基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

一种改进的D-S证据算法

利用D-S证据理论的信息融合算法,提供了一种证据理论的改进方法以解决D-S算法在实现过程中存在的证据冲突问题.通过仿真试验,对该方法的有效性进行了验证.     

一种改进的D-S证据理论合成方法

针对D-S证据理论计算量大和不能有效合成高度冲突证据的不足,提出一种基于加权和矩阵运算的证据组合方法。该方法通过引入权重系数区分不同证据在数据融合中的重要程度,因此能有效合成高度冲突的证据。同时,在证据合成过程中通过引入矩阵运算,有效地降低了算法的计算量。仿真结果表明,与传统的基于D-S证据理论的多传感器数据融合方法相比,改进方法不但能提高证据合成的可靠性和准确性,而且具有较小的计算量。     

巡逻式多电子哨兵目标识别的数据融合方法

对巡逻式电子哨兵目标观测在数据层的精确定位方法,以及决策层目标精确识别的数据融合问题进行研究。将个体观测的局部坐标系的目标位置转换到全局坐标系中,利用卡尔曼方法融合数据层信息。决策层目标识别的信息融合采用改进的多层次D-S证据论融合方法,将单个哨兵各异类传感器信息融合后再进行多个电子哨兵识别结果的信息融合。实验结果表明,融合后的数据稳定性和准确性都能得到提高,目标识别的正确率提高了20%。     

用证据理论实现多信息融合的一种改进算法

本文简要地阐述了基于D-S证据理论的多传感器信息融合算法,提供了一种基于D-S 理论的推广方法以解决融合信息的相关性问题．文中用机器人的力觉和热觉传感器数据作融 合信息,对目标物体进行了分类识别试验．     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

基于 D-S 证据理论的地质雷达目标识别

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。为解决地质雷达目标识别信息的融合问题,采用D-S证据理论方法,先对目标进行雷达扫描,然后对可能的目标类型进行基本概率分配,最后利用D-S组合公式进行融合识别。试验结果验证了该理论在地质雷达目标识别上的有效性和可行性。     

一种基于ESM和红外传感器决策层信息融合的目标识别方法

针对异类传感器目标识别的问题,提出了一种融合ESM和红外传感器的互补信息进行目标识别的方法.该方法首先利用了神经网络在目标识别中的优越性,完成目标初步分类;其中对于ESM的输出结果,运用粗集理论的方法实现辐射源类型向目标类型的转化;最后将网络每次的输出作为一条证据,在决策层上利用改进的D-S理论方法实现数据的融合.最后飞机目标识别的仿真实验,验证了该方法可以获得较高的识别效率.     

D-S改进算法在数据融合中的应用

作为一种重要的处理不确定性问题的方法,D-S证据推理理论目前已经广泛应用于各种数据融合系统中。详细阐述了D-S证据理论的相关理论和证据组合原理;针对D-S证据理论存在的缺陷和不足,介绍了一种改进的证据组合方法;通过实例证明,该改进方法能够用于组合冲突比较大的多个证据,并提高融合的性能和可靠性。     

基于D-S证据理论的信息融合算法

针对现有D-S证据理论算法在信息融合应用中缺乏系统性的问题,提出了一种基于D-S证据理论的层次式融合算法。该算法模型采用多维属性信息的分域、层次融合方式,利用初始信息确定高层融合所需的概率分布的近似算法对数据进行融合处理,并对于可能存在的证据冲突问题,给出了算法的修正。仿真结果表明,该算法收敛速度快,准确度高,在低虚警率下具有较好的检测率。     

基于D-S证据理论的多平台协同数据融合

对D-S证据理论用于多平台协同数据融合进行了分析，提出了多平台协同数据融合的设计思想和结构，将其用于舰船类型的识别。通过MATLAB仿真，证明了多平台协同数据融合降低了识别结果的不确定性，比传统的单平台数据融合效果好，验证了这一理论在多平台协同数据融合中的有效性和正确性。     

一种改进的基于权重系数的证据合成方法

针对D-S证据理论在多传感器目标识别系统中对证据高度冲突时会产生有悖于常理的结果的问题进行了研究,对现有的方法基础上给出了一种改进的融合算法。该算法通过引入证据可信度门阈值提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。最后通过算例比较表明:该改进算法的有效性。     

基于加权D-S证据理论的分布式多传感器目标识别

针对分布式多传感器环境下的目标识别问题，提出了一种基于加权D-S证据理论组合规则的决策融合方法。分析了多传感器目标识别系统的信息模型，指出传感器的决策可信度由其被支持度及与目标间的距离确定。将该可信度体现为加权D-S证据理论组合规则中的证据权值，综合考虑传感器支持度及其与目标距离，给出了权值确定方法。仿真实验证明方法提高了融合效率，可较快完成识别任务。     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。     

D-S理论与神经网络相结合的信息融合模型研究

针对大噪声环境下信息融合效果差的问题,提出了一种基于D-S证据理论与神经网络技术的信息融合方法,该方法综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,一方面利用神经网络和冲突证据处理算法获取基本概率赋值,另一方面通过证据理论使神经网络的结构变得透明.初步仿真结果表明,该方法有效地解决了不确定性信息的误识别问题.     

基于D-S证据理论的振动目标识别研究

提出了一种基于D-S证据理论对数据进行融合处理的方法.通过采用多个地振动传感器对人、车辆等目标发出的振动信号进行采集,然后对传感嚣采集到的地振动信号进行处理,解决目标识别问题并提高目标的识别率,实验结果表明文中提出的方法是有效的.     

D-S证据理论在移动机器人信息融合中的应用

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究中主要的问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,同时也要满足实时性的要求。详细介绍了将D-S证据理论应用于移动机器人对未知环境的探索、感知过程,并通过仿真结果对D-S证据融合方法的性能进行研究与改进,确定了D-S证据融合方案的具体实现步骤,并完成了一个简化的仿真算例,得出了相关结论。