Dempster-Shafer证据理论在空战态势评估方面的应用

为了准确分析空战态势,以达到辅助决策之目的,采用D-S证据理论对态势进行评估.首先提取出影响空战态势的战术条件,称之为态势因素,然后分析每个因素的影响效果.在此基础上建立态势评估的数学模型,利用D-S合成法则将所有因素的影响进行综合,并计算出态势发生的结果及可能性区间.最后,通过仿真实例验证了该方法在空战态势评估中的可行性和实用性.     

一种新的基于证据理论的合成公式

由于D-S证据合成公式所存在的不足,使证据理论的应用受到了一定的限制.Yager对此作了改进,但改进后合成公式又存在着新的问题.鉴于此,本文在引入证据可信度概念的基础上,提出了一个新的证据合成公式.新的合成公式弥补了D-S证据理论和Yager合成公式所存在的不足,使冲突证据合成的结果更为理想.     

一种新的基于权重系数的证据理论合成方法

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一。但在证据高度冲突时,因其归一化过程会产生有悖常理的无效结果,因此不同证据源的冲突处理成为数据融合的主要问题之一。基于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数,提高了证据合成的可靠性和合理性,得到更为理想的合成结果。     

基于D-S证据理论的态势评估方法

正确的战场态势评估是指挥决策的基础。本文对态势评估问题进行了分析,提出用D-S证据理论构造态势评估模型,根据不断到来的战场信息做出合理推断。实验结果证明该方法是有效的。     

一种改进的证据合成公式

本文讨论了Dempster公式、Yager公式和其他几种证据合成公式存在的不足,提出了一种改进的证据合成公式.该公式可合成多路冲突性和不冲突性证据,冲突性证据按加权平均合成,不冲突性证据按按与运算合成并反映了相互间交叉融合程度.实验表明该公式能合成多种包括高度冲突的证据,具有很好的实用性.     

一种基于减小D-S证据理论的高冲突问题的信息融合方法

本文以Dempster-Shafer理论为基础,对其进行改进,使其适应高冲突环境,从而得到有效的目标识别结果。结论表明,本文所改进的方法在融合时表现出准确、稳定的结果,有效的解决冲突证据的数据融合。     

D-S证据理论在作战效能评估中的应用

针对如何利用多数据源来评估武器装备作战效能的问题进行研究,分别对专家评估和仿真试验这两种信息源的m ass函数建立模型。在此基础上,利用D-S合成公式对不同指标进行综合,最终得到评估装备的作战效能。利用这种评估方法,分别对4种方案下的雷达系统进行评估,结果表明该方法符合评估实际,对多数据源的评估有一定的借鉴意义。     

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

D-S证据理论在雷达体制识别中的应用

本文在详细阐述了Dempster-Shafer证据理论的基础上,介绍了基于D-S证据理论的雷达体制识别的信息融合算法。识别实例和对比实验表明,这种信息融合识别方法是非常有效的。     

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法.通过改进的K-L距离得到证据间间距,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果.最后通过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况.     

基于D-S证据理论的协作频谱感知算法

在无线传播过程中,主用户信号经常会受到路径损耗、阴影衰落等影响,导致无线通信环境中单个认知用户对主用户的感知结果存在不确定性。因此,结合D-S证据理论方法,提出了一种新的协作频谱感知算法。以能量检测作为基础,将证据间冲突变化程度平均性的概念结合其中,根据这一方式设计了一种新的证据理论合成法则,将多个D-S融合结果送到融合中心进行数据融合,得出最终判决。仿真实验结果表明,该算法能够很好地解决证据间的高度冲突并较为合理地减轻不确定性因素的影响,在信噪比比较低的情况下,获得较好的检测性能。     

数据融合中的态势估计与威胁估计技术

文章在分析数据融合的概念和模型的基础上，描述了态势估计和威胁估计的功能性定义和模型，探讨了态势估计与威胁估计的实现方法，最后对态势估计与威胁估计的研究现状进行了介绍。     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。