基于Copula理论的多维异构信息融合识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113902056A(43)申请公布日2022.01.07(21)申请号202111223384.X(22)申请日2021.10.20(71)申请人四川大学地址610000四川省成都市一环路南一段24号(72)发明人邓科罗懋康张霄周薛雪梁倩云(74)专利代理机构成都时誉知识产权代理事务所(普通合伙)51250代理人李双(51)Int.Cl.G06K9/62(2022.01)权利要求书4页说明书15页附图5页(54)发明名称基于Copula理论的多维异构信息融合识别方法(57)摘要本发明涉及基于Copula理论的多维异构信息融合识别方法，属于信息融合技术领域；包括以下步骤：基于大地坐标系和传感器坐标系变换方程进行空间配准；空间配准完成后，完成内插外推、曲线拟合和数据插值的时间配准；构建全维信号空间；构建的能够纳入不同异构信息的全维信号空间中，以Copula函数建立各单一维度数据边缘分布的联接，恢复各维特征数据之间的相关关系，反演目标的高维组合特征等。本发明基于Copula联合分布下的组合特征探测方法对目标的联合识别正确率高于各个边缘分布下单一特征探测方法，体现出了组合探测的优势。CN113902056ACN113902056A权利要求书1/4页1.基于Copula理论的多维异构信息融合识别方法，其特征在于，包括以下步骤：S1：异构信息配准；对处于不同时空中传感器观测数据进行时空配准；具体包括：基于大地坐标系和传感器坐标系变换方程进行空间配准；空间配准完成后，完成内插外推、曲线拟合和数据插值的时间配准；S2：在步骤S1的基础上，将第个传感器的数据空间作为样本空间，在其上定义作为事件集的代数和概率测度，生成概率测度空间，其中；这个空间的乘积测度空间构成能够纳入不同类型异构信息的抽象数学空间，即全维信号空间；S3：在步骤S2的基础上，构建的能够纳入不同异构信息的全维信号空间中，以Copula函数建立各单一维度数据边缘分布的联接，恢复各维特征数据之间的相关关系，反演目标的高维组合特征。2.如权利要求1所述的基于Copula理论的多维异构信息融合识别方法，其特征在于，步骤S1中，基于大地坐标系和传感器坐标系变换方程进行空间配准具体如下：1）建立大地坐标系；原点：在地面预先设定一个点作为坐标原点；轴：预先给定任意指向；轴：竖直向上；轴：与轴、轴组成右手坐标系；2）传感器坐标系；原点：传感器的几何中心；轴：与卫星运动方向轴一致，指向头部方向为正；轴：在卫星运动方向竖直横向对称平面内，垂直于轴，指向卫星轨道外侧为正；轴：与上述的轴和轴构成右手坐标系的指向；3）坐标系转换方程；坐标系转换可分为两步，第一步是进行坐标系旋转，第二步是进行坐标系的平移：其一、坐标系旋转的转换矩阵；从坐标系经过旋转变换到坐标系，可得到坐标系旋转的转换矩阵如下：，；2CN113902056A权利要求书2/4页其二、坐标系的平移；已知坐标系的原点在坐标系中的坐标为，则坐标系中的一点在坐标系中的坐标为：。3.如权利要求2所述的基于Copula理论的多维异构信息融合识别方法，其特征在于，步骤S2中，全维信号空间构建具体如下：在概率论中，事件集中的元称为随机事件，而作为中的特殊成员，称为必然事件；定义上的实值可测函数亦即随机变量；基于的分布即可定义可测空间相应的概率测度；针对单一传感器数据构建概率测度空间的关键是建立随机变量和估计的分布，所以这部分内容的关键技术为以下两点：（1）建立上的实值可测函数；首先建立到的映射：，且对任意的，有，其中表示实数域，表示在上由Borel可测集构成的Borel代数，称为到的可测映射，即随机变量；定义在上的随机变量并不唯一，凡是满足以上条件的映射都是上的随机变量，因此应根据需要构造不同的随机变量；（2）基于拟合优度方法的分布估计；利用传感器对目标进行观测，所得的观测数据即为可测空间中的元，将其映射成一组实数，这组实数即为来自的样本观测值；将基于样本观测值，采用拟合优度检验估计的分布函数。4.如权利要求3所述的基于Copula理论的多维异构信息融合识别方法，其特征在于，步骤S3具体如下：构建的能够纳入不同异构信息的全维信号空间中，以Copula函数建立各单一维度数据边缘分布的联接，恢复各维特征数据之间的相关关系，反演目标的高维组合特征；第一方面，完成Copula函数构造方案，建立适用性的数据一致性表示方法，初步建立基于各单一特征数据边缘分布和各特征数据间不同相关性的Copula函数族构造方法；设元Copula函数是指具有以下性质的函数：a）,且,；3CN113902056A权利要求书3/4页b）是零基面的，且是维递增的；c）的边缘分布函数满足：其中,；如果是连续的一元分布函