基于D-S证据理论的空中目标识别

提出了一种基于D-S证据理论的空中目标识别方法.该方法首先对目标特征进行提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用D-S组合公式进行融合识别.实例验证了算法的有效性.     

目标与诱饵红外特性及其识别技术研究

主要研究了弹头目标和诱饵的红外特性及其识别问题.首先给出了弹头目标和诱饵识别技术的基本处理流程;然后,在分析空间物体的红外辐射特性的基础上,建立了空间物体的红外成像模型,在分析目标和诱饵的特征及特征差异的基础上,提出了可以用作弹头和诱饵识别的几个主要特征:红外辐射特征(包括温度、材料和灰度变化率)、运动特征和形状特征等;最后在基于各个特征的初判决的基础上,采用D-s证据理论进行决策层的融合得到综合判决,取得了较好的识别结果.     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

弹道中段目标雷达综合识别研究*

中段是弹道导弹防御的主要阶段,也是目标构成最为复杂的阶段。数量众多的轻、重诱饵和弹体碎片使得基于单一特征、单次观测的目标识别并不能给出令人信服的识别结果。因此本文根据弹道中段目标的微动和结构特性,首先利用BP神经网络得到基于单一特征的各待识别目标的基本概率赋值,然后利用D-S证据理论实现当前观测周期多特征的融合识别,最后利用D-S证据理论实现当前观测周期与以往观测周期在时间域的序贯融合识别。仿真结果证明了本文方法的有效性。     

一种基于模糊理论融合证据理论的网络舆情评估方法

文章通过对国内外网络舆情分析现状的研究以及综合各种文献资料,结合模糊理论与D-S证据理论提出了一种基于模糊理论融合证据理论进行网络舆情评估的方法。此方法根据舆情要素与舆情评估的对应关系,通过模糊理论对舆情信息建立隶属度函数,得出不同渠道的舆情状态,然后用证据理论把每个渠道的舆情状态当作一组证据,通过证据合并,最终得网络舆情评估信息。     

基于D-S理论的模糊图像智能识别方法研究

针对传统图像识别方法在对模糊图像进行识别处理时,存在识别精度低,识别结果与实际存在差异等问题,为了提高模糊图像的高清识别能力,结合D-S理论,开展模糊图像智能识别方法研究.在明确D-S理论的基础上,基于D-S推理过程描述模糊图像结构,基于融合行为智能识别图像模糊化特征,实现基于D-S理论的模糊图像智能识别方法设计.通过对比实验进一步证明,本文设计的图像智能识别方法在实际应用中,识别精度明显高于传统图像识别方法,并且针对不同类型的模糊图像具有更高的针对性.     

多传感器模糊D-S理论辐射源识别

研究了将D-S证据理论与模糊推理组合应用辐射源识别的方法,提出了基于模糊综合评估获取基本概率分配函数的方法;在此基础上研究了应用D-S证据理论进行多传感器信息融合,从而识别雷达辐射源的原理;仿真实验和对比实验表明本算法的有效性。     

基于D-S证据理论的近岸舰船目标识别

在深入分析和提取近岸舰船目标红外特性和微波特性的基础之上,提出一种基于D-S证据理论的红外图像和微波特性融合方法来实现近岸舰船目标的识别.一方面,对红外图像进行小波去噪、边缘提取、海天线识别与对消等红外预处理和特征提取后,可以得到若干个待选目标;另一方面,对目标回波进行衰减、低噪声放大、滤波和线性放大等处理后,可以得到信号幅度大于一定阈值若干个待选目标.最后,通过对红外和微波得到的待选目标运用D-s证据理论的融合规则进行数据融合,得到最终识别结果.算法易于硬件实现.实验表明,该方法能达到较好的识别效果.     

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Choquet模糊积分的决策层信息融合目标识别

引入模糊测度和Choquet模糊积分的概念后，信息融合目标识别可转化为各信源识别结果关于信源重要程度的广义Lebesgue积分．该文给出了Choquet模糊积分应用于决策层信息融合目标识别的通用技术路线，并提供了信源重要程度的度量方法．算法实用于红外／毫米波融合目标识别系统，融合识别结果与D-S证据理论方法作了比较，证明了基于Choquet模糊积分方法的有效性．     

地物环境对红外诱饵弹散射特性建模及仿真

针对红外诱饵弹的工作特点,依据其空时域分布特性,建立了诱饵弹的红外辐射模型;根据红外诱饵弹辐射与环境目标的作用机理,利用双向反射率函数（BRDF）建立目标表面面元的散射特性模型,实现了目标表面面元接收诱饵弹的辐射在观测方向产生的辐射亮度计算;并基于OGRE的红外场景仿真平台,对诱饵弹发射前后地物环境的变化进行实时仿真。仿真结果显示了发射诱饵弹后不同时刻诱饵弹辐射对地物环境的影响效果,这对红外诱饵弹研发具有极为重要的意义。     

基于Vague集TOPSIS法的空中目标威胁评估

为了快速准确地对空中目标进行威胁度判断,提出了一种基于Vague集TOPSIS法的目标威胁评估新方法。首先,分析并确定了空中目标威胁因素中的定性指标和定量指标,通过采用语言变量的Vague值表示法对定性指标进行表示,克服了传统的模糊集不能表达非隶属函数的缺陷。然后,对定量指标中的效益型指标和成本型指标进行规范化处理,建立了基于Vague集的空中目标威胁评估决策矩阵。最后,运用经典的TOPSIS方法,计算各目标的综合威胁指数,对空中目标进行威胁程度排序,并通过防空作战空中目标威胁评估的实例,验证了该方法的实用性和有效性。     

基于特征增强的模糊红外刑侦目标提取算法研究

本研究旨在解决红外图像刑侦场景中目标边缘模糊和轮廓不完整等问题。提出了一种基于特征增强的模糊刑侦目标提取方法。首先，设计模糊刑侦目标边缘提取网络模型(Blurry Criminal Investigation Target Edge Extraction Network Combined with Spatial Channel Attention, BCES-Net)，并利用空间通道关注模块(Spatial and Channel Attention Module, STCAM)获取具有强语义信息的特征图像。接着通过建模提取来获取包含语义类别信息的边缘特征和模糊刑侦目标特征。在训练过程中，基于特定损失函数和多种特征融合技术，通过反复监督学习和训练校正，提高了边缘和模糊刑侦目标分割性能。在手部热痕迹数据集上，与DeeplabV3+、U-Net、HRNet、PSPNet等模型相比，BCES-Net模型在均交并比(mean Intersection over Union, mIoU)、平均精度均值(mean Average Precision, mAP)、准确率等评价指标上显著优越，mIoU达到88.3%，mAP达到94.35%，准确率达到95.5%。本研究创新性地提高了模糊红外刑侦目标提取的准确度，为实际应用提供了技术支持。     

基于多属性决策的诱饵有效性评估

诱饵是导弹突防作战的重要措施之一,分析其隐真示假有效性的影响因素,建立评估指标体系及模型。根据多属性决策的方法特点。运用模糊隶属度函数量化诱饵目标属性,并采用基于信息熵的权值确定,对诱饵的有效性进行评估,为导弹的突防任务规划提供决策支持。     

基于微多普勒特征的空间锥体目标识别

空间锥体目标在大气层外飞行过程中存在不同的微动,目标的微动为进动,诱饵的微动为摆动或自旋.根据真假目标的微动差异,提出了低分辨雷达的目标识别方法.在多散射中心信号模型下分析了真假目标的微多普勒特性,指出目标回波信号微多普勒谱与其进动参数密切相关,而诱饵回波信号微多普勒谱与其摆动＼自旋频率密切相关.应用低分辨雷达多次回波...     

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.     

有源诱饵的双极化识别

针对双极化测量体制毫米波雷达,研究了有源干扰诱饵的极化识别方法。首先介绍了双极化技术原理,然后详细分析了典型雷达目标和各种极化有源诱饵的双极化回波特性,引入能够有效表征有源诱饵和雷达目标极化特性差异的同极化比和极化起伏等特征,并提出基于自适应恒虚警阈值的目标识别方法。最后通过组建双极化试验雷达系统采集并分析了建筑物和垂直极化、水平极化、左旋圆极化有源诱饵的回波数据,实验结果证明了有源诱饵的双极化识别方法的可行性和有效性。     

基于最佳鉴别准则的目标识别方法

讨论了使用最佳鉴别准则作为特征提取的方法识别飞机的问题。在介绍最佳鉴别集求法之后,通过计算距离可分性测度得出该方法比一般的Ｋ－Ｌ变换提取特征具有更好的可分性;最后用模糊ＡＲＴＭＡＰ神经网络作为分分类器以处理后的数据进行识别。对某相控阵雷达所得到的三类过航飞机的数据识别结果表明,该方法可以得到更高的识别率。     

基于模糊故障特征信息的随机集度量信息融合诊断方法

该文给出一种基于模糊故障特征信息随机集度量的信息融合诊断方法。针对信号采集与故障特征提取中的模糊性,首先用模糊隶属度函数分别表示故障档案库中的多种故障样板模式和从不同传感器观测中提取的多类故障特征亦即待检模式,进而基于模糊集的随机集模型,得到样板模式与待检模式的匹配度,即基本概率指派函数(BPA)。然后利用Dempster-Shafer证据组合规则对BPA进行融合,给出诊断结果。该文给出的待检模式是从多个连续观测中提取的,与原有的由单个观测确定待检模式的方式相比,文中提出的特征提取及匹配方法,同时考虑了样板模式和待检模式所具有的模糊性,能够显著降低融合决策中的不确定性,大大提高故障识别的能力。最后通过电机转子故障诊断实例验证方法的有效性。