基于D-S证据理论的多模复合制导目标识别

多传感器信息融合已成为现代条件下目标识别的重要手段.研究基于D-s证据理论的多传感器信息融合算法,提出一种基于Dempster-Sharer理论的推广方法以解决融合信息的证据冲突问题,并将其用于红外成像/毫米波复合制导系统,进行目标识别的决策信息融合,结果比较理想,能够有效地化解证据间的冲突问题.     

冲突证据的目标识别系统的研究

目标识别系统中的不确定性信息常常表现为模糊性和冲突性信息.提出了一种在证据理论框架下实现模糊信息融合的方法.针对决策级信息融合中的冲突证据组合问题进行了深入的研究.在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法.该方法采用先验概率加权与实际战场环境模糊加权相结合,最后采用归一化的可信度对证据进行加权平均并进行DS融合.仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果.     

基于改进D-S理论的多时刻空中目标威胁评估

针对单时刻空中目标威胁评估存在的抗干扰能力弱、可靠性不足等问题,建立一种基于改进D-S证据理论的多时刻空中目标威胁评估模型。首先,根据空战时间线,定义多时刻空中目标威胁评估时段范围;然后,在单时刻空中目标威胁等级概率分配基础上,利用D-S证据理论融合各时刻证据信息;同时,针对D-S证据理论不能处理高冲突证据的弊端及其现有改进方法计算量较大的不足,引入偏移度的概念,确定各时刻证据源权重,对加权证据进行D-S融合。数值算例表明,该模型算法复杂度低;能有效处理波动数据、稳定性强,并且可减弱高冲突证据融合对威胁评估带来的不利影响,为最终决策提供了更准确的判别依据。     

奇异值衡量证据冲突的新方法

证据理论被广泛应用于决策级信息融合,但还存在一定问题有待解决,例如证据冲突的合理衡量仍未得到妥善处理。针对已有方法的不足,提出一种新的衡量方法,将不同的证据表示成BPA矩阵的形式,借助矩阵的性质对冲突进行研究。根据BPA矩阵奇异值的特点,提出以其最小奇异值衡量证据冲突。算例表明了所提方法的有效性。     

一种基于局部冲突分配的DST组合规则

 冲突证据融合是信息融合中一个非常重要但始终没有很好地解决的问题.本文从选择有效的冲突衡量参数的角度出发,分析了悖论与证据冲突的关系,给出了新的冲突衡量参数,并基于此参数提出了一种新的基于局部冲突分配策略的证据推理组合规则.大量实例表明,提出的证据推理组合规则能够解决现有的证据理论悖论问题,是一种较为通用的证据推理组合规则.     

基于加权信度熵的传感器数据冲突度量与融合

目标识别中,来自多传感器的数据通常包含诸多不确定性。在D-S证据理论框架下,提出一种基于加权信度熵的传感器冲突数据融合与目标识别方法。首先,将辨识框架(FOD)中包含的不确定信息融入新近提出的Deng熵模型;随后,采用加权Deng熵量化不同传感器数据源中的不确定性;最后,实现传感器冲突数据融合与目标识别决策。数值仿真及不同方法的比较分析结果验证了所提方法的合理性与有效性。     

改进的局部冲突信息再分配算法

针对高冲突证据融合算法进行研究,提出改进的局 部冲突信息再分配算法。新算法利用证据相似度函数和一致性因子共同度量证据可信度,在 此基础上给出改进的焦元可信度计算公式,并将其应用于对局部多元冲突信息进行加权再分 配。分析了不同冲突度量参数的特点及其适用性以及冲突证据融合过程中证据及焦元可信度 的有效计算方法。对新算法和相关算法的性能进行理论和应用对比分析,结果表明,新算法 能够通过提高证据冲突度量精度和对局部多元冲突信息进行合理分配,在较大程度上提高冲突 证据融合结果的可靠性和稳定性,是一种适用于复杂探测环境的目标识别算法。     

基于最大隶属度与证据理论的目标识别融合

为解决各传感器的类型、精度,外界干扰以及不同传感器对不同目标敏感程度的不同对目标识别的决策结果的影响,通过运用智能信息处理和多源信息融合的相关知识建立了基于最大隶属度与证据理论的目标识别融合模型.该模型首先分析了影响目标识别的因素;然后各雷达站依据最大隶属度选取了不同的权重,从而求出了所测目标相对于目标库中参考目标的隶属度,并将得到的本站对目标的决策结果进行归一化处理后送往了融合中心.研究了比较常用的对不确定信息进行处理的D-S证据理论法,并深入分析了其证据合并规则与决策规则.在融合中心运用了D-S证据理论的有关知识进行融合,最终输出了融合后的目标识别的决策结果.实例证明了该目标识别融合模型的可行性.     

改进的证据组合规则及其在融合目标识别中的应用

针对D-S理论在解决证据冲突时的局限性,提出了一种改进的证据组合规则.该方法充分考虑了证据源信息和冲突证据本身的信息,利用证据间的支持度矩阵,得到各证据的可信度.并以此对证据进行加权平均;在此基础上,将支持证据冲突的概率按各个命题在所有命题中所占的比重进行分配.仿真实验结果表明,该方法在处理冲突证据问题及证据比较一致的问题时,都能得到合理的融合结果.在实际的多传感器融合目标识别中,可以充分利用多个传感器的互补信息,最大程度地降低矛盾冲突因子对识别结果的影响,从而提高了融合识别的可靠性和有效性.     

互补证据组合规则

针对Dempster组合规则"一票否决"和现有修正方法主观分配冲突信息的缺点,提出一种全新的证据组合方法.新方法直接利用定义的互补证据进行融合,不再采用Dempster组合规则中的纯乘性策略组合证据,成功解决了"一票否决"问题.并将冲突信息转化为证据权重融入组合规则进行直接融合,不再主观分配其信度.新的组合规则是一类广义的加性集成算子,既满足交换律又满足结合律,既能够直接组合单类证据,也能够基于TBM组合复合类证据.通过多传感器融合识别算例,验证和对比分析了新的组合规则的优势.     

随机集理论在数据融合中的应用研究

数据融合研究的重点是建立一个具有严格数学基础的框架体系，随机集理论是解决这一问题的有效方法。在介绍随机集理论基本原理的基础上，阐述了数据融合系统中使用较多的证据理论、模糊逻辑和条件事件代数理论的随机集表示，使随机集理论能有效地处理数据融合系统中的不确定性、模糊性、经验性数据。     

一种多传感器数据融合系统方案研究

随着科学技术的飞速发展,战场中传感器的种类和数量不断增加,战场的环境也变得越来越恶劣,迫切地需要多传感器的数据融合来为指挥员提供高可信度的数据,供指挥员参考。通过对融合源数据进行分析,提出基于表决法和证据理论的多传感器融合系统方案。对框架的各部分功能模块进行分析,针对性的选择二阶预测、证据理论等算法。在融合模块中,对于不同性质的数据也选用不同的算法。通过仿真验证了系统的有效性。     

基于信息融合的海洋溢油识别判据的研究

首先对融合算法的类别进行了介绍,并结合海洋环境的特点进行算法选择.将决策层D-S证据理论融合算法应用到了海洋溢油识别判据中,在对原理进行分析的基础上,通过实验给出了不同环境下融合前后的溢油识别正确率的比较和结论分析.     

灰关联分析和证据理论在雷达辐射源识别中的应用及改进

针对雷达辐射源识别中灰关联分析和修正的DS证据融合策略的运用进行了研究,探讨了通过灰关联分析来确定证据理论中的基本概率赋值函数的方法,并应用修正的DS证据融合策略对证据冲突情况下的融合算法进行了改进.仿真结果表明该算法是可行而有效的.     

基于模糊数相似性的BPA生成方法

D-S证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得D-S证据理论在多传感器融合系统中应用非常广泛。但BPA函数是建立在基本事件的幂集之上的,无法通过简单的统计方法来获得,为了解决这一问题,提出一种适应性更好的基于模糊数相似性的BPA生成方法。通过数据分类的例证说明该方法具有有效性和适用性。     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想.为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中.MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能.     

基于神经网络与D-S证据理论的多传感器目标识别技术

为了满足目标识别的需要,多传感器的数据融合技术已经成为研究的热点。D-S证据理论是多传感器信息融合中最常用的一种处理不确定问题的方法,在基于D-S证据理论的目标识别融合中,基本概率赋值的获取是一个难点。使用神经网络中应用最广泛的BP神经网络来求基本概率赋值,再结合D-S理论进行目标识别。结果表明这种方法可以提高战场目标识别的可靠性,降低识别结果的不确定性。     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

基于D-S证据理论的网络表示融合方法

随着网络表示学习技术的发展,在网络结构信息的基础上,越来越多的研究者考虑融入额外辅助信息来提升网络表示效果.针对现有网络表示学习方法中对于多属性特征融合缺乏冲突判别与评价指标的问题,本文在已有研究基础上,提出一种基于D-S证据理论的网络表示融合方法.本方法首先通过SVM算法给出不同属性信息对融合表示结果的支持度,然后利用证据组合规则计算网络表示学习中的融合评价指标,并依据混淆矩阵考虑各类别在节点分类中的局部可信度.在3类数据集上的仿真实验表明：本方法对于检测网络表示融合中的冲突,提高表示融合效果具有一定的指导意义.