面向态势评估的一种有效的证据理论合成公式

战场态势评估是指挥决策的基础,如何进行合理的态势评估是C4ISR数据融合系统中的一个重要环节.针对态势评估中的证据在合成过程中的重要程度不同,通过引入证据权重值,提出了一种新的D-S证据理论合成方法.实验表明该方法可提高态势评估中证据合成的合理性与可靠性,能得到更理想的合成结果,更符合实际情形.     

态势评估中的目标编群问题研究

目标编群是态势评估中需要解决的一个重要问题。首先建立了一种相似性测度模型,该模型通过对目标平台属性进行"乘运算"和"加运算"两方面的相似测度,因而对目标间的相似性能做出快速的判别,而且能更准确有效地判断目标对象间的相似性程度,加强目标辨别能力,降低错误编群的概率。在此基础上,给出了群递增形成算法,最后以一组数据验证了该算法可快速有效实现目标编群。     

D-S证据理论在多传感器目标识别中的改进

针对证据理论在处理冲突证据时可能得到与直觉相悖的结论,文中首先分析了基本DS证据理论组合准则缺陷的产生原因,提出一种新的基于权值的证据调整方法,给予证据分配不同的权值,重新分配概率分配函数.算例分析结果表明,改进后的方法可以提高识别结果的可靠性,在一定程度上改善了目标识别系统的性能.     

基于GNN-DS信息融合的目标识别方法

针对当前目标识别系统中常用的信息融合方法识别率较低、运行速度慢、抗噪性差等问题,提出一种基于神经网络组和Ds证据理论的信息融合方法.该方法兼顾神经网络和DS推理二者的优势,有效地解决了目前信息融合方法对大噪声不确定性传感器测量信息的误识别问题.仿真实验表明,该方法是可行的,能有效地提高系统识别率及鲁棒性.