(fā)揮的不同，引入傳感器可信度概念，更加貼近實(shí)際;文獻(xiàn)[26]在文獻(xiàn)[25]的基礎(chǔ)上實(shí)現(xiàn)了對(duì)不明目標(biāo)的進(jìn)一步識(shí)別，為空中目標(biāo)敵我識(shí)別提供了一種新的思路;文獻(xiàn)[27]從目標(biāo)圖像信息角度入手，提出了新的識(shí)別方法，但未考慮圖像信息易受干擾的情況。

2.2 基于邏輯型識(shí)別方法的研究分類

在現(xiàn)代戰(zhàn)爭中，為避免強(qiáng)電磁干擾下技術(shù)型識(shí)別方法不可靠的問題。需要根據(jù)作戰(zhàn)實(shí)際引入邏輯型識(shí)別方法對(duì)技術(shù)型識(shí)別方法進(jìn)行補(bǔ)充，以獲取更為科學(xué)全面的識(shí)別結(jié)果。

李進(jìn)軍等[28]從編隊(duì)防空作戰(zhàn)的角度考慮，認(rèn)為傳統(tǒng)的技術(shù)型識(shí)別方法只能區(qū)分目標(biāo)敵我屬性而不能判斷目標(biāo)的威脅程度，無法滿足防空作戰(zhàn)指揮決策需要，因此選用了結(jié)合目標(biāo)戰(zhàn)術(shù)特征的邏輯型傳感器進(jìn)行空中目標(biāo)敵我識(shí)別。該傳感器通過探測目標(biāo)的距離、速度、高度、加速度和回波等物理信息，并融入基于敵方戰(zhàn)術(shù)行為建立的敵我識(shí)別準(zhǔn)則，使上述物理信息具備了相應(yīng)的戰(zhàn)術(shù)特征，能夠清晰地描述目標(biāo)的威脅態(tài)勢程度，從而方便指揮官進(jìn)行決策。該方法根據(jù)空中目標(biāo)區(qū)域?qū)傩远x，構(gòu)建了BPA模型，并引入后驗(yàn)可信度進(jìn)行融合。崇元等[29]在此基礎(chǔ)上提出了一種基于融合戰(zhàn)術(shù)與修正物理特征的空中目標(biāo)敵我識(shí)別方法。該方法認(rèn)為僅將戰(zhàn)術(shù)特征賦予物理信息無法突出戰(zhàn)術(shù)特征的作用，應(yīng)使用戰(zhàn)術(shù)特征對(duì)識(shí)別后的目標(biāo)物理特征進(jìn)行修正，避免目標(biāo)物理特征上的欺騙和偽裝。

綜上，基于邏輯型識(shí)別方法的空中目標(biāo)敵我識(shí)別研究內(nèi)容相對(duì)比較匱乏，可供參考的文獻(xiàn)相對(duì)較少。僅有的文獻(xiàn)[28-29]也是從防空作戰(zhàn)的角度出發(fā)，是在空中目標(biāo)均可能為潛在敵軍的前提下開展研究的，適用范圍具有一定的局限性。

2.3 基于識(shí)別方法的研究分類總結(jié)

從空中目標(biāo)敵我識(shí)別的識(shí)別方法這個(gè)角度出發(fā)，對(duì)技術(shù)型識(shí)別方法和邏輯型識(shí)別方法兩個(gè)方面展開論述，將敵我識(shí)別能力、傳感器的使用類型、作戰(zhàn)適用范圍、戰(zhàn)術(shù)價(jià)值進(jìn)行了歸類總結(jié)。具體如表1所示。

由表1可知，不同的研究背景、不同的識(shí)別方法具有不同的優(yōu)點(diǎn)和缺陷。目前國內(nèi)外主要是從技術(shù)型識(shí)別方法的角度對(duì)空中目標(biāo)敵我識(shí)別展開研究。因?yàn)榧夹g(shù)型識(shí)別方法獲取的信息相對(duì)比較客觀、精度較高、信息處理速度較快，但是忽略了實(shí)際應(yīng)用中強(qiáng)電磁干擾下技術(shù)型識(shí)別方法效果欠佳的客觀實(shí)際。僅有的邏輯型識(shí)別方法也是站在編隊(duì)防空作戰(zhàn)的角度考慮，戰(zhàn)術(shù)價(jià)值相對(duì)有限。在下一步研究中，應(yīng)結(jié)合實(shí)際加強(qiáng)邏輯型識(shí)別方法的研究，實(shí)現(xiàn)復(fù)雜戰(zhàn)場環(huán)境下可靠的敵我識(shí)別。

3 基于信息融合的研究分類

信息融合能將空中目標(biāo)敵我識(shí)別中寬泛的信息轉(zhuǎn)化為規(guī)范的數(shù)學(xué)語言，再通過算法對(duì)其進(jìn)行融合處理，進(jìn)而得到一個(gè)科學(xué)合理的結(jié)果，是空中目標(biāo)敵我識(shí)別中的關(guān)鍵一環(huán)。

3.1 基于BPA構(gòu)造方法的研究分類

規(guī)范統(tǒng)一的BPA是實(shí)現(xiàn)空中目標(biāo)敵我識(shí)別信息融合的重要前提。本節(jié)針對(duì)空中目標(biāo)敵我識(shí)別中常用的基于隸屬度函數(shù)的BPA構(gòu)造方法和基于智能算法的BPA構(gòu)造方法進(jìn)行歸納分析，最后從BPA獲取效果、算法復(fù)雜度和戰(zhàn)術(shù)價(jià)值三個(gè)方面進(jìn)行總結(jié)。

3.1.1 基于隸屬度函數(shù)的BPA構(gòu)造方法

模糊集理論[30]、粗糙集理論[31]和直覺模糊集理論[32]是經(jīng)典集合理論的拓展，能夠合理地表示不確定現(xiàn)象，還可以同其他不確定性推理的方法相結(jié)合，更加合理地獲取BPA。隸屬度函數(shù)[33]作為模糊理論中的一個(gè)重要工具，可以將軍事專家經(jīng)驗(yàn)轉(zhuǎn)為函數(shù)形式，使獲取的BPA符合空中目標(biāo)敵我識(shí)別的邏輯，因此在空中目標(biāo)敵我識(shí)別中應(yīng)用較為廣泛。目前，在D-S證據(jù)理論中確定隸屬度函數(shù)的方法主要有：參考函數(shù)法、專家評(píng)議法、模糊統(tǒng)計(jì)法、三分法、樣板法、判斷矩陣分析法、數(shù)值迭代統(tǒng)計(jì)法等。

參考函數(shù)法[34]是根據(jù)所要求解問題的性質(zhì)套用現(xiàn)成的隸屬度分布函數(shù)，雖然相對(duì)主觀，但其原理是根據(jù)軍事專家經(jīng)驗(yàn)和作戰(zhàn)實(shí)際而選取的。文獻(xiàn)[23]選用參考函數(shù)法建立梯形隸屬度函數(shù)來構(gòu)造BPA，梯形隸屬度穩(wěn)定性較好，采用軟件進(jìn)行仿真時(shí)，計(jì)算相對(duì)簡便，實(shí)時(shí)性較強(qiáng)，但其敏感性相對(duì)較差，只適用于目標(biāo)數(shù)量類型變化較少的情況。為增強(qiáng)隸屬度函數(shù)敏感性，確保該函數(shù)能夠適用于目標(biāo)數(shù)量類型變化較為復(fù)雜的情況。文獻(xiàn)[35-37]選擇三角形隸屬度函數(shù)來獲取BPA。不同的是，文獻(xiàn)[35]通過計(jì)算目標(biāo)模型與樣本模型的相似度來獲取BPA，這種方法通過與現(xiàn)有的目標(biāo)戰(zhàn)術(shù)數(shù)據(jù)庫進(jìn)行對(duì)比，獲取的結(jié)果更有可信度，不足之處是需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)時(shí)性較差，且無法識(shí)別數(shù)據(jù)庫中沒有的目標(biāo)。文獻(xiàn)[36]將k-means聚類算法同三角隸屬度函數(shù)相結(jié)合，根據(jù)訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)的關(guān)系生成初始BPA，從算法層面上來講比單純的三角隸屬度函數(shù)更加精確，但是和文獻(xiàn)[35]存在同樣的問題。文獻(xiàn)[37]利用統(tǒng)計(jì)樣本中得出的目標(biāo)速度信息，構(gòu)建相應(yīng)的三角形隸屬度函數(shù)來獲取BPA，計(jì)算量較小，節(jié)約了時(shí)間和成本，但該方法獲取的信息較少，相對(duì)片面，適用范圍有限。

除了參考函數(shù)法，還有許多學(xué)者選用了其他方法來構(gòu)造隸屬度函數(shù)。文獻(xiàn)[17]針對(duì)飛機(jī)編號(hào)、飛行員信息和最小安全速度，采用專家評(píng)議法構(gòu)造隸屬度函數(shù)，對(duì)飛機(jī)的航速則采用模糊統(tǒng)計(jì)的方法構(gòu)造隸屬度函數(shù)，但其隸屬度函數(shù)的閾值選擇比較籠統(tǒng)，識(shí)別精度有待加強(qiáng)。Gabriel等[38]從隸屬函數(shù)的擴(kuò)展對(duì)決策準(zhǔn)確性的影響角度考慮，在訓(xùn)練數(shù)據(jù)和建模階段，通過調(diào)整常用的隸屬度函數(shù)形狀分布來提高精確度，使獲取的BPA更加準(zhǔn)確。李軍等[39]針對(duì)目標(biāo)多特征的BPA難以獲取的問題，使用三分法構(gòu)造BPA，首先建立特征隸屬度矩陣，然后基于樣本數(shù)據(jù)與中心點(diǎn)的偏差程度衡量目標(biāo)特征可信度，通過特征矩陣列向量與可信度相乘確定目標(biāo)的重要程度，最后對(duì)其歸一化，即可求得BPA。該方法能夠充分利用目標(biāo)身份特征，減少傳感器本身的誤差影響，具有較強(qiáng)的抗干擾性能。馮至等[40]將證據(jù)理論與粗糙集相結(jié)合，提出了一種基于證據(jù)權(quán)重的BPA獲取方法，該方法利用決策表確定證據(jù)權(quán)重，對(duì)決策的可信度進(jìn)行修正從而獲取BPA，可以減少證據(jù)沖突，與文獻(xiàn)[41]相比，驗(yàn)證了引入權(quán)重在提高空中目標(biāo)敵我識(shí)別方面的重要作用。文獻(xiàn)[25]提出將D-S證據(jù)理論與直覺模糊集相結(jié)合來獲取BPA，該方法在傳感器獲取的原始BPA基礎(chǔ)上，依據(jù)證據(jù)權(quán)重采用順次信度分配法將原始BPA擴(kuò)展為辨識(shí)框架中各個(gè)元素的BPA，再將其轉(zhuǎn)化為IFS決策問題，提高空中目標(biāo)敵我識(shí)別的準(zhǔn)確性。趙凌偉[42]提出了基于熵權(quán)灰色關(guān)聯(lián)度建立BPA計(jì)算模型，可以直接計(jì)算出單個(gè)傳感器的BPA，在此基礎(chǔ)上進(jìn)行時(shí)域和空域的融合，能夠較為準(zhǔn)確地獲取最終的識(shí)別結(jié)果，提高了敵我識(shí)別的準(zhǔn)確性。

綜上，文獻(xiàn)[23]的方法雖然穩(wěn)定性較好，但其對(duì)輸入不夠敏感，適用于潛在的目標(biāo)類型已知的情況，對(duì)新出現(xiàn)的目標(biāo)類型BPA獲取能力相對(duì)較差。文獻(xiàn)[35-37]的方法對(duì)輸入有較為迅速的反饋，但其BPA的獲取需要大量試驗(yàn)數(shù)據(jù)作為支撐，實(shí)時(shí)性相對(duì)較差，對(duì)于數(shù)據(jù)庫外的目標(biāo)BPA獲取能力較差，只適用于預(yù)先長期固定的敵我識(shí)別系統(tǒng)，不適用于前線臨時(shí)敵我識(shí)別。文獻(xiàn)[17]建立的隸屬度函數(shù)比較籠統(tǒng)，局限性較大，可以作為一種建模思路，但其應(yīng)用價(jià)值有限。文獻(xiàn)[38]的方法通過調(diào)整隸屬度函數(shù)分布來提高精確度，為隸屬度函數(shù)模型的建立提供了參考。文獻(xiàn)[39]仿真結(jié)果表明，由于該算法獲取的BPA差距較小，在發(fā)生誤判的情況下，若誤判對(duì)象不同，該算法依然可以得到較為合理的BPA;若誤判對(duì)象相同，則無法合理獲取BPA。文獻(xiàn)[40]可以為敵我識(shí)別提供一種新的思路，但其需要大量且逐一計(jì)算傳感器精度，算法復(fù)雜度較高。文獻(xiàn)[25]提出的方法計(jì)算復(fù)雜度適中，更加貼近作戰(zhàn)實(shí)際。文獻(xiàn)[42]提出的方法單次測量計(jì)算簡單，但進(jìn)行融合識(shí)別時(shí)需要結(jié)合先驗(yàn)信息，計(jì)算較為復(fù)雜，但準(zhǔn)確性很髙。

3.1.2 基于智能算法的BPA獲取方法

在空中作戰(zhàn)中，空中態(tài)勢往往呈現(xiàn)出多維、非線性的態(tài)勢，智能算法能夠?qū)?fù)雜的實(shí)際問題轉(zhuǎn)化為簡潔的數(shù)學(xué)語言，通過其內(nèi)置的運(yùn)算規(guī)則加快運(yùn)算進(jìn)程，將多維、非線性的空中態(tài)勢降維簡化，為空中目標(biāo)識(shí)別問題提供定量分析和計(jì)算方法，符合人的思維邏輯。

張志[43]提出一種使用BP神經(jīng)網(wǎng)絡(luò)獲取BPA的方法，該方法通過紅外傳感器采集目標(biāo)面積、周長等22類信息、88組數(shù)據(jù)，根據(jù)屬性分為4組，利用BP神經(jīng)網(wǎng)絡(luò)非線性映射能力直接轉(zhuǎn)化為D-S證據(jù)理論中的BPA，更具有客觀性。Liu等[44]提出一種加權(quán)模糊D-S證據(jù)理論來獲取BPA，該方法將模糊樸素貝葉斯方法與均值分類規(guī)則結(jié)合來獲取BPA，有助于D-S框架自適應(yīng)解決不同問題。陳雁飛[45]提出的BPA獲取方法，采用混淆矩陣記錄訓(xùn)練結(jié)果，然后使用貝葉斯推理獲取辨識(shí)框架中各個(gè)元素的概率，最后通過簡單或一致性支持函數(shù)獲取BPA，為空中目標(biāo)敵我識(shí)別提供一定參考。Deng等[46]提出了一種基于混淆矩陣的BPA獲取方法，該方法基于召回矩陣和精度矩陣對(duì)混淆矩陣中的每個(gè)類別構(gòu)造BPA。文獻(xiàn)[22]考慮目標(biāo)識(shí)別中的主客觀因素，使用帶概率因子的乘型模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建隸屬度函數(shù)，通過敵我識(shí)別判決準(zhǔn)則獲取可信度，最后利用Shafer折扣規(guī)則修正獲取BPA。Qin等[47]提出了基于改進(jìn)區(qū)間數(shù)的BPA獲取方法，該方法基于測試樣本與構(gòu)建模型之間的距離和距離間隔的相似性來獲取BPA，具有較好的抗干擾性。

綜上，基于智能算法獲取的BPA更加客觀，運(yùn)算處理速度更快，但大多數(shù)情況下，需要大量的試驗(yàn)數(shù)據(jù)作為支撐，小樣本條件下獲取的BPA精確度會(huì)有所下降，在目標(biāo)較少且數(shù)據(jù)庫中沒有該目標(biāo)時(shí)，BPA獲取的精度就會(huì)下降，如文獻(xiàn)[22，43-45，47]等;此外，部分智能算法模型比較復(fù)雜，在處理新突發(fā)情況下的空中目標(biāo)敵我識(shí)別情況時(shí)會(huì)增加建模時(shí)間，不利于達(dá)到快速獲取BPA進(jìn)行識(shí)別的目的，如文獻(xiàn)[46]等。

3.1.3 基于BPA構(gòu)造方法的研究分類總結(jié)

對(duì)空中目標(biāo)敵我識(shí)別信息融合中的BPA構(gòu)造方法進(jìn)行歸納與分析，從BPA獲取效果、算法復(fù)雜度和戰(zhàn)術(shù)價(jià)值三個(gè)方面的總結(jié)如表2所示。

從表2可以看出，在空中目標(biāo)敵我識(shí)別的信息融合中，基于隸屬度函數(shù)的BPA構(gòu)造方法研究相對(duì)較多，戰(zhàn)術(shù)價(jià)值高的也比較多。這是因?yàn)榭罩心繕?biāo)敵我識(shí)別中的BPA構(gòu)造不是一個(gè)簡單的數(shù)學(xué)過程，而是需要融入指揮官的判斷力和決策力，使獲取的BPA包含有一定的戰(zhàn)術(shù)信息。同時(shí)，隸屬度函數(shù)的構(gòu)造是基于軍事專家經(jīng)驗(yàn)和作戰(zhàn)實(shí)際這個(gè)客觀條件，所以隸屬度函數(shù)雖然帶有一定的主觀特征，但從作戰(zhàn)實(shí)際考慮，是較為客觀的。其優(yōu)良的適應(yīng)性可用于復(fù)雜情況下的敵我識(shí)別，但其在處理大量數(shù)據(jù)時(shí)還有一定的缺陷，需要結(jié)合智能算法合理使用。智能算法在處理大量數(shù)據(jù)時(shí)具有優(yōu)勢，但多數(shù)情況下需要進(jìn)行訓(xùn)練數(shù)據(jù)與樣本數(shù)據(jù)的比對(duì)，對(duì)于超出目標(biāo)數(shù)據(jù)庫的信息就難以處理。在以后的研究中需要根據(jù)情況合理選擇使用。

3.2 基于沖突證據(jù)融合的研究分類

在空中目標(biāo)敵我識(shí)別過程中，各類傳感器容易受到電磁環(huán)境的干擾，以及各種環(huán)境和人為因素的影響，會(huì)使獲取的證據(jù)在信息融合后產(chǎn)生與人的直覺相悖的結(jié)果，如1信任悖論、0信任悖論、全沖突悖論、證據(jù)吸收悖論、信任偏移悖論、焦元基模糊悖論等[48]，降低了識(shí)別結(jié)果的精確性。因此，應(yīng)選擇合理的方法消解證據(jù)之間的沖突。本節(jié)從修改組合規(guī)則和修改證據(jù)源兩個(gè)方面對(duì)空中目標(biāo)敵我識(shí)別中的沖突證據(jù)融合方法進(jìn)行歸納分析，最后從融合效果、復(fù)雜程度和戰(zhàn)術(shù)價(jià)值三方面進(jìn)行總結(jié)。

3.2.1 基于修改組合規(guī)則的沖突證據(jù)融合

修改組合規(guī)則作為一種乘性策略，重點(diǎn)研究的是沖突的再分配，即需要分配沖突的子集，以及以什么樣的比例把沖突分配給子集[49-50]。

全局沖突分配是將沖突分配給未知命題或者是辨識(shí)框架。在早期研究中，代表性的方法有Smets[51]提出的基于可傳遞置信模型的全局沖突分配方法，以開世界假設(shè)為前提，不做歸一化處理，將沖突分配給空集，但在實(shí)際應(yīng)用中，很多時(shí)候開世界假設(shè)難以滿足。Yager[52]以閉世界假設(shè)為前提，提出了將沖突賦給辨識(shí)框架的全局沖突分配法。杭文慶等[53]以閉世界假設(shè)為前提，建立可信度模型確定權(quán)重，對(duì)沖突進(jìn)行全局分配，同時(shí)又考慮到空中作戰(zhàn)中可能出現(xiàn)的新情況，以開世界假設(shè)為前提，將內(nèi)外協(xié)調(diào)因子作為權(quán)重，對(duì)沖突進(jìn)行全局分配，該方法更符合應(yīng)用實(shí)際，為空中目標(biāo)敵我識(shí)別提供了參考。

局部沖突分配通常需要引入沖突分配權(quán)重，將沖突按照權(quán)重分配給相關(guān)元素。Lefevre等[54]提出了一種經(jīng)典的局部沖突分配法，根據(jù)信息融合時(shí)的證據(jù)源數(shù)量和沖突之間的關(guān)系，確定沖突分配比例，將沖突分配給各個(gè)子集。許紅波等[55]針對(duì)傳統(tǒng)D-S證據(jù)理論在處理多特征沖突信息方面的弱勢，以雷達(dá)和ESM獲取的目標(biāo)調(diào)制特征、輻射源載頻、脈沖寬度、脈沖重復(fù)周期等特征為例，提出了一種推廣的組合規(guī)則，將沖突分配給沖突焦元，從技術(shù)層面減少了融合中不確定性影響，提升了技術(shù)型傳感器信息融合中的精確度。Guo等[56]提出了一種基于證據(jù)之間交叉融合策略的D-S證據(jù)理論組合規(guī)則，該方法充分利用證據(jù)的可靠性，減少不確定性信息對(duì)融合結(jié)果的影響，并在證據(jù)組合之間按照比例分配沖突，使融合結(jié)果更加簡潔、合理、有效。李洋等[57]考慮復(fù)雜戰(zhàn)場環(huán)境下的信息融合中可能出現(xiàn)的沖突證據(jù)，選用雷達(dá)、紅外、電子偵察設(shè)備、通信偵察設(shè)備和光電等各類傳感器，直接獲取目標(biāo)類型的初始BPA，利用PCR5規(guī)則計(jì)算各傳感器自身獲取的證據(jù)之間的沖突，將沖突分配給沖突焦元，獲取修正后的BPA，再進(jìn)行統(tǒng)一的融合，該方法既可以實(shí)現(xiàn)低沖突證據(jù)的融合，又可以實(shí)現(xiàn)高沖突證據(jù)的融合。方怡等[58]提出了一個(gè)改進(jìn)的組合規(guī)則對(duì)沖突證據(jù)進(jìn)行融合，該方法基于Euclidean距離確定證據(jù)支持度，以證據(jù)支持度標(biāo)準(zhǔn)偏差確定對(duì)證據(jù)的平均支持水平，并以此作為權(quán)重，進(jìn)行局部沖突分配。張安安等[59]采用局部沖突分配策略，選用向下聚焦法對(duì)沖突證據(jù)進(jìn)行融合，該方法對(duì)產(chǎn)生沖突的證據(jù)個(gè)體進(jìn)行分析，考慮焦元基數(shù)在信息融合中的影響，將沖突分配給基數(shù)更小的焦元，實(shí)現(xiàn)了較好的融合，同時(shí)克服了Lefevre規(guī)則參數(shù)設(shè)置過多的問題。Zhang等[50]提出的改進(jìn)組合規(guī)則，能夠通過證據(jù)相關(guān)系數(shù)建立新的沖突衡量參數(shù)，可以有效融合沖突證據(jù)，提高合成結(jié)果的可靠性。

綜上，文獻(xiàn)[53]提出的方法綜合考慮我機(jī)、友機(jī)、預(yù)警機(jī)和地面?zhèn)鞲衅髦g的融合問題，考慮了空戰(zhàn)出現(xiàn)新情況時(shí)的融合方法，其融合結(jié)果比文獻(xiàn)[51]的融合結(jié)果更加合理，不確定性影響更少。文獻(xiàn)[55]提出的方法從探測目標(biāo)的電磁信號(hào)的研究背景入手，推廣D-S組合規(guī)則的使用范圍，有效處理了證據(jù)沖突，但試驗(yàn)結(jié)果表明，其精度提升有限，仍有較大的改進(jìn)空間。文獻(xiàn)[56]提出的方法極大地增強(qiáng)了信息融合中的抗干擾性及容錯(cuò)能力，可以為空中目標(biāo)敵我的信息融合提供一定的參考。文獻(xiàn)[57，59]通過與D-S組合規(guī)則、文獻(xiàn)[52]對(duì)比，取得了較好的效果，但該方法處理周期較長、計(jì)算量相對(duì)較大，實(shí)時(shí)性相對(duì)較弱。文獻(xiàn)[50，58]的融合結(jié)果較于傳統(tǒng)D-S組合有了極大的提高，但其沒有考慮數(shù)據(jù)量較大情況下的處理速度問題，會(huì)導(dǎo)致計(jì)算量增加，處理時(shí)間增長，仍需改進(jìn)。

3.2.2 基于修改證據(jù)源的沖突證據(jù)融合

修改證據(jù)源作為一種加性策略，認(rèn)為證據(jù)沖突的產(chǎn)生是由傳感器自身的可靠性、復(fù)雜的環(huán)境和其他因素造成的，與D-S組合規(guī)則沒有關(guān)系。該方法認(rèn)為在信息融合時(shí)，應(yīng)首先對(duì)證據(jù)進(jìn)行預(yù)處理，然后通過D-S組合規(guī)則進(jìn)行融合，以實(shí)現(xiàn)消解沖突的目的。目前對(duì)證據(jù)源修改的方法主要有Shafer折扣法和加權(quán)平均法。

文獻(xiàn)[10]提出的Shafer折扣法，引入了可信度概念，依據(jù)不同證據(jù)的可信度確定權(quán)重，并將其作為折扣系數(shù)，使用Shafer折扣規(guī)則對(duì)證據(jù)源進(jìn)行修改。文獻(xiàn)[29]提出的修改證據(jù)源方法，通過利用遺傳算法進(jìn)行計(jì)算證據(jù)折扣系數(shù)，對(duì)證據(jù)源進(jìn)行修正，保留沒有沖突的物理特征信息，并將其作為下一步融合中的先驗(yàn)信息。該方法不容易受到敵方偽裝和欺騙的干擾，具有較好的應(yīng)用價(jià)值。董杰等[60]提出了一種改進(jìn)的修改證據(jù)源的方法，該方法基于Euclidean距離確定證據(jù)折扣系數(shù)，對(duì)證據(jù)源進(jìn)行修正，減少了不可靠傳感器的消極影響，具有更好的空中目標(biāo)敵我識(shí)別效果。張陽[61]提出了決策級(jí)證據(jù)源修改方法，該方法在軟決策融合中使用證據(jù)不一致性函數(shù)確定權(quán)重，采用加權(quán)平均法對(duì)證據(jù)源進(jìn)行修正，在硬決策融合中采用Jousselme距離確定權(quán)重，使用證據(jù)折扣法對(duì)證據(jù)源進(jìn)行修正，提供了一種決策層信息融合的新思路。

加權(quán)平均法通過權(quán)重反映了證據(jù)對(duì)融合結(jié)果的影響程度，對(duì)證據(jù)按照權(quán)重修改并進(jìn)行加權(quán)平均。文獻(xiàn)[21]提出的簡單平均法，將每個(gè)證據(jù)的BPA進(jìn)行平均，然后通過D-S組合規(guī)則進(jìn)行融合，但沒有考慮證據(jù)之間的關(guān)聯(lián)性，還存在一定的局限。文獻(xiàn)[25]提出了一種基于改進(jìn)證據(jù)相關(guān)系數(shù)的修改證據(jù)源方法，該方法在經(jīng)典相關(guān)系數(shù)構(gòu)造方法基礎(chǔ)上，引入雅克比矩陣對(duì)證據(jù)進(jìn)行預(yù)處理，在此基礎(chǔ)上計(jì)算證據(jù)可信度，并將其作為權(quán)重，采用加權(quán)平均法，對(duì)證據(jù)源進(jìn)行修正。Li等[62]提出的修改證據(jù)源方法，可以利用證據(jù)余弦計(jì)算證據(jù)之間的相似度，構(gòu)造相似矩陣，以此為基礎(chǔ)計(jì)算每個(gè)證據(jù)的可信度，并將其作為權(quán)重，采用加權(quán)平均法對(duì)證據(jù)源進(jìn)行修正。Xiao[63]提出了一種基于信念差異度量修改證據(jù)源的方法，該方法通過構(gòu)造信念差異度量矩陣來確定證據(jù)權(quán)重，采用加權(quán)平均法對(duì)證據(jù)源進(jìn)行修改，更適用于多傳感器決策時(shí)使用。常玉婷等[64]提出了一種基于改進(jìn)證據(jù)支持度的方法，該方法考慮空中目標(biāo)敵我識(shí)別中復(fù)雜環(huán)境、電磁干擾對(duì)傳感器的影響，利用Jousselme距離計(jì)算證據(jù)權(quán)重，采用加權(quán)平均法對(duì)證據(jù)源進(jìn)行修正，有效降低失效傳感器對(duì)空中目標(biāo)敵我識(shí)別的影響，能夠獲得比較符合實(shí)際的結(jié)果。Zhao等[65]提出了一種基于節(jié)點(diǎn)可信度修正證據(jù)源的方法，該方法與CPS中傳感器節(jié)點(diǎn)有效結(jié)合，將融合源傳感器的可信度的平均值作為該融合后證據(jù)的可信度，通過加權(quán)平均法對(duì)證據(jù)源進(jìn)行修正。

綜上，文獻(xiàn)[29，60]提出的方法能夠極大地提高融合結(jié)果的精確度，但需要依托智能算法確定權(quán)重，對(duì)于數(shù)據(jù)庫以外的目標(biāo)權(quán)重確定較為困難。文獻(xiàn)[61]提出的方法，可以應(yīng)用于相對(duì)比較復(fù)雜情況下的融合，但其未對(duì)不精確數(shù)據(jù)進(jìn)行合理分類，會(huì)降低融合可靠性。文獻(xiàn)[25]提出的方法經(jīng)過試驗(yàn)驗(yàn)證與文獻(xiàn)[66]結(jié)果一致，驗(yàn)證了其可行性，同時(shí)考慮了復(fù)雜情況下可信度不同的實(shí)際情況，具有較好的應(yīng)用價(jià)值。文獻(xiàn)[62]提出的方法計(jì)算量小，節(jié)省了計(jì)算時(shí)間和成本，通過多周期融合，充分利用歷史信息，有效降低了錯(cuò)誤識(shí)別的風(fēng)險(xiǎn)，提高了融合結(jié)果的可靠性和魯棒性。文獻(xiàn)[64]提出的方法保證了權(quán)重大的證據(jù)在融合中的影響作用，降低了權(quán)重小的證據(jù)的不良影響，可以有效處理高沖突證據(jù)，具有較好的收斂性。文獻(xiàn)[63，65]提出的方法能夠極大地提高融合結(jié)果的精確度，但其算法本身計(jì)算較為復(fù)雜性，不利于快速融合。

3.2.3 基于沖突證據(jù)融合的研究分類總結(jié)

對(duì)空中目標(biāo)敵我識(shí)別信息融合中的沖突證據(jù)融合方法進(jìn)行較為詳細(xì)的歸納與分析，從融合效果、算法復(fù)雜度和戰(zhàn)術(shù)價(jià)值三個(gè)方面的總結(jié)如表3所示。

從表中可以看出，基于修改證據(jù)源的沖突證據(jù)融合方法的算法復(fù)雜度整體較低，戰(zhàn)術(shù)價(jià)值整體較高。這是因?yàn)樵趯?shí)際應(yīng)用中，傳感器的性能、戰(zhàn)場電磁干擾的程度、雷達(dá)操作員的能力素質(zhì)、指揮官的決策能力，都會(huì)對(duì)傳感器獲取的信息產(chǎn)生不同程度的影響，這些影響或多或少會(huì)使證據(jù)產(chǎn)生一定的沖突。如果不在信息融合的起始節(jié)點(diǎn)對(duì)可能存在的沖突進(jìn)行消除，那么在接下來的融合過程中，這些沖突可能會(huì)持續(xù)存在，影響融合結(jié)果。修改證據(jù)源恰好可以從源頭解決這個(gè)問題，又可以保持D-S組合規(guī)則原有的數(shù)學(xué)性質(zhì)?；谛薷慕M合規(guī)則的沖突證據(jù)融合方法，把這些沖突當(dāng)作有用信息，使用不同的方式將這些沖突分配給相關(guān)證據(jù)，充分利用了信息，但增加了計(jì)算量; 同時(shí)，修改組合規(guī)則的方法可能會(huì)丟失原有D-S組合規(guī)則的數(shù)學(xué)性質(zhì)。因此在實(shí)際應(yīng)用中，應(yīng)根據(jù)需求選用合適的方法進(jìn)行信息融合。

3.3 基于融合方式的研究分類

實(shí)際應(yīng)用中，為避免我方傳感器遭到敵方壓制或攻擊而喪失功能，傳感器通常會(huì)分散配置，然后通過相應(yīng)的通信鏈路進(jìn)行連接組網(wǎng)，確?？梢詰B(tài)勢共享、信息互通，實(shí)現(xiàn)集中式融合、分布式融合、混合式融合的功能。在進(jìn)行空中目標(biāo)敵我識(shí)別時(shí)，指揮官會(huì)根據(jù)戰(zhàn)場態(tài)勢合理選擇融合方法，確保發(fā)揮最大的作戰(zhàn)效能。

文獻(xiàn)[37，60]等采用集中式融合的方式進(jìn)行空中目標(biāo)敵我識(shí)別。在這種融合方式下，各傳感器不進(jìn)行敵我識(shí)別，而是將獲取的信息直接傳輸至信息融合中心進(jìn)行融合處理。其優(yōu)勢在于可以避免各傳感器進(jìn)行敵我識(shí)別時(shí)的誤判，具有較高的精確性，并且可以充分利用信息，但是其成本相對(duì)較高、處理周期較長、戰(zhàn)場生存能力相對(duì)較差，若信息融合中心被摧毀就會(huì)喪失敵我識(shí)別能力。

文獻(xiàn)[25，53，57，59]等采用分布式融合方式進(jìn)行空中目標(biāo)敵我識(shí)別，首先需要各傳感器進(jìn)行敵我識(shí)別，然后將識(shí)別后的結(jié)果傳輸至信息融合中心進(jìn)行融合處理。這種方式的優(yōu)勢在于成本低、處理速度快、戰(zhàn)場生存能力強(qiáng)，但其信息利用率較低，若傳感器發(fā)生誤判，就會(huì)影響后續(xù)的融合結(jié)果精確度。

綜上，在實(shí)際應(yīng)用中，應(yīng)根據(jù)實(shí)際情況合理選擇融合方式。但目前在基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別研究中，大多數(shù)研究關(guān)注的重點(diǎn)在于信息融合中的BPA構(gòu)造方法問題和沖突證據(jù)融合問題，對(duì)融合方式只是簡要敘述，并沒有深入探索。因此，下一步應(yīng)加強(qiáng)相關(guān)方面的研究。

4 研究前景

4.1 空中目標(biāo)敵我識(shí)別的研究前景

通過分析可知，目前國內(nèi)外對(duì)空中目標(biāo)敵我識(shí)別的研究主要集中于技術(shù)型識(shí)別方法的研究，忽略了技術(shù)型方法在實(shí)際應(yīng)用情況下的不足。為彌補(bǔ)上述研究缺陷，結(jié)合美軍經(jīng)驗(yàn)和國內(nèi)研究現(xiàn)狀[67]，提出了一種新的空中目標(biāo)綜合識(shí)別方法。

空中目標(biāo)綜合識(shí)別是利用協(xié)作式和非協(xié)作式敵我識(shí)別系統(tǒng)等技術(shù)手段，結(jié)合空域協(xié)同措施[68]、目標(biāo)戰(zhàn)術(shù)特征[69]、開源情報(bào)等戰(zhàn)術(shù)規(guī)則，對(duì)空中目標(biāo)敵我屬性進(jìn)行識(shí)別的過程。空中目標(biāo)綜合識(shí)別方法以敵我識(shí)別系統(tǒng)為主要技術(shù)手段，能夠快速準(zhǔn)確地對(duì)空中目標(biāo)的敵我屬性進(jìn)行識(shí)別，是判斷空中目標(biāo)敵我屬性的主要依據(jù)。以空域協(xié)同措施（如低高度層穿越通道（Low Level Transit Route，LLTR）、最小風(fēng)險(xiǎn)通道（Minimum Risk Route，MRR）等）為主的程序性手段，能對(duì)技術(shù)手段中存在疑問的識(shí)別結(jié)果進(jìn)行驗(yàn)證和再次識(shí)別，可以降低敵我識(shí)別系統(tǒng)的錯(cuò)判風(fēng)險(xiǎn)，是空中目標(biāo)敵我識(shí)別的輔助手段。具體模型如圖4所示。

其中，敵我識(shí)別器開/關(guān)線沿?cái)澄覍?duì)峙線平行設(shè)置。當(dāng)空中目標(biāo)由敵軍空域返回我軍空域時(shí)，在此線打開敵我識(shí)別器，由我軍敵我識(shí)別系統(tǒng)獲取該空中目標(biāo)的身份信息，對(duì)敵我識(shí)別器獲取的信息與地面其他傳感器獲取的信息進(jìn)行融合識(shí)別。此階段，如果敵我融合識(shí)別能明確識(shí)別空中目標(biāo)為敵軍或者我軍，那么以此作為最終識(shí)別結(jié)果。若此階段敵我融合識(shí)別的結(jié)果為不明，則依據(jù)后續(xù)所設(shè)置的空域協(xié)同措施，對(duì)空中目標(biāo)敵我屬性進(jìn)行進(jìn)一步融合識(shí)別。為避免誤判，在這個(gè)過程中應(yīng)根據(jù)融合識(shí)別結(jié)果的可信度，賦予目標(biāo)不同等級(jí)的屬性標(biāo)簽，然后結(jié)合指揮官意圖，決定繼續(xù)識(shí)別還是采取相應(yīng)的對(duì)策。如果需要繼續(xù)識(shí)別，則根據(jù)指揮官意圖選取一定的閾值范圍，對(duì)可信度處在這個(gè)范圍內(nèi)的目標(biāo)，繼續(xù)識(shí)別其敵我屬性。此時(shí)可通過設(shè)置其他空域協(xié)同措施或其他戰(zhàn)術(shù)規(guī)則繼續(xù)識(shí)別，直至識(shí)別出明確的敵我屬性。以“低高度層穿越通道”為例[70]，該通道會(huì)明確空中目標(biāo)在此通道內(nèi)的高度、速度、航向等。當(dāng)空中目標(biāo)在該通道內(nèi)飛行時(shí)，應(yīng)使用邏輯型傳感器獲取其身份識(shí)別信息，將雷達(dá)測得的各信息要素與其他基于戰(zhàn)術(shù)規(guī)則的信息要素進(jìn)行融合，以獲取最終的識(shí)別結(jié)果。若空中目標(biāo)能夠按照規(guī)定的飛行參數(shù)飛行并符合相應(yīng)的戰(zhàn)術(shù)特征，那么融合后的信息會(huì)判定該目標(biāo)為我軍，否則判定為敵軍。若部分符合或者不符合，則賦予其不同等級(jí)的屬性標(biāo)簽，根據(jù)情況選用其他邏輯型傳感器進(jìn)行再一次識(shí)別，直至得到明確的敵我屬性。具體流程如圖5所示。

空中目標(biāo)綜合識(shí)別方法有效結(jié)合了技術(shù)型識(shí)別方法和邏輯型識(shí)別方法的優(yōu)點(diǎn)，適用于各種作戰(zhàn)情景，可作為空中目標(biāo)敵我識(shí)別中的重點(diǎn)方向展開研究。

4.2 D-S證據(jù)理論在空中目標(biāo)敵我識(shí)別中的應(yīng)用展望

D-S證據(jù)理論與目標(biāo)識(shí)別是信息融合領(lǐng)域的研究熱點(diǎn)之一。國內(nèi)外大量專家學(xué)者對(duì)其進(jìn)行了豐富的研究和拓展，提出了許多改進(jìn)的方法和創(chuàng)新的算法。D-S證據(jù)理論及其改進(jìn)方法的合理使用，會(huì)對(duì)目標(biāo)識(shí)別的結(jié)果產(chǎn)生非常重要的影響。結(jié)合前面的分析與新提出的空中目標(biāo)綜合識(shí)別方法，對(duì)D-S證據(jù)理論在空中目標(biāo)敵我識(shí)別中仍需要進(jìn)一步研究的問題進(jìn)行總結(jié)。

一是多周期融合問題。根據(jù)分析可知，目前大多數(shù)文獻(xiàn)主要是從改進(jìn)算法角度進(jìn)行研究，對(duì)多周期融合問題研究較少?？罩心繕?biāo)敵我識(shí)別是一個(gè)動(dòng)態(tài)連續(xù)的過程，僅一個(gè)周期的識(shí)別會(huì)極大增加誤判風(fēng)險(xiǎn)。本文所提出的空中目標(biāo)綜合識(shí)別方法同樣需要進(jìn)行多周期融合才能保證識(shí)別連續(xù)性，達(dá)到敵我準(zhǔn)確識(shí)別的目的。因此在后續(xù)研究中，應(yīng)將多周期融合作為一個(gè)重點(diǎn)方面進(jìn)行研究，以求貼近實(shí)際。

二是識(shí)別結(jié)果可信度問題。目前大多數(shù)文獻(xiàn)主要是為了實(shí)現(xiàn)沖突證據(jù)融合，研究證據(jù)的可信度或者是沖突的權(quán)重分配問題，對(duì)于識(shí)別結(jié)果可信度的關(guān)注相對(duì)較少。本文提出的空中目標(biāo)綜合識(shí)別方法，根據(jù)識(shí)別結(jié)果的可信度賦予目標(biāo)不同的屬性標(biāo)簽，然后根據(jù)指揮官意圖決定是否繼續(xù)識(shí)別，這種方式能夠從識(shí)別結(jié)果層面減少誤判，更加符合應(yīng)用實(shí)際。因此，下一步研究中，可以考慮在得到融合后結(jié)果時(shí)，選用合理的方法評(píng)估其可信度，然后結(jié)合指揮官意圖，決定繼續(xù)識(shí)別還是采取其他相應(yīng)的對(duì)策。

三是算法適用性問題。以D-S證據(jù)理論兩個(gè)基本問題為例，在構(gòu)造BPA和沖突證據(jù)融合上，目前大多數(shù)文獻(xiàn)采用的方法都是對(duì)應(yīng)特定的研究背景和研究對(duì)象，通用性相對(duì)較弱。在實(shí)際應(yīng)用中，指揮官可能會(huì)隨時(shí)啟用或者關(guān)閉敵我識(shí)別的設(shè)備，變更敵我識(shí)別方法等，以滿足當(dāng)前的任務(wù)需要。那么如何實(shí)現(xiàn)算法適用于不同的任務(wù)背景或者是實(shí)現(xiàn)不同任務(wù)背景下不同算法的合理銜接，仍是下一步需要關(guān)注的重點(diǎn)。

5 結(jié) 束 語

證據(jù)理論在處理不確定性信息等方面具有很強(qiáng)的優(yōu)勢，在目標(biāo)識(shí)別、信息融合等方面發(fā)揮了十分重要的作用。本文較為全面地理清了D-S證據(jù)理論在空中目標(biāo)敵我識(shí)別領(lǐng)域的發(fā)展脈絡(luò)，對(duì)其研究現(xiàn)狀進(jìn)行了分析與總結(jié)，通過借鑒美軍經(jīng)驗(yàn)，提出了一種更加貼近實(shí)際需要的空中目標(biāo)敵我識(shí)別方法。該方法更符合指揮官的指揮與決策邏輯，通俗易懂，能夠?yàn)楹罄m(xù)的空中目標(biāo)敵我識(shí)別理論研究提供參考。在此基礎(chǔ)上提出了幾點(diǎn)D-S證據(jù)理論在空中目標(biāo)敵我識(shí)別中應(yīng)重點(diǎn)關(guān)注的方向，為基于D-S證據(jù)理論的空中目標(biāo)敵我識(shí)別的發(fā)展和深化提供參考。

參考文獻(xiàn)：

[1] 肖順旺，? 李升才，? 張長泉，? 等. 敵我識(shí)別系統(tǒng)及其進(jìn)展[J]. 火力與指揮控制， ?2008，? 33（11）：? 5-7.

Xiao Shunwang，? Li Shengcai，? Zhang Changquan， et al. The Identification Friend or Foe System and Its Development[J]. Fire Control and Command Control，? 2008，? 33（11）：? 5-7. （in Chinese）

[2] 馮酉鵬. 空中目標(biāo)識(shí)別與跟蹤技術(shù)的研究[D]. 沈陽：? 沈陽理工大學(xué)，? 2020.

Feng Youpeng. Research on Aerial Target Recognition and Tracking Technology[D]. Shenyang：? Shenyang Ligong University，? 2020. （in Chinese）

[3] Boonpoonga A，? Chomdee P，? Burintramart S，? et al. Simple Estimation of Late-Time Response for Radar Target Identification[J]. Radio Science，? 2017，? 52（6）：? 743-756.

[4] Lee S J，? Jeong S J，? Yang E，? et al. Target Identification Using Bistatic High-Resolution Range Profiles[J]. IET Radar，? Sonar & Navigation，? 2017，? 11（3）：? 498-504.

[5] 蘇軍平. 多傳感器信息融合關(guān)鍵技術(shù)研究[D]. 西安：? 西安電子科技大學(xué)，? 2018.

Su Junping. Research on the Key Technology of the Multi-Sensor Information Fusion[D]. Xian：? Xidian University，? 2018. （in Chinese）

[6] 盧莉萍，? 張曉倩. 復(fù)雜環(huán)境下多傳感器目標(biāo)識(shí)別的數(shù)據(jù)融合方法[J]. 西安電子科技大學(xué)學(xué)報(bào)，? 2020， 47（4）：? 31-38.

Lu Liping，? Zhang Xiaoqian. Data Fusion Method of Multi-Sensor Target Recognition in Complex Environment[J]. Journal of Xidian University，? 2020， 47（4）： 31-38. （in Chinese）

[7] Khaleghi B，? Khamis A，? Karray F O，? et al. Multisensor Data Fusion：? A Review of the State-of-the-Art[J]. Information Fusion，? 2013，? 14（1）：? 28-44.

[8] 祁友杰，? 王琦. 多源數(shù)據(jù)融合算法綜述[J]. 航天電子對(duì)抗，? 2017， 33（6）：? 37-41.

Qi Youjie，? Wang Qi. Review of Multi-Source Data Fusion Algorithm[J]. Aerospace Electronic Warfare，? 2017，? 33（6）：? 37-41. （in Chinese）

[9] Dempster A P. Upper and Lower Probabilities Induced by a Multivalued Mapping[J]. Annuals of Mathematical Statistics，? 1967，? 38（2）：? 325-339.

[10] Shafer G. A Mathematical Theory of Evidence[M]. Princeton：? Princeton University Press，? 2020：? 3-34.

[11] 時(shí)洪會(huì)，? 蔣文保. D-S證據(jù)理論綜述[J]. 信息化建設(shè)，? 2015 （11）：? 331.

Shi Honghui，? Jiang Wenbao. Overview on D-S Evidence Theory[J]. Information Construction，? 2015 （11）：? 331. （in Chinese）

[12] 呂輝，? 賀正洪. 防空指揮自動(dòng)化系統(tǒng)原理[M]. 西安：? 西安電子科技大學(xué)出版社，? 2003：? 32-33.

Lü Hui，? He Zhenghong. Principle of Air Defense Command Automation System[M]. Xian：? Xidian University Press， 2003：? 32-33. （in Chinese）

[13] 朱方，? 王付明. 基于模糊信息論的空中目標(biāo)識(shí)別模型研究[J]. 指揮控制與仿真，? 2006， 28（1）：? 111-115.

Zhu Fang，? Wang Fuming. Research on Aerial Target Identification Model Based on Fuzzy Information Theory[J]. Command Control & Simulation，? 2006，? 28（1）：? 111-115.（in Chinese）

[14] 王小謨，? 張光義. 雷達(dá)與探測：? 信息化戰(zhàn)爭的火眼金睛[M]. 2版. 北京：? 國防工業(yè)出版社，? 2016：? 20-21.

Wang Xiaomo，? Zhang Guangyi. Radar and Detection：? Discerning Eyes of Information War[M]. 2nd ed. Beijing：? National Defense Industry Press，? 2016：? 20-21. （in Chinese）

[15] 黃山良，? 卜卿，? 梅發(fā)國. 防空探測預(yù)警系統(tǒng)與技術(shù)[M]. 北京：? 國防工業(yè)出版社，? 2015： 159-160.

Huang Shanliang，? Bu Qing，? Mei Faguo. Air Defense Detection and Early Warning System and Technology[M]. Beijing：? National Defense Industry Press，? 2015： 159-160.（in Chinese）

[16] 羅俊海，? 楊陽. 基于數(shù)據(jù)融合的目標(biāo)檢測方法綜述[J]. 控制與決策，? 2020， 35（1）：? 1-15.

Luo Junhai，? Yang Yang. An Overview of Target Detection Methods Based on Data Fusion[J]. Control and Decision，? 2020， 35（1）：? 1-15. （in Chinese）

[17] 譚源泉，? 李怡，? 張柯. 基于模糊集與證據(jù)理論的敵我識(shí)別新方法[J]. 電波科學(xué)學(xué)報(bào)，? 2012， 27（3）：? 578-582.

Tan Yuanquan，? Li Yi，? Zhang Ke. New Method of Identification Friend or Foe Integrating the Fuzzy Set Theory and Evidential Theory[J]. Chinese Journal or Radio Science，? 2012，? 27（3）：? 578-582. （in Chinese）

[18] 張兵，? 盧煥章. 多傳感器自動(dòng)目標(biāo)識(shí)別中的沖突證據(jù)組合方法[J]. 系統(tǒng)工程與電子技術(shù)，? 2006，? 28 （6）：? 857-860.

Zhang Bing，? Lu Huanzhang. Combination Method of Conflict Evidence in Multi-Sensor Automatic Target Recognition[J]. Systems Engineering and Electronics，? 2006，? 28 （6）：? 857-860. （in Chinese）

[19] Tan Y Q，? Yang J Y，? Li L C，? et al. Data Fusion of Radar and IFF for Aircraft Identification[J]. Journal of Systems Engineering and Electronics，? 2012，? 23（5）：? 715-722.

[20] 陳麗家. 基于IFF與雷達(dá)的敵我識(shí)別算法研究[D]. 成都：? 電子科技大學(xué)，? 2012.

Chen Lijia. Friend or Foe Identification Algorithm Study Based on IFF and Radar[D].Chengdu：? University of Electronic Science and Technology of China，? 2012. （in Chinese）

[21] Murphy C K. Combining Belief Functions When Evidence Conflicts[J]. Decision Support Systems，? 2000，? 29（1）：? 1-9.

[22] 朱昕. 基于雷達(dá)與IFF信息融合的敵我識(shí)別方法研究[D]. 成都：? 電子科技大學(xué)，? 2013.

Zhu Xin. Study of Identification of Foe Based on Information Fusion of Radar and IFF[D]. Chengdu：University of Electronic Science and Technology of China，? 2013. （in Chinese）

[23] 吳強(qiáng)，? 姜禮平，? 季傲. 基于模糊集和D-S證據(jù)理論的空中作戰(zhàn)目標(biāo)識(shí)別[J]. 指揮控制與仿真，? 2015， 37（4）：? 54-58.

Wu Qiang，Jiang Liping，Ji Ao. Aircraft Target Identification Based on Fuzzy Sets and D-S Evidence Theory in Air Operation[J]. Command Control & Simulation，? 2015，? 37（4）：? 54-58. （in Chinese）

[24] 孫俊，? 陳亞偉，? 李崇誼，? 等. 基于雷達(dá)寬窄帶多特征信息融合的空中目標(biāo)識(shí)別[J]. 現(xiàn)代雷達(dá)，? 2015，? 37（7）：? 15-19.

Sun Jun，? Chen Yawei，? Li Chongyi，? et al. Fusion Recognition of Air Target Based on DS Evidence Theory with Wideband and Narrowband Characteristics[J]. Modern Radar，? 2015，? 37（7）：? 15-19. （in Chinese）

[25] 徐浩，? 邢清華，? 王偉. 基于DST-IFS的空中目標(biāo)敵我屬性綜合識(shí)別[J]. 系統(tǒng)工程與電子技術(shù)，? 2017， 39（8）：? 1757-1764.

Xu Hao，? Xing Qinghua，? Wang Wei. Integrated Air Target Identification of Friend or Foe Based on DST-IFS[J]. Systems Engineering and Electronics，? 2017，? 39（8）：? 1757-1764. （in Chinese）

[26] 龐夢洋，? 索中英，? 鄭萬澤，? 等. 基于三支決策的空中目標(biāo)敵我識(shí)別方法[J]. 探測與控制學(xué)報(bào)，? 2020，? 42（1）：? 115-120.

Pang Mengyang，? Suo Zhongying，? Zheng Wanze，? et al. Air Target Identification Method Based on Three-Way Decisions[J]. Journal of Detection & Control，? 2020，? 42（1）：? 115-120. （in Chinese）

[27] 王成. 基于DSmT的飛行目標(biāo)識(shí)別與跟蹤[D]. 綿陽：? 西南科技大學(xué)，? 2016.

Wang Cheng. Recognition and Tracking for Flight Target Based on DSmT[D]. Mianyang： ?Southwest University，? 2016. （in Chinese）

[28] 李進(jìn)軍，? 叢蓉，? 熊吉光. 融合目標(biāo)戰(zhàn)術(shù)特征的空中目標(biāo)類型識(shí)別模型[J]. 艦船科學(xué)技術(shù)，? 2005，? 27 （3）：? 46-49.

Li Jinjun，? Cong Rong，? Xiong Jiguang. Differentiating Model of Aerial Targets Type Integrated with Targets Tactical Characteristics[J]. Ship Science and Technology，? 2005，? 27（3）： 46-49. （in Chinese）

[29] 崇元，? 李加祥，? 艾葳，? 等. 融合戰(zhàn)術(shù)與修正物理特征的空中目標(biāo)戰(zhàn)術(shù)類型識(shí)別[J]. 火力與指揮控制，? 2016， 41（12）：? 150-154.

Chong Yuan，? Li Jiaxiang，? Ai Wei，? et al. Aerial Target Tactics Recognition Integrated with Targets Tactical and Amendatory Physics Characteristics[J]. Fire Control & Command Control，? 2016，? 41（12）：? 150-154. （in Chinese）

[30] 陳水利，? 李敬功，? 王向公. 模糊集理論及其應(yīng)用[M]. 北京：? 科學(xué)出版社，? 2005：? 2-4.

Chen Shuili，? Li Jinggong，? Wang Xianggong. Fuzzy Set Theory and Its Application[M]. Beijing：? Science Press，? 2005：? 2-4. （in Chinese）

[31] Pawlak Z. Rough Sets[J].International Journal of Computer Information Science，? 1982，? 11（5）：? 341-356.

[32] Atanassov K T. Intuitionistic Fuzzy Sets[J]. Fuzzy Sets and Systems，? 1986，? 20（1）：? 87-96.

[33] Zadeh L A. Fuzzy Sets[J].Information and Control，? 1965，? 8（3）：? 338-353.

[34] 余瓊芳，? 陳迎松. 模糊數(shù)學(xué)中隸屬函數(shù)的構(gòu)造策略[J]. 漯河職業(yè)技術(shù)學(xué)院學(xué)報(bào)：? 綜合版，? 2003，? 2（1）：? 12-14.

Yu Qiongfang，? Chen Yingsong. The Constructing Policy of Membership Function in Fuzzy Mathematics[J]. Journal of Luohe Vocational and Technical College：? Comprehensive，? 2003，? 2（1）：? 12-14. （in Chinese）

[35] Jiang W，? Yang Y，? Luo Y，? et al. Determining Basic Probability Assignment Based on the Improved Similarity Measures of Generalized Fuzzy Numbers[J]. International Journal of Computers，? Communications & Control，? 2015，? 10（3）：? 333-347.

[36] Ma T S，? Xiao F Y. An Improved Method to Transform Triangular Fuzzy Number into Basic Belief Assignment in Evidence Theory[J]. IEEE Access，? 2019，? 7：? 25308-25322.

[37] Wang K. A New Multi-Sensor Target Recognition Framework Based on Dempster-Shafer Evidence Theory[J]. International Journal of Performability Engineering，? 2018：? 14（6）： 1224-1233.

[38] Awogbami G，? Homaifar A. A Reliability-Based Multisensor Data Fusion with Application in Target Classification[J]. Sensors，? 2020，? 20（8）：? 2192.

[39] 李軍，? 黃力偉. 基于目標(biāo)多特征的mass函數(shù)確定方法[J]. 計(jì)算機(jī)應(yīng)用研究，? 2017， 34（8）：? 2312-2314.

Li Jun，? Huang Liwei. Mass Function Construction Method Based on Objective Characteristics[J]. Application Research of Computers，? 2017，? 34（8）：? 2312-2314. （in Chinese）

[40] 馮至，? 李強(qiáng)，? 蔡莉. 基于粗糙集和證據(jù)理論的目標(biāo)身份融合方法[J]. 空軍預(yù)警學(xué)院學(xué)報(bào)，? 2016， 30（3）：? 194-197.

Feng Zhi，? Li Qiang，? Cai Li. Method of Target Identity Fusion Based on Rough Set and Evidence Theory[J]. Journal of Air Force Early Warning Academy，? 2016，? 30（3）：? 194-197. （in Chinese）

[41] 路艷麗，? 雷英杰，? 王晶晶. 基于粗糙D-S理論的身份融合方法[J]. 系統(tǒng)工程與電子技術(shù)，? 2007，? 29（10）：? 1749-1752.

Lu Yanli，? Lei Yingjie，? Wang Jingjing. Identity Fusion Method Based on Rough Sets and D-S Theory[J]. Systems Engineering and Electronics，? 2007，? 29（10）：? 1749-1752. （in Chinese）

[42] 趙凌偉. 基于熵權(quán)灰關(guān)聯(lián)和證據(jù)理論的輻射源識(shí)別方法[J]. 電子測量技術(shù)，? 2017， 40（4）：? 34-38.

Zhao Lingwei. Radiation Source Identification Based on Entropy-Weight Gray Correlation and Evidence Theory[J]. Electronic Measurement Technology，? 2017，? 40（4）：? 34-38. （in Chinese）

[43] 張志. 多傳感器信息融合及其應(yīng)用研究[D]. 西安：? 西安電子科技大學(xué)，? 2017.

Zhang Zhi. Research on Multi-Sensor Information Fusion and Its Application[D]. Xian：? Xidian University，? 2017. （in Chinese）

[44] Liu Y T，? Pal N R，? Marathe A R，? et al. Weighted Fuzzy Dempster-Shafer Framework for Multimodal Information Integration[J]. IEEE Transactions on Fuzzy Systems，? 2018，? 26（1）：? 338-352.

[45] 陳雁飛. 基于證據(jù)理論的海上目標(biāo)綜合識(shí)別若干問題研究[D]. 哈爾濱：? 哈爾濱工程大學(xué)，? 2015.

Chen Yanfei. Research on Multi-Source Data Fusion for Marine Target Recognition Based on Evidence Theory[D]. Harbin：? Harbin Engineering University，? 2015. （in Chinese）

[46] Deng X Y，? Liu Q，? Deng Y，? et al. An Improved Method to Construct Basic Probability Assignment Based on the Confusion Matrix for Classification Problem[J]. Information Sciences，? 2016，? 340/341：? 250-261.

[47] Qin B W，? Xiao F Y. An Improved Method to Determine Basic Probability Assignment with Interval Number and Its Application in Classification[J]. International Journal of Distributed Sensor Networks，? 2019，? 15（1）：? 155014771882052.

[48] 楊風(fēng)暴，? 王肖霞. D-S證據(jù)理論的沖突證據(jù)合成方法[M]. 北京：? 國防工業(yè)出版社，? 2010：? 65-72.

Yang Fengbao，? Wang Xiaoxia. Combination Method Conflictive Evidences in D-S Evidence Theory[M]. Beijing：? National Defense Industry Press，? 2010：? 65-72. （in Chinese）

[49] Horiuchi T. Decision Rule for Pattern Classification by Integrating Interval Feature Values[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，? 1998，? 20（4）：? 440-448.

[50] Zhang P D，? Tian Y，? Kang B Y. A New Synthesis Combination Rule Based on Evidential Correlation Coefficient[J]. IEEE Access，? 2020，? 8：? 39898-39906.

[51] Smet P.The Combination of Evidence in the Transferable Belief Model[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1990， 12（5）： 447-458.

[52] Yager R R. On the Dempster-Shafer Framework and New Combination Rules[J]. Information Science，? 1987，? 41（2）：? 93-137.

[53] 杭文慶，? 姜長生. 基于多源信息和改進(jìn)證據(jù)理論的空戰(zhàn)攻擊決策[J]. 電光與控制，? 2010， 17（2）：? 26-30.

Hang Wenqing，? Jiang Changsheng. Attacking Decision-Making of Air Combat Based on Multi-Source Information and Improved Evidence Theory[J]. Electronics Optics & Control，? 2010，? 17（2）：? 26-30.（in Chinese）

[54] Lefevre E，? Colot O， ?Vannoorenberghe P. Belief Function Combination and Conflict Management[J]. Information Fusion，? 2002，? 3（2）：? 149-162.

[55] 許紅波，? 丁建江，? 胡偉稿. D-S規(guī)則推廣及其在飛機(jī)目標(biāo)識(shí)別中的應(yīng)用研究[J]. 雷達(dá)與對(duì)抗，? 2006，? 26（1）：? 34-38.

Xu Hongbo，? Ding Jianjiang，? Hu Weigao. A Study on the Extended D-S Rule and Its Application in Aircraft Target Recognition[J]. Radar & ECM，? 2006，? 26（1）：? 34-38. （in Chinese）

[56] Guo K H，? Li W L. Combination Rule of D-S Evidence Theory Based on the Strategy of Cross Merging between Evidences[J]. Expert Systems with Applications，? 2011，? 38（10）：? 13360-13366.

[57] 李洋，? 卓志敏，? 張南，? 等. 基于PCR5規(guī)則的非合作目標(biāo)識(shí)別方法研究[J]. 中國電子科學(xué)研究院學(xué)報(bào)，? 2019， 14（2）：??? 123-128.

Li Yang，? Zhuo Zhimin，? Zhang Nan，? et al. Research of Multi-Sensor Identification Technology for Non-Cooperative Target Based on PCR5[J]. Journal of China Academy of Electronics and Information Technology，? 2019，? 14（2）：? 123-128. （in Chinese）

[58] 方怡，? 王先全，? 李杰，? 等. 基于D-S證據(jù)理論的目標(biāo)識(shí)別融合應(yīng)用[J]. 電腦知識(shí)與技術(shù)，? 2020， 16（12）：? 190-192.

Fang Yi，? Wang Xianquan，? Li Jie，? et al. Application of Target Recognition Fusion Based on D-S Evidence Theory[J]. Computer Knowledge and Technology，? 2020，? 16（12）：? 190-192. （in Chinese）

[59] 張安安，? 彭嵩松，? 楊威. 基于信任函數(shù)理論的修正融合目標(biāo)識(shí)別算法[J]. 電子技術(shù)應(yīng)用，? 2015， 41（6）：? 84-87.

Zhang Anan，? Peng Songsong，? Yang Wei. A Modified Fusion Algorithm for Target Recognition Based on the Belief Function Theory[J]. Application of Electronic Technique，? 2015，? 41（6）：? 84-87. （in Chinese）

[60] 董杰，? 蔡群，? 丁鋒，? 等. 基于權(quán)值改進(jìn)D-S理論的對(duì)空目標(biāo)識(shí)別融合[J]. 現(xiàn)代防御技術(shù)，? 2016，? 44（2）：? 185-189.

Dong Jie，? Cai Qun，? Ding Feng，? et al. Identifying Aerial Target Fusion Based on the Improved Weighting D-S Theory[J]. Modern Defense Technology，? 2016，? 44（2）：? 185-189. （in Chinese）

[61] 張陽. 基于決策級(jí)融合的無線傳感器網(wǎng)絡(luò)感知目標(biāo)分類研究[D]. 北京：? 北京交通大學(xué)，? 2019.

Zhang Yang. Research on Perceived Target Classification Based on Decision Fusion in Wireless Sensor Networks[D]. Beijing：? Beijing Jiaotong University，? 2019. （in Chinese）

[62] Li J，? Yang X Z，? Zhou L. Multi-Sensor Target Recognition Based-on Multi-Period Improved DS Evidence Fusion Method[J]. Journal of Nanoelectronics and Optoelectronics，? 2018，? 13（5）：? 758-767.

[63] Xiao F Y. A New Divergence Measure for Belief Functions in D-S Evidence Theory for Multisensor Data Fusion[J]. Information Sciences，? 2020，? 514：? 462-483.

[64] 常玉婷，? 孫力帆，? 普杰信，? 等. 基于改進(jìn)證據(jù)支持度的多傳感器空中目標(biāo)識(shí)別[J]. 計(jì)算機(jī)仿真，? 2020， 37（7）：? 394-398.

Chang Yuting，Sun Lifan，Pu Jiexin，? et al. Air Target Identification Using Multiple Sensors Based on Modified Evidence Support[J]. Computer Simulation，? 2020，? 37（7）：? 394-398. （in Chinese）

[65] Zhao G Z，? Chen A G，? Lu G X，? et al. Data Fusion Algorithm Based on Fuzzy Sets and D-S Theory of Evidence[J]. Tsinghua Science Technology，? 2019，? 25（1）：? 12-19.

[66] 辛玉林，? 鄒江威，? 徐世友，? 等. DSmT理論在綜合敵我識(shí)別中的應(yīng)用[J]. 系統(tǒng)工程與電子技術(shù)，? 2010，? 32（11）：? 2385-2388.

Xin Yulin，? Zou Jiangwei，? Xu Shiyou，? et al. Application of DSmT in Integrated Identification of Friend-or-Foe[J]. Systems Engineering and Electronics，? 2010，? 32（11）：? 2385-2388. （in Chinese）

[67] 張利群. 空戰(zhàn)場管控[M]. 北京：? 國防工業(yè)出版社，? 2016：? 138-139.

Zhang Liqun. Management and Control of Air Battlefield[M]. Beijing：National Defense Industry Press，? 2016：? 138-139. （in Chinese）

[68] 楊任農(nóng)，? 沈堤，? 戴江斌. 對(duì)聯(lián)合作戰(zhàn)空戰(zhàn)場管控問題的思考[J]. 指揮信息系統(tǒng)與技術(shù)，? 2019，? 10（1）：? 1-6.

Yang Rennong，? Shen Di，? Dai Jiangbin. Consideration for Management and Control Problems of Joint Operation Air Battlefield[J]. Command Information System and Technology，? 2019，? 10（1）：? 1-6. （in Chinese）

[69] 張志強(qiáng)，? 錢建剛，? 魯瑞達(dá). 一種空中目標(biāo)敵我識(shí)別邏輯模型[J]. 雷達(dá)與對(duì)抗，? 2013，? 33（1）：? 9-11.

Zhang Zhiqiang，? Qian Jiangang，? Lu Ruida.An IFF Logical Model for Air Targets[J]. Radar & ECM，? 2013，? 33（1）：? 9-11. （in Chinese）

[70] 戴江斌， 萬路軍， 沈堤. 聯(lián)合空域控制[M]. 北京： 航空工業(yè)出版社， 2019： 57-58.

Dai Jiangbin，? Wan Lujun，? Shen Di. Joint Air Battlefield Control[M]. Beijing：? Aviation Industry Press，? 2019：? 57-58. （in Chinese）

Review of? Friend-or-Foe Identification? for Air Target

Based on D-S Evidence Theory

Chen Zhiyuan1， Shen Di1*， Yu Fuping1， Chen Hongyang2， Zhao Kai3

（1. Air Force Engineering University，? Xian 710051，? China; 2. Unit 93175 of PLA，? Changchun 130000，? China;

3. Unit 32145 of PLA，? Xinxiang 453000，? China）

Abstract：?? As an uncertain reasoning tool，? D-S evidence theory can give full play to the advantages of multi-source information fusion and can improve the accuracy of friend-or-foe identification for air target. Starting from the practical application of friend-or-foe identification for air target，? this paper introduces the basic principle of D-S evidence theory and sorts out the key problems to be solved in friend-or-foe identification for air target. Then，? this paper summarizes and classifies the existing research methods from the two aspects of identification method and information fusion of friend-or-foe identification for air target，? and summarizes the advantages，? application scope and? use value of each method. In the end，? a new method? of friend-or-foe identification for air target? is proposed based on the existing research，? and? the application of D-S evidence in friend-or-foe identification for air target? is prospected.

Key words：? D-S? evidence theory; air target; friend-or-foe identification; recognition method; information fusion

收稿日期：2020-09-05

基金項(xiàng)目：國家社科基金項(xiàng)目（18XGL026）

作者簡介：陳致遠(yuǎn)（1993-），男，河南洛陽人，碩士研究生，研究方向?yàn)楹娇展苤浦笓]與安全。

通訊作者：沈堤（1983-），男，湖南瀏陽人，副教授，研究方向?yàn)榭沼蛞?guī)劃與管理。