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。     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

多信息源炮兵目标毁伤评估模型

运用多种评估手段,对目标的毁伤程度进行评估。决策融合毁伤评估模型根据多信息源提供的情报信息,提取目标毁伤信息,并运用相应的评估手段进行独立评估,再依据各信息源获取信息的可信度和独立评估结果进行加权融合,以确定目标最终的毁伤值。     

信息融合技术在无损检测中的应用

信息融合技术在无损检测中的应用,通过采用多传感器协调和联合运作以提高检测系统整体性能.其融合系统分数据层、特征层和决策层融合.当用超声、涡流和红外三种设备检测缺陷时,通过D-S证据理论融合算法,得到两个周期融合的可信度.其结果使"不明"命题可信度降低,而表面裂纹命题的可信度上升.故设定一判决门限,当某命题融合可信度大于门限时,判定该命题成立.反之,等待下一周期检测结果,继续融合,再做判断.     

复杂干扰环境下的多传感器目标识别

对于工作在复杂干扰环境下的目标识别系统,确保其稳健性和准确性的关键是保证被融合信息的可靠性.文中提出了一种多传感器目标识别的融合模型,该模型利用类别置信距离测度修正目标特征的实测分布与先验分布的偏差,提高传感器目标属性估计的可靠性;利用一致性测度和传感器可靠性,实现传感器信息的筛选,有效的处理冲突信息和错误信息.仿真结果验证了方法的有效性.     

基于多传感器数据融合的飞机目标自动敌我识别方法

为提高复杂环境下目标敌我属性识别能力,提出了一种基于多传感器数据融合的自动目标敌我属性识别方法。采用将IFF、ESM、雷达,红外获取的信息进行特征级融合的方法对目标进行识别,并采用模糊神经网络模拟真实战场环境,提高了目标的识别率和准确度。     

目标属性信息相关时融合识别的实现方法

多源信息融合的一个主要应用方向是目标识别,但是各传感器测量到的目标属性值常常是相关的、不独立的,因此对各属性信息的融合比较困难。基于多属性决策模型( MADM)和D-S证据理论提出了加权融合的方法,并给出了权重系数的计算方法和权重灵敏性分析方法,介绍了利用条件概率加权进行目标识别的方法。     

层次分析法用于多传感器数据融合中属性权的求取

为了解决多传感器目标分类识别的数据融合中传感器本身可信度的求取问题，本文提出了传感器属性权的概念，并利用层次分析法求解传感器的属性权及其层次分析结构模型。进行了应用探讨，验证了这一方法的有效性。     

基于D-S理论的空间信息融合算法的研究

在目标识别中,信息融合算法非常重要,为了获得可靠的识别结果需要考虑时间和空间的融合问题.文中采用了一种信息融合的时空融合结构模型,然后提出了基于D-S论证理论的融合算法.将模型和算法用于某试验系统进行仿真,结果表明该结构和算法的可靠性,提高了系统的识别率.     

D-S证据理论在目标识别中的应用

根据地面目标运动引起的地震动信号的特征信息，应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征，应用BP神经网络模式识别法，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法，并应用D－S证据理论进行识别信息融合，训练样本和识别样本分别取自外场实验所获得真实有效的数据，通过对识别信息融合，以较高的可信度得到与识别样本相一致的识别结果，这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的，该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。     

基于OWA算子的多传感器属性信息融合

将OWA算子引入到多传感器信息融合领域中来，建立了基于OWA算子的两级式多传感器属性信息融合模型。通过合理调整OWA算子中加权向量的与或程度，适当选择各传感器探测数据的权重，从而有效地调整各传感器之间的融合程度，使整个系统的性能得到进一步提高。文末的目标识别实例表明了该方法的有效性和实用性。     

基于多源不确定数据融合的研究

提出了一种多源不确定数据的融合模型,该模型从信息的合理性、传感器的可靠性及信息的相似度上分析和处理不确定信息,并根据信息的一致性和传感器可靠性,实现传感器信息的筛选,有效地处理冲突信息和错误信息.以多传感器目标识别为例,进行建模仿真.结果表明,该融合模型在环境动态变化,传感器可靠性降低的情况下,保证了融合结果的准确性.     

基于Bayes 推理的导弹作战目标识别

为降低导弹作战目标信息识别错误率,应用Bayes推理对导弹作战目标进行识别。通过各传感器对来袭目标进行观测、分类和说明,并根据Bayes推理进行分析,推算出目标融合概率。实验结果表明：该方法能达到较高的目标识别率,可以提高系统的决策能力。     

一种复杂环境下的多传感器目标识别系统

对于复杂环境下的多传感器目标识别,其环境因素多变、处理数据量庞大,若采用传统的识别方案,系统的可靠性和抗干扰性不理想。为了解决这些问题,提出了一种用于复杂环境下的神经网络分类器组合结构的多传感器目标识别系统,并通过几种融合方法的仿真实验表明该系统是可行的,能有效地提高系统识别率及鲁棒性。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

基于空中目标识别的特征提取与选择

为从冗杂的海量信息中提取出有效的特征数据和信息,对空中目标识别的目标特征进行研究。介绍目标跟踪识别系统,从搜索雷达的目标回波信号特征、目标光谱成像特征、目标姿态与运动特征、目标特征选择与融合等方面进行目标识别特征提取,生成图像与特征数据库,并对选取的目标特征进行多特征融合的识别精度验证。结果表明:提取与选择的目标特征在识别中取得较满意效果,能证明选取的空中目标特征在目标识别算法中的可靠性。     

空天预警侦察信息分析及融合模型研究

基于特征层的混合式空天预警侦察信息融合模型，含平时和战时2种工作模式。首先，空天预警侦察平台对战场环境进行实时预警侦察。平时模式下，空天预警侦察信息经预处理后传输到各自信息融合中心进行目标特征提取，然后传输到空天预警侦察信息融合中心进行特征层属性融合和属性判决，再将情报信息发送给各军兵种指控中心；战时模式下，包含目标的空天预警侦察信息在预处理后由各自信息融合中心直接传输到空天预警侦察信息融合中心进行融合和判决后发送给各军兵种指控中心，指控中心向火控系统下达作战命令并向空天预警侦察系统下达目标侦察任务对打击效果进行评估。     

零现场子样下目标识别率的融合评估方法

零现场子样下，制导武器某战技指标的评估有迫切的军事需求，但相关研究很少。针对目标识别能力评估问题，建立了Logistic回归预测和计算机仿真模型来获取验前信息；通过计算各模型的可信度做融合评估，所得评估方法与有现场子样下的Bayes融合评估方法相容。其中，可信度的计算采用分解策略，结合物理背景和实际需求选择参数，并分析了评估结果关于可信度计算中主观参数的敏感度。