一种冲突情况下的自适应证据理论合成公式

文中研究比较了几种冲突严重情况下的证据理论合成公式．鉴于D-S证据理论合成公式的不足，文中提出了一种基于基本概率赋值加权的吸收算法。该算法可以根据证据的基本概率赋值确定冲突分配中的权值，算例结果表明：该合成公式的计算结果合理，很好地解决了证据理论在冲突严重下的合成问题。     

基于稀疏编码特征的多传感器辐射源识别

针对单传感器在低信噪比下对辐射源信号的识别性能较差的问题,提出了一种基于稀疏自编码器的多传感器辐射源融合识别的方法。该方法首先采用稀疏自编码器进行特征提取,得到信号样本的特征模板;然后利用特征匹配方法,得到匹配差值;最后将匹配差值转化为D-S证据理论的基本概率赋值函数,通过改进的D-S证据对多个传感器进行融合得到最终结果。仿真实验结果表明,融合算法能够有效地提取信号特征,可进一步提高单传感器的识别性能,在小样本、低信噪比条件下,具有更强的识别优势。     

基于改进D S 理论在无人化武器系统信息融合中的应用

针对无人化武器系统多传感器数据之间存在的信息融合问题,提出一种将AHP法和D-S证据理论相结合的无人化武器系统信息融合算法。根据多个传感器信息融合时所在环境条件对各传感器精确程度的影响,通过AHP法确定在多个传感器基本概率赋值中各传感器的权值,并利用D-S证据理论进行改进,实现了目标识别。实例分析结果证明:改进后的识别结果明显优于传统D-S证据理论的识别结果,在一定程度上改善了目标识别系统的性能。     

基于D-S证据理论信息融合的故障诊断方法

对证据推理理论用于故障诊断识别进行了论述和仿真。介绍了证据理论的相关重要概念，给出了一种常用构造基本概率赋值函数的方法以及分类规则的选取。应用D-S证据理论方法对系统进行故障分析，首先要解决的问题是要分析系统识别框架和故障特征向量的构造。以航空电源某故障为例，进行了诊断识别仿真和对比实验，验证了证据推理用于故障诊断的可行性。仿真结果表明，将证据推理方法应用于航空电源状态监测和故障诊断中，可大幅度提高故障诊断的准确性和置信度。     

毫米波主被动复合探测器目标识别技术

提出了一种在毫米波主被动复合探测器目标识别中利用D-S证据理论进行时空融合的方法。首先将每个传感器不同高度处的信息进行时间上的融合,然后再对两个传感器进行空间上的信息融合。为了适应现代战场的复杂环境和系统实时性的要求,文章采用灰关联分析方法来构造基本概率赋值函数。实验结果表明该方法可行,较以往的单一时间或空间融合,识别率得到了进一步的提高。     

基于证据理论的电子装备故障诊断

基于证据理论的电子装备故障诊断,采用信任函数作为不确定性度量工具.首先建立基本概率赋值,然后计算信任函数,最后按照一定的组合规则作出决策.其运用信度函数表达概率大小,通过多诊断设备测试被诊断对象,得出属于各类故障的信度函数.再利用组合规则进行信息融合,得到融合后症状分别属于各类故障的信度函数.最后确定故障类型.     

多传感器声目标识别的研究

介绍了声目标的各种识别方法，将Dempster-Shafer证据推理的基本理论应用到声目标的识别中。用质量函数构造基本概率赋值函数，给出了在n次扫描情况下，累积质量函数的融合公式并给出了识别目标的决策方法。通过实例计算可以看出，该方法可以提高对声目标识别的准确性。     

P 距离确定信息量的证据合成方法

针对D-S证据理论在对高度冲突的证据进行融合时可能出现与直觉相悖的情况,在对一些经典改进方法分析的基础上,提出一种基于P距离确定信息量的证据合成方法。在保证各证据之间冲突整体最小的情况下,建立证据权重分配模型,利用遗传算法求出权值,根据权值确定各证据的可取信息量,对基本概率分配函数进行转化。实例分析表明,改进的D-S算法具有抗干扰能力强和决策风险低等特点,能提高证据组合结果的可信性。     

基于改进证据理论的导弹故障智能诊断推理方法

针对已有导弹故障诊断规则在对新的导弹超差测试数据进行诊断时无法直接得到诊断结果,甚至会出现诊断结果冲突的问题,引入粗糙集理论(Rough Set Theory,RST)对基本概率赋值进行获取,在分析现有D-S合成规则改进方法与冲突证据权重分配方法的基础上,提出了一种改进的冲突证据合成方法,进而建立了基于改进证据理论的导弹故障智能诊断推理模型。实例验证结果表明,该模型能够更加准确地实现导弹的故障定位,且能有效地减少不确定性对导弹故障智能诊断的不利影响。     

空战中的多目标威胁评估方法

针对传统空战多目标威胁评估难以满足准确性、实时性的缺陷与不足,提出基于模糊集与证据理论相结合的空战多目标威胁评估方法.该方法通过合理设置隶属度函数计算各威胁指标的威胁度基本概率赋值,使用改进的证据合成规则代替传统Dempster组合规则对其进行指标间融合及时域融合;采用加权求和的方法计算空中目标的威胁值并排序.最后给出仿真算例,验证了该方法的有效性.     

基于证据理论的多传感器信息融合目标识别方法

从D-S证据理论的基本概念和证据的融合推理方法出发，建立了多目标特征信息融合识别框架。并提出一种符合目标识别特点的基本可信度分配构造方法。该方法把识别对象看作一个信息系统，运行过程中不断产生各种信息，并将信息加工成目标特征。通过特定的识别决策规则，得出识别结论。给出了一个多目标信息进行识别的实例，结果表明该方法能够有效地提高目标识别可信度，减小识别的不确定性。     

修正的D-S合成规则在对巡航导弹目标识别中的应用研究

在分析了D-S合成规则中存在问题的基础上,提出了一种修正D—S融合方法,该方法不但能处理相互冲突证据,而且能够根据焦元包含元素的多少决定向下聚焦的权重的缺陷．同时,在分析巡航导弹攻防对抗研究信息融合系统结构的基础上,将修正的D-S应用到对巡航导弹预警融合节点和拦截融合节点的目标识别中,仿真结果表明了修正的D-S规则在解决巡航导弹目标识别中的有效性．     

模糊证据理论综述

模糊证据(D-S)理论基于非空集合.其隶属函数用比较/增量/三分法或事先人为确定,再试验验证.根据信息粒度和可能性,把D-S推广到模糊集,将期望确定和可能性定义为信任和似真度推广函数,并引入信任、似然及类概率函数描述命题,或证据精确、不可驳斥及估计等信任程度,从不同角度刻划命题或证据的不精确性.     

A Modified Multi-data Fusion Method Based on D-S Theory

The D-S evidential reasoning algorithm is invalid when the evidence is completely contradicted. Therefore, a modified algorithm is proposed based on the elemental correlation and the influence of elemental weights in the evidence. The modified algorithm is more powerful ability to rectify errors and less computational complexity in the circumstance of multi-evidence fusion processing than those of the D-S evidential reasoning algorithm.     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,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,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

基于证据网络的舰艇编队超视距反导态势评估

根据舰艇编队超视距反导作战的具体技、战术特点以及影响态势评估的相关因素,构建了超视距反导作战态势评估模型。利用基于VBS及D-S证据理论的证据网络模型对所构建的态势评估模型进行推理,并利用Pignistic变换将信度测度转换为概率测度,且引入了一种对证据网络中事件节点进行基本信度分配的方法。仿真结果表明,该方法能够准确地对超视距反导态势进行评估,具备较强的实战应用价值。