A new DSmT combination rule in open frame of discernment and its application

A new combination rule based on Dezert-Smarandache theory (DSmT) is proposed to deal with the conflict evidence resulting from the non-exhaustivity of the discernment frame. A two-dimensional measure factor in Dempster-Shafer theory (DST) is extended to DSmT to judge the conflict degree between evidence. The original DSmT combination rule or new DSmT combination rule can be selected for fusion according to this degree. Finally, some examples in simultaneous fault diagnosis of motor rotor are given to illustrate the effectiveness of the proposed combination rule.     

多层激光雷达在无人驾驶车中的环境感知

为了使无人驾驶车获得可行驶区域和障碍物信息,通过分析大量激光雷达扫描点数据,总结并得出路沿数据点独有的特征,提出一种基于路沿数据点特征和多层融合技术的路沿检测算法.应用Dezert-Smarandache理论(Dezert-Smarandache theory,DSm T)对无人驾驶车前方道路环境建立栅格地图,并利用证据理论中的冲突系数检测动态障碍物.最后,采用膨胀算法、侵蚀算法和改进的八邻域区域标记算法对动态障碍物进行聚类和信息提取.实车实验结果表明:本算法可稳定、准确地感知无人驾驶车周围环境信息.     

DSmT的主冷却剂泵并发故障融合方法分析

针对核电站主冷却剂泵故障特征微弱难以有效辨识及DST仅能解决在无高冲突辨识框架下的单一故障诊断等问题,提出一种基于DSmT决策级主冷却剂泵并发故障融合诊断模型．采用核主泵自由DSm模型和混合DSm模型对含有故障信息的多个独立证据源进行动态融合计算;分析核主泵DSmT故障特征信度赋值变化,确定主冷却剂泵故障(并发故障)诊断总决策. 结果表明, 将核仿真机采集TS、SS、VS和DS多源传感器数据直接对基本概率函数进行赋值,得出主冷却剂泵故障(并发故障)决策结果与实际工况相符,实例验证了所提方法的可行性、有效性及准确性．     

基于混合DSm模型的移动机器人动态环境地图构建

针对移动机器人探测动态未知环境的问题,引入了一种由贝叶斯理论和Dempster-Shafer证据理论（DST）扩展而来的新的信息融合方法——Dezert-Smarandache理论（DSmT）．采用栅格地图,并根据声纳的物理特性,在DSmT框架下建立了声纳的数学模型．运用DSmT中的高级模型,即混合DSm模型,构造了一组基本信度赋值函数（gbbaf）,用以处理动态环境下声纳获取的不确定和不精确信息,甚至于高冲突信息．借助Pioneer2-Dxe移动机器人分别进行了混合DSm模型和DST两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图．将由混合DSm模型与DST构建出的环境地图进行了比较,充分验证了混合DSm模型在未知动态环境下的有效性,为处理动态高冲突信息提供了有力的理论依据．     

基于混合DSm模型的多机器人地图构建

针对多移动机器人探测静态未知环境,提出了多机器人的一类新的体系结构和机器人内部控制结构,采用分布式融合框架,引入了最近提出的一种在贝叶斯和DST扩展而来的信息融合理论DSmT,结合限制传播算法,建立了不精确传感器(声纳)的混合DSm模型.构造了基本信度赋值函数,计算每个栅格的基本信度值(gbba),有效地融合了多个移动机器人使用声纳获取到的不精确、不确定和高冲突环境信息.最后,以Pioneer 2-DXe机器人作为实验平台,将由混合DSm模型构建出的静态环境地图与实际环境布局做比较,并利用openGL绘制出三维置信度分布图,充分验证了所提出的算法和基于通信的多机器人系统的有效性.     

一种快速分层递阶DSmT近似推理融合方法(A)

 本文提出了一种分层递阶的DSmT快速近似推理融合方法,该方法针对超幂集空间中仅单子焦元具有信度赋值的情况,利用二叉树或三叉树分组技术对其刚性分组,与此同时,对每个信息源对应的各个分组焦元进行信度赋值求和,以便实现细粒度超幂集空间向粗粒度超幂集空间映射.然后运用DSmT组合规则和比例冲突分配规则对粗化超幂集空间的两个信息源进行融合,保存该融合结果作为父子之间节点连接权值,然后对每个分组焦元信度赋值归一化处理,通过设定树的深度,来确定分层递阶的次数.最后通过从多个角度比较新、老方法,从而充分地验证了新方法的优越性.     

基于多信息融合的运动目标跟踪方法

针对复杂环境下多运动目标跟踪的高冲突信息组合问题,在DSmT的理论框架下,提出了一种将局部冲突在局部进行分配的改进证据合并方法来研究多运动目标的跟踪问题.该方法通过深入分析冲突及其相关因素之间的关系,将目标的位置信息与颜色信息进行融合建立起多信息合并的运动目标跟踪模型.仿真实验结果表明:采用该方法可实现互遮挡条件下的多...     

基于Haenni方法的证据冲突原因分析

由于Dempster组合规则所存在的不足,在组合冲突信息时,会得出与直觉相反的结论。针对Zadeh悖论,Haenni给出了反驳,但冲突产生的原因分析不够全面。鉴于此,本文在他们的基础上,总结出冲突产生的原因,它不仅与传感器受干扰有关,与识别框架不完整也有关系,其中识别框架不完整还包括框架中的元素不详尽,出现了新目标和在两两证据进行推理过程中目标丢失导致的潜在冲突。     

基于DSmT的改进合成方法

随着现代战场环境的复杂变化,如何快速准确地对目标进行识别显得尤为重要,而环境的复杂多变可能会产生冲突证据。针对目标识别中高冲突信息的组合问题,在分析了几种常见的证据理论解决方法后,提出一种基于DSmT的冲突证据合成方法。通过仿真实验测试,验证了该算法的有效性及合理性。