D-S证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

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．     

越野环境中无人驾驶车的障碍目标识别

针对无人驾驶车环境感知技术,基于D-S证据理论融合多传感器信息,旨在解决障碍物身份识别技术难点。基于CCD和激光传感器建立信息融合系统,并提取每种障碍物的5个特征证据,包括距离对比度特征、平行四边形特征、边缘形状特征、灰度纹理特征和颜色特征。再根据目标类型和环境加权系数选择经验公式,通过模糊插值法求取身份隶属度近似获得各特征对目标的相关系数构造基本概率赋值函数。最后制定Dempster组合规则,融合多传感器特征信息识别障碍身份。试验表明本文方法能够准确有效地获取基本概率赋值函数,D-S证据理论融合方法提高了障碍物身份识别的准确性和鲁棒性。     

D-S证据理论在目标特征数据分析中的应用

为解决空中目标识别问题,引入特征值这一概念。Dempster-Shafer证据理论是不确定推理的重要方法,通过Dempster合成规则将不确定性信息进行重新分布,将来自测量分系统的目标特征值,通过D-S证据理论进行融合,应用于目标识别。实验结果表明该方法误判率低、分类精度高,能较好地实现空中目标的分类。     

证据理论在末敏弹目标识别中的应用

信息融合是末敏弹目标识别系统的关键技术之一。简要分析了末敏弹识别目标的过程，在阐述D-S证据理论基本原理的基础上，结合红外／毫米波复合敏感器的具体情况，引入了可信权值，在预定的捕获准则前提下，对末敏弹目标识别进行了数值仿真计算。仿真结果表明，将D-S证据理论应用于红外／毫米波复合敏感器的目标信息融合，可以大大提高末敏弹识别目标的能力，增强抗干扰能力。     

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。     

D-S证据理论在时-空信息融合中的应用

多传感器的信息融合技术应用于导航、目标跟踪、目标识别等很多领域。目前用于信息融合的主要方法就是证据理论技术。论文给出了三种基于D-S证据理论的多传感器多个测量周期的信息融合(时-空信息融合)的方法。在仿真实验中对这三种方法进行了比较,分布式有反馈的方法是三种方法中最好的。     

机载光电传感器图像融合识别的D-S证据理论方法

针对机载光电传感器获得的图像信息的不确定性与模糊性,提出利用D-S证据理论对多图像传感器信息进行融合处理的方法.首先对各图像传感器获得的同一场景图像分别进行预处理,然后对预处理后的图像提取其矩特征,通过与目标图像数据库中图像特征的对比分析,利用灰色系统理论方法获取各传感器的基本概率赋值,最后根据D-S证据理论的组合规则与决策规则获得多图像传感器的融合识别结果.仿真结果表明该方法能提高目标识别的准确度,降低传感器获取的信息的不确定性.     

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。     

D-S证据理论在目标身份识别中的应用

针对多源信息融合中目标身份属性识别问题,简要介绍了D-S证据理论框架,阐述了基于基本概率指派(BPAF)决策的目标身份属性融合策略、步骤,利用D-S合成规则得到融合后的基本概率指派,实现了多传感器信息融合.仿真实验证明了方法的有效性.     

基于统计证据的mass函数和D-S证据理论的多传感器目标识别

mass函数表示对证据的精确信任程度,是信任函数的基本概率分配.文章在阐述Dempster-Shafer(D-S)证据理论和决策方法的基础上,较系统地论述了基于统计证据的mass函数和D-S证据理论的目标识别的数据融合方法,并给出了具体的识别实例.从计算结果可以看出,该方法有利于目标识别的实现,具有较好的实用性.     

基于粗糙集和D-S证据理论的信息融合技术应用研究

针对井下信息量大、噪声多、参数多、动态等特征,提出了一种基于粗糙集数据挖掘和D-S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理;利用径向基函数(RBF)神经网络建立了井下环境识别模型;利用D-S证据理论进行两级融合决策,并对井下安全状况进行判断。仿真结果表明:该方法提高了井下信息的识别和决策效果,极大地降低了不确定性。     

基于DS算法的雷达目标识别方法研究

主要目的是为解决干扰存在下不同类型传感器、不同格式信息之间的融合问题,设计了一种较为有效的融合算法,来对敌方的危险目标进行识别;主要方法是把神经网络改进的BP算法与Dempster-Shafer(D-S)证据理论相结合,将来自于各种传感器探测设备多次观察所得到的数据,经过神经网络后,得到基本概率附值,然后利用DS证据理论进行实时的时域和空域融合,从而达到准确的目标识别;仿真结果表明该算法在有效提高识别概率的基础上,大大提高学习速度,结果可行.     

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.     

未知环境中无人机协同搜索信息融合方法研究

针对未知环境中多无人机协同搜索的信息融合问题进行研究,建立了环境模型及无人机搜索模型,在此基础上,提出基于D-S证据理论的无人机协同搜索信息融合方法。在协同搜索中运用该方法不仅能够快速发现目标,并能有效识别不同性质的目标。将该方法与传统的贝叶斯融合方法分别应用于多无人机协同搜索决策中,通过比较仿真结果验证了D-S信息融合方法的有效性及优越性。     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

用D-S证据理论实现多传感器信息融合的一种改进算法

阐述了基于D-S证据理论的多传感器信息融合算法,提供一种基于D-S理论的改进方法以解决融合信息的相关性问题.用滑觉和热觉传感器作实验,对该方法的有效性进行了验证.     

D-S证据理论信息融合在故障诊断中的应用

介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.     

基于神经网络和D-S证据理论的交通目标识别

研究智能交通监控系统中行人和轿车的识别.传统的单一分类器方法难以达到较高的识别率,为提高准确性和识别率,根据神经网络和D-S证据理论,采用信息融合方法对视频序列中的行人和轿车进行识别.证据理论是信息融合的一种重要依据.但是它的基本可信度分配一般不易确定.采用支持向量机(SVM)和反向传播(BP)网络进行基本可信度分配,形成2个证据体,用D-S证据理论对证据体进行融合之后,根据判决准则识别结果.通过仿真实验,结果表明,方法的识别率高于采用SVM或仅采用BP网络时的识别率,可以实现行人和轿车的准确识别.