基于隐藏单元条件随机场的多知识源融合改进自动语音识别置信度

鉴于自动语音识别(ASR)中置信度估计困难的问题,该文提出一种基于多知识源融合的策略来提高置信度的鉴别能力。具体做法是,首先选择关于识别结果的声学层、语言层和语义层等不同层次的信息,然后通过实验确定这些信息不同的组合方式,并以此为特征在隐藏单元条件随机场(Hidden-units Conditional Random Fields, HuCRFs)框架下计算识别结果的条件概率。最后将HuCRFs条件概率作为语音识别结果置信度的新的估计。实验首先证明了HuCRFs条件概率是比归一化的网格后验概率鉴别能力更强的一种置信度估计方法。同时基于HuCRFs条件概率置信度,对解码器一遍识别得到的网格重新搜索最佳候选序列,取得了相对一遍识别最佳候选序列绝对近2%的字错误率(CER)下降。同时,该文也对比了基于HuCRFs条件概率搜索的最佳候选序列和基于长语言模型网格重估的最佳候选序列的性能,进一步证明了使用HuCRFs条件概率作为置信度估计是一种更好的选择。     

农业物联网中多传感器数据智能融合方法研究

针对传统多传感器数据融合方法融合置信度较低的问题,提出一种农业物联网中多传感器数据智能融合方法,利用证据理论对农业物联网中多传感器数据的时空积累信息进行获取,利用获取的时空积累信息建立多传感器数据智能融合模型,通过该模型实现多传感器数据的智能融合。为了验证该方法的融合置信度,将该方法与基于Rough集理论的多传感器数据融合方法、基于数据信息转换的多传感器数据融合方法进行比较,实验结果表明,这三种方法的融合置信度分别是0.965,0.812,0.68。通过对比实验能够证明农业物联网中多传感器数据智能融合方法的融合置信度最高,充分说明了该方法相较于传统多传感器数据智能融合方法更加适用于农业物联网。     

一种多元信息融合技术的方案实现

对多元信息融合的概念、原理、模型进行了论述,基于以上论述提出了一种基于多传感器信息融合的设计方案。该设计方案采用多元信息融合技术对多源战场信息进行获取、感知,通过信息融合算法对可疑目标进行探测、识别、定位、组合,可获得精确的目标状态估计,以及战场态势估计与威胁估计,从而实现未来战争中陆、海、空、天、电磁频谱全维战场感知。     

光电信息系统多传感器数据融合模型研究

论述了多传感器数据融合在光电信息系统中的作用与优点,分析了光电传感器特性,建立了光电信息系统数据融合功能模型、结构模型,对基于卡尔曼滤波器的目标状态估计与基于确定理论方法的专家系统用于目标身份识别进行了研究．     

基于加权信度熵的传感器数据冲突度量与融合

目标识别中,来自多传感器的数据通常包含诸多不确定性。在D-S证据理论框架下,提出一种基于加权信度熵的传感器冲突数据融合与目标识别方法。首先,将辨识框架(FOD)中包含的不确定信息融入新近提出的Deng熵模型;随后,采用加权Deng熵量化不同传感器数据源中的不确定性;最后,实现传感器冲突数据融合与目标识别决策。数值仿真及不同方法的比较分析结果验证了所提方法的合理性与有效性。     

多传感器误差配准研究

多传感器组网信息融合时,需要对组网中各传感器系统误差进行估计和补偿,以消除各传感器系统误差对融合性能的影响.研究了雷达组网系统误差配准模型,并对最小二乘算法(LS)、广义最小二乘算法(GLS)、递推最小二乘算法(RLS)、修正EX算法等误差配准算法进行对比分析,同时给出了扩维配准模型用于解决多传感器组网配准问题,针对实...     

基于特征融合与规则推理的目标识别

为了在干扰电磁环境下提高辐射源和平台目标识别的可靠性,建立了特征级和决策级 的分级融合识别框架,通过特征相关和匹配置信度融合进行辐射源识别,提出了基于粗糙集 规则推理目标识别决策方法。仿真结果表明该方法能增强目标识别的容错性。     

主被动传感器实时信息融合的STMHM算法

 主、被动传感器实时信息融合是同时实现目标跟踪和目标识别的重要途径,构建STMHM(空时二维多假设模型)算法来解决该问题.首先,设计主、被动传感器的融合数据模型,并分别构建两类传感器的目标量测空间,设计STMHM的融合空间;其次,提出主、被动传感器量测空间时间初始化方法,并设计模型的滤波算法,给出适应于该算法的信息融合评判规则;最后,设计空中态势,运用该算法对数据进行融合,验证算法的有效性.     

基于混合算法的数据融合技术研究

信息融合系统可以产生比系统中任一单元更有效、更精确的身份判决结果。在归纳了国内外敌我识别的方法后,提出一种将并行的自适应神经网络-模糊推理系统（ANFIS）、模糊理论以及D-S证据理论相结合的算法,并应用于雷达与IFF的数据融合中,实现空中目标的敌我识别。同时,由于要进行的是动目标识别,提出了利用多次测量数据模拟多传感器的方法来实现多次融合,仿真结果表明,该方法提高了身份判决的置信度,融合结果更加合理。     

基于调频连续波雷达的多维信息特征融合人体姿势识别方法

为实现在复杂多样的环境下人体姿势的识别,该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息,在采用具有噪声的基于密度的聚类算法(DBSCAN)和Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取,然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征,并通过域鉴别器进一步获得与环境无关的特征,最终使用活动识别器获得姿势识别结果。为了实用性,在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明,在复杂的环境下该方法的识别精度可达到91.5%。     

NEF-AHP简化模型在空天MP-CDL传输性能评估中的应用

针对现阶段空天信息有效传输的评估难度大的特点,结合空天多平台通用数据链(MP-CDL)组网的多应用模式和强抗干扰性等优势,结合两类数学评估模型—层次分析模型和NEF模型(神经网络NN、专家系统ES、模糊推理FR),建立了一种空天MP-CDL传输性能评估研究的NEF-AHP简化模型,仿真证实了传输评估模型的可靠性,结果表明,在现阶段系统的抗干扰性对空天MP-CDL信息传输性能起到了更为关键的作用。     

一种多传感器可信度的确定方法

针对多传感器融合中传感器可信度不易确定的问题,提出了一种基于层次分析法的传感器可信度的确定方法。利用传感器获得的量测的相对可信度,建立各目标的多传感器可信度矩阵,进而求得各传感器综合可信度。仿真结果证明该方法的有效性。     

基于D-S证据理论的多模复合制导目标识别

多传感器信息融合已成为现代条件下目标识别的重要手段.研究基于D-s证据理论的多传感器信息融合算法,提出一种基于Dempster-Sharer理论的推广方法以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,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.     

基于数据融合的原油含水率在线测量方法研究

在电容式传感器作为含水率测量敏感元件的测量系统中,采用基于人工神经网络的多传感器数据融合方法对数据进行处理,建立多传感器信息融合模型,补偿由于温度变化对含水率测量结果的影响,提高测量结果的准确性.实验表明,数据融合后的输出值更能逼近实际的含水值.     

小规模传感器网络远程目标探测系统的建模与性能分析

该文针对传感器网络目标探测的实际问题,构建了远程目标探测模型。在Neyman-Pearson准则下,提出一种小规模传感器网络对远程目标探测的融合规则(FRSS),旨在通过数据融合方式提高目标的探测距离。推导出远程目标探测融合统计量Counting统计量;通过随机化检测方法构建了门限求解模型,推导出系统检测性能的闭式表达式。最后,采用解析方法分析了理想信道、非理想信道下FRSS的检测性能,并采用Monte-Carlo方法对比分析了FRSS规则,Chair-Varshney融合规则,Bayes融合规则的探测性能。仿真结果表明:在远程目标探测模型下,FRSS规则探测性能略有下降,但是该规则在融合过程中需要较少的先验信息,大大减少了数据传输量;相比单节点探测系统,基于FRSS规则的融合系统探测性能显著提高。     

改进的局部冲突信息再分配算法

针对高冲突证据融合算法进行研究,提出改进的局 部冲突信息再分配算法。新算法利用证据相似度函数和一致性因子共同度量证据可信度,在 此基础上给出改进的焦元可信度计算公式,并将其应用于对局部多元冲突信息进行加权再分 配。分析了不同冲突度量参数的特点及其适用性以及冲突证据融合过程中证据及焦元可信度 的有效计算方法。对新算法和相关算法的性能进行理论和应用对比分析,结果表明,新算法 能够通过提高证据冲突度量精度和对局部多元冲突信息进行合理分配,在较大程度上提高冲突 证据融合结果的可靠性和稳定性,是一种适用于复杂探测环境的目标识别算法。     

多传感器信息融合技术在移动机器人障碍探测中的应用

在移动机器人障碍探测中,需要实时准确的感知环境信息,而单一传感器仅能提供部分环境信息,对环境进行描述时存在局限性。文中提出采用红外传感器和超声波传感器相结合来感知环境信息,完成障碍物信息的采集,并利用自适应加权融合算法实现数据融合的方案。实验仿真结果表明,多传感器数据融合后比单一传感器所采集的数据更接近于真实值,波动性小,并且不易受外界环境的影响。该方案较好地满足了移动机器人障碍探测的需要,具有一定的有效性和实用性。     

基于模糊故障特征信息的随机集度量信息融合诊断方法

该文给出一种基于模糊故障特征信息随机集度量的信息融合诊断方法。针对信号采集与故障特征提取中的模糊性,首先用模糊隶属度函数分别表示故障档案库中的多种故障样板模式和从不同传感器观测中提取的多类故障特征亦即待检模式,进而基于模糊集的随机集模型,得到样板模式与待检模式的匹配度,即基本概率指派函数(BPA)。然后利用Dempster-Shafer证据组合规则对BPA进行融合,给出诊断结果。该文给出的待检模式是从多个连续观测中提取的,与原有的由单个观测确定待检模式的方式相比,文中提出的特征提取及匹配方法,同时考虑了样板模式和待检模式所具有的模糊性,能够显著降低融合决策中的不确定性,大大提高故障识别的能力。最后通过电机转子故障诊断实例验证方法的有效性。     

分布式传感器网络中一种新的模糊航迹关联算法

为了有效提高分布式传感器网络中航迹与航迹关联的计算速度,本文提出了一种新的基于临时航迹和信源相对可信度的多源模糊航迹关联算法。该算法首先在全局融合中心利用来自同一局部融合节点的同一航迹的两个量测形成临时航迹,再由临时航迹与系统航迹融合生成系统航迹,航迹关联是在临时航迹与系统航迹间进行的;并引入信源相对可信度,当有多条临时航迹与系统航迹关联时,选取信源相对可信度最大的临时航迹与系统航迹关联。将该算法用于一个多源航迹关联的仿真实验中,仿真结果表明该算法在保证关联正确率的前提下,与传统的模糊航迹关联算法相比,进一步提高了航迹关联的计算速度和系统航迹的精度,是一种有效的多源航迹关联方法。