基于D-S证据理论的多传感器目标识别信息融合方法

多传感器目标识别系统中多个信息源之间证据高度冲突时,采用传统的D-S证据理论进行信息融合有一定的缺陷。根据信息源间证据冲突的程度,提出了一种新的证据融合算法,该算法依据少数服从多数的原则,首先根据信息源间冲突程度的计算出各信息源权重,再采用D-S组合规则对加权后的信息进行组合。算例分析结果证明了该方法在用于多传感器目标识别系统的有效性和优越性。     

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。     

冲突证据融合算法性能分析

针对D-S证据理论在处理冲突证据时存在的不足，对不同冲突证据融合算法的性能进行分析。仿真结果表明，Yager算法无法有效处理冲突问题。孙全和Murphy理论主要利用加心策略的可靠性解决冲突证据的融合问题，收敛性差。而邓勇算法采用的加性策略在加性合成同时，引入证据距离函数以得到各证据的可信度作为权值对证据进行加性合成，因此收敛性优于孙全和Murphy算法。关欣算法先对冲突证据进行合理修正，消除证据间冲突，再采用D-S算法进行合成，但该算法证据的冲突由敌方干扰引起，具有一定局限性。     

一种区间距离的冲突证据组合方法

针对含有冲突证据的多条证据组合结果出现反直观的不足,提出基于不确定区间距离的冲突证据组合方法。通过文献［13,15,17］分析发现,由信度及似真函数构成的区间包含事件本身所有的信息,解决了直接由Mass函数构成证据组合过程中信息缺失的问题。根据不确定区间定义了一种区间距离。通过区间距离生成证据间的距离矩阵以及证据间的权重,利用权重对原有证据进行修正,基于Dempster-Shafer证据理论及第6种比例冲突再分配完成证据组合。算例分析结果表明：新方法在冲突度表征变化上与文献［33］的变化趋势一致,证明了该方法的有效性;在多条冲突证据的组合中,新方法的信度值比现有冲突度量方法明显提高,证明了该方法的正确性。     

基于改进 D-S 证据理论的海上信息融合方法

针对经典D-S证据理论在实际海上态势分析中对高冲突的证据融合结果准确性较低的问题,提出一种改进D-S证据理论的数据融合方法.通过基于万有引力定律的证据距离公式来衡量证据之间的冲突程度,将冲突较大的融合结果赋予较小的权重,并通过海上武器识别案例进行融合.结果表明,该方法证据冲突越明显,优势越大;证据之间冲突较小时,其融合结果和经典D-S证据理论一致,并具有更高的准确度和稳定性.     

一种新的冲突证据融合方法

针对证据理论Dempster规则不能融合冲突证据的缺陷,提出了一种有效融合冲突证据的新方法.将证据划分为可信证据、不冲突证据和冲突证据3类,分析了该3类证据折扣对融合结果的影响.在此基础上,依次采用证据距离和合取冲突辨识出可信证据与不冲突证据,并赋予该2类证据折扣因子1,极大程度地保留了证据对正确假设的支持,从而提高了...     

高冲突性证据的软件可信性评估方法

为解决传统基于DS 理论的融合算法在处理高冲突证据时,存在将所有证据都视为高冲突证据统一进行 修正的问题,提出一种处理证据高冲突性的改进算法。判断证据的冲突程度,只对冲突性较大的证据进行修正,在 保证原始证据真实性的基础上对高冲突证据源进行修正,用DS 合成法则进行融合,并通过实验验证。实验结果表 明：该算法具有良好的收敛性和可行性,与其他算法相比,可在一定程度上提高合成过程中证据的可靠性。     

一种D-S证据理论的改进方法及其在目标识别中的应用

研究了基于D-S证据理论的多传感器信息融合算法，提出一种基于D-S理论的推广方法来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来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，提高识别系统的可靠性与准确度。     

干扰情况下单传感器的数据融合算法

针对D-S证据理论在处理冲突证据时存在的不足,提出了一种改进的单传感器被干扰情况下的数据融合算法。该算法首先采用加性策略对原证据集进行处理,消除冲突,然后利用D-S证据理论的合成公式进行融合,得到最终合成结果。最后进行仿真试验,仿真试验结果说明该算法能有效地排除干扰,得出符合实际的合成结果。     

一种新的处理冲突证据的方法

D-S证据理论可以有效的处理不确定信息,是有效的信息融合方法之一.但在证据高度冲突时,因其归一化过程会产生有悖常理的结果.基于此,提出了一种新的证据合成方法.首先采用加性策略对命题进行排序,找出证据支持最大的几个命题,然后对其进行冲突检验及修正,再利用PCR5规则实现信息融合.与其它方法相比,新方法在系统提供的证据高度冲突时仍然能够有效快速的识别出目标.     

一种处理冲突证据的合成方法

证据推理广泛应用于不确定推理和数据融合等方面。但D-S合成规则对于高冲突情况的处理不是十分合理的。因此文中提出了一种基于证据相似系数的冲突证据合成方法。此方法首先引入了相似系数的概念。然后求出各证据被其它证据所支持的程度，对支持度归一化后可得到各证据的可信度，并将可信度作为证据的权重。对证据加权平均后再利用D-S合成规则。     

基于证据组合理论的多传感器目标识别算法

为了提高多传感器目标识别的准确性，提出了证据加权数据融合的新方法。给出了证据理论的基本概念、组合规则、加权证据组合及决策规则，同时给出简单的多传感器信息融合模型。针对战场环境下多传感器系统获得的辐射源信息。通过仿真给出了文中方法的目标识别步骤及识别结果．仿真结果表明该算法提高了目标识别的准确性和有效性。减小了识别的不确定性。     

A New Fusion Method for Conflicting Evidence

A new conflicting evidence fusion method is proposed for the deficiency of Dempster's rule which can not fuse the conflicting evidence. Evidence is divided into three categories:believable evidence, non-conflicting evidence and conflicting evidence. The influences of these three categories of evidences on fusion results when discounted are analyzed respectively. On these bases, the evidence distance and the conjunctive conflict are utilized in sequence to recognize the believable evidence and non-conflicting evidence. The discounting factors of these two categories of evidences are set to one, which keeps the evidences support the true hypothesis to the greatest degree, and makes the fusion results focus onto the true hypothesis. Examples of some missile fault diagnosis show that the new method can effectively fuse the conflicting evidences, and is suited to fuse the relievable evidences. The new method improves the reliability and rationality of fusion results compared with traditional methods.     

贝叶斯证据框架下的支持向量机及其在陀螺漂移预测中的应用

将贝叶斯证据框架引入到标准支持向量机中去，研究了贝叶斯证据框架下标准支持向量机的参数调整方法，并具体研究了高斯核情况下参数的调整．利用获得的结论对陀螺漂移数据进行了预测．结果表明，该方法为参数的选取提供了一个统一的框架，克服了在样本改变的情况下标准回归支撑矢量机方法中某些参数只能凭经验通过交叉验证的方法进行频繁的手动调整的不足，且具有较高的精度．     

冲突证据合成方法研究及改进

针对现有冲突证据合成方法的缺陷．提出了一种改进冲突证据合成的方法。首先根据候选焦元的冲突大小提出了一种相互支持度．然后由支持度归一化获得候选焦元的相互可信度。最后用该可信度对焦元进行自适应加权组合，实现对融合模型的改进。计算结果表明．改进后的新方法合成效果好．合成结果更理想。     

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。     

基于Dempster-Shafer证据理论的通信辐射源个体识别算法

针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。