基于D-S证据理论的运动平台多传感器目标分类

为提高空中运动平台对目标分类的能力，将基于D-S证据理论的信息融合方法用于运动平台多传感器的目标识别方面．在简述D-S证据理论的基础上，提出基于D-S证据理论的运动平台多传感器目标识别的信息融合方法．仿真实例表明了该方法的可行性．     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

一种机器人的栅格-语义地图构建方法

基于点云插入或分割的语义地图构建方法存在空间复杂度高、计算资源消耗多等问题,针对以上问题,提出一种移动机器人的栅格-语义融合地图构建方法。首先,运用激光雷达构建栅格地图作为融合地图的框架;然后,采用YOLO-v3-tiny获取环境语义信息,并将其属性信息及其在3D环境中的笛卡尔坐标映射至栅格地图,形成上层语义地图;最后,通过随机采样和K-means对空间区域进行划分。实验结果表明,所提方法能实时获取环境结构的信息和语义信息,所构建的融合地图为目标搜索任务提供语义信息引导,相比穷举式目标搜索,减少了74.8%的时间代价,提高了目标搜索任务的执行效率。     

基于条件证据的信息融合故障诊断方法

该文基于观测信息与先验信息和谐的思想,结合条件证据理论,提出了一种融合先验信息的故障诊断方法。首先将传感器获取的关于设备运行状态的观测数据,通过模糊信息的随机集表示方法转化为D-S证据的随机集形式;然后计算所得证据与先验信息之间的和谐度,最后利用条件证据理论将需要融合的证据进行组合,从而做出诊断决策。该方法可在复杂运行环境下充分利用各种信息,提高故障诊断的可靠性。     

D-S证据理论的不足及其数学修正

针对D-S证据理论对高冲突证据融合得到有悖常理的无效结果问题,研究了国内外典型文献提出的各种改进方法,从原理上对其进行了组合规则的修正和证据源的修正两大分类,并对各种方法的不足进行了数理分析和总结.在此基础上引入证据信息容量和证据间距离函数来对各传感器提供的证据信息进行预处理,再对得到的新的证据信息用证据可信度作为权重进行加权融合.数值仿真实验表明:这种新的修正模型不但比较好地结合了两类改进方法的优点,在形式上和Dempster组合规则保持一致,而且能较好地处理冲突证据在信息交叉时的融合,取得了更加合理的效果,并且为D-S证据理论的完善提供了一个新的探索途径.     

狭窄环境地形图建立的融合算法研究

针对移动机器人使用超声波传感器在已知狭窄环境和未知狭窄环境中的导航问题,提出一种多层融合算法,该算法通过在数据层融合中使用D-S证据理论,在决策层融合中使用意见一致性理论,建立已知狭窄环境的地形图;对于未知狭窄环境,使用D-S证据理论中的矛盾因子,建立了一个自适应超声波传感器模型.结果表明:使用上述方法有效地减少了超声波传感器镜面反射所引起的不确定性,提高了移动机器人使用超声波传感器在狭窄环境中建立地形图的准确性,证明本文所提出的方法是有效可行的.     

利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.     

基于模糊评价的未知环境地图构建探测规划

针对未知环境信息的模糊性和不确定性,提出基于模糊综合评价决策的机器人未知环境地图构建自主探测规划方法.该方法将栅格图中的介于已知区域和未知区域边缘的前沿点按距离和可行性进行分类,选取优先级较高的类别中的点作为候选点.根据候选点与当前位置的距离、信息增益和可定位性进行模糊综合评价,以较小的计算代价决定机器人下一步的探测位姿或者某一段路径上的一系列探测位姿,从而完成对未知区域的探测,构建出准确度高的环境栅格图和特征线段图.仿真实验结果表明,该方法提高了自主探测效率,并具有很高的实时性.     

基于分层混合信息的移动机器人复合地图创建

为提供丰富的环境信息,提出一种基于分层混合信息构建复合地图的方法,针对准结构化环境,将几何特征划分为规则区域和非规则区域,在非规则区域采用改进的基于网格的共享近邻算法(GNN)进行非规则聚类,并引入贝叶斯概率算法进行动态信息处理.实验结果验证了方法的有效性及实用性.     

多传感器数据融合技术在火灾报警中的应用

针对目前火灾报警中存在的问题,提出了一种基于神经网络和D-S证据理论的多传感器数据融合技术,并通过模拟实际输入信号的仿真结果进行了证明.这种采用神经网络BP算法和D-S证据理论的多传感器数据融合技术,能够显著提高火灾的识别能力,有效降低火灾误报率.     

基于改进的BP网络的D-S证据理论及其应用

目前,D-S证据理论凭借自身独特的处理不确定性问题能力,已在众多领域得到了广泛的应用。命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一,将改进的BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力。建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法。最后,仿真实验表明该模型可行。     

证据冲突的衡量方法研究

对于有冲突的证据,D-S证据理论无法使用或得出错误的结果,解决该问题的基础首先是研究证据冲突的衡量方法.分析了D-S证据理论在合成冲突证据时遇到的问题,定义了一些衡量证据间冲突程度的参数,包括证据一致度、证据冲突度、证据冲突强度、证据冲突/一致度等.通过实例证实了这些参数能够较好地说明证据间存在冲突的程度.     

基于D-S证据理论的潜艇威胁判断方法研究

威胁判断模型是潜艇战术软件基础性研究项目之一,传统上的判断方法对信息利用率低、判断时效性差．针对潜艇作战信息环境的特点及传统判断方法存在的问题,引入D-S证据推理分析了潜艇威胁判断模型中的3个关键性因素：判断目标属性、判断目标发现潜艇与否、判断目标的攻防行动,并分别构建了判断识别框架和证据组合公式．从分析过程来看,其推理体系的逻辑解释与一般战术要求相符合,这也是D-S证据推理理论在潜艇威胁判断上的首次应用．     

基于D-S证据理论的信息安全风险评估

采用Dempster-Shafer(D-S)证据理论处理信息安全风险评估中的不确定性问题,提出了基于D-S证据理论的风险评估模型。用改进的Dempster合成法则即对基本可信度分配使用"折扣率"的方法,对信息系统中存在的各种风险因素进行合成,处理风险因素中的不确定性,并通过仿真证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。     

基于动态双门限和D-S证据理论的合作频谱感知算法

针对传统能量检测算法门限设置单一且不适应感知信道环境差异的问题,为了提高合作频谱感知结果的可靠性,减小网络开销和融合中心计算的负担,提出了将动态双门限能量检测和D-S证据理论相结合的合作频谱感知算法.在进行本地感知时,该算法可以让认知用户通过双门限能量检测方法直接得到本地判决结果,同时根据信道环境的变化自适应调整双门限值,并在双门限内使用D-S证据理论,感知双门限内未判决结果的信任度函数,将其发往融合中心,这样可以减少融合中心的计算量以及传输带来的网络开销.仿真结果表明,双门限D-S证据理论的融合结果要优于D-S证据理论和OR准则.     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。     

基于D-S理论的学生行为评价模型的研究

针对目前学生行为评价方法的可区分度较小、可信度低、方法单一的状况,综合运用了D-S信息融合技术,基于证据推理提出了一种新的学生行为评价模型。D-S理论是一种典型的不确定性推理和信息融合方法,它适用性强,应用广泛,能很好地表示和处理学生行为表现的不确定性信息。证据的基本可信度分配和不确定度的提取采用了函数映射的方法,在预先设定的门限条件下,采用基于基本可信度分配的决策方法进行评价结果的判定,使评价目标的不确定度大大下降,可区分度明显得到了提高,学生行为的评价结果明显得到了改善,从而增强了评价的可信度。     

D S证据理论在多传感器身份融合中的改进

D-S证据理论是一种处理不确定性问题的有效方法,但是D-S证据理论组合规则的一些不足影响证据理论的应用。通过深入研究Dempster组合规则存在的问题,文章提出了一种新的基于Dempster组合规则的改进方法,理论分析和数值实验结果表明,改进后的方法弥补了Dempster组合规则不足,并能提高合成结果的可靠性。