D-S证据理论在目标识别中的应用

根据地面目标运动引起的地震动信号的特征信息，应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征，应用BP神经网络模式识别法，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法，并应用D－S证据理论进行识别信息融合，训练样本和识别样本分别取自外场实验所获得真实有效的数据，通过对识别信息融合，以较高的可信度得到与识别样本相一致的识别结果，这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的，该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。     

小波变换在多雷达数据融合中的应用

分析了雷达测量数据的小波变换在虚假点迹、漏失和漏报测量数据处的特点。提出了一种基于小波变换的测量数据融合方法。对多传感器的测量数据进行小波变换，数据融合处理，然后进行数据重构。仿真结果表明，该方法具有运算量小．抗噪能力强和融合效果好的特点，适用于多传感器的数据融合。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

基于OWA算子的多传感器属性信息融合

将OWA算子引入到多传感器信息融合领域中来，建立了基于OWA算子的两级式多传感器属性信息融合模型。通过合理调整OWA算子中加权向量的与或程度，适当选择各传感器探测数据的权重，从而有效地调整各传感器之间的融合程度，使整个系统的性能得到进一步提高。文末的目标识别实例表明了该方法的有效性和实用性。     

联合卡尔曼滤波在多传感器信息融合技术中的应用

多传感器信息融合技术在目标跟踪领域已经得到了广泛的应用,末制导融合技术是多传感器跟踪系统中的关键技术之一.本文运用联合卡尔曼滤波的先分散处理,再全局融合的思想,对主动雷达、红外传感器的数据融合问题进行了研究.仿真结果和实验表明,利用此方法可使雷达、红外传感器达到较好的数据融合效果.     

具有多传感器的引信信息融合技术研究

采用多传感器的引信系统是获取更多的目标信息,提高引信抗干扰性,可靠性,改善引战配合的有效途径之一。多传感器系统在引信中应用时,应该根据工程要求不同采用不同的结构及数据融合方法。     

数据融合技术及其应用

数据融合是对多传感器目标信息按时序和准则自动分析和综合处理得出最终结论或决策的技术，包括多传感器和多信息输入、合成规则、表示形式等，分象素／特征／决策三级。随机融合包括经典推理法、卡尔曼滤波法和专家系统法等，用于三级融合各阶段。人工智能融合有模糊集合、神经网络、小波分析等，适用高层次融合，数据融合系统由传感器、处理机及相关硬软件组成，按结构分为并联／串联／混合／网络型，按控制开关分为开／闭环型，按战术应用分为集中／分布式，按融合规模分为单／多平台。     

基于Dempster-Shafer证据理论的通信辐射源个体识别算法

针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。     

多传感器信息融合的模糊神经Petri网络型

将模糊产生式规则应用到多传感器融合系统是得到一种模糊信息融合方法，再用Ｐｅｔｒｉ网对此信息融合系统建模。在此基础上将人工神经网络与Ｐｅｔｒｉ网相结合，提出了一种多传感器信息融合的模糊神经Ｐｅｔｒｉ网模型。     

多传感器信息融合的模糊神经Petri网模型

将模糊产生式规则应用到多传感器融合系统中得到一种模糊信息融合方法，再用Petri网对此信息融合系统建模。在此基础上将人工神经网络与Petri网相结合，提出了一种多传感器信息融合的模糊神经Petri网模型。     

多传感器信息融合技术在无人平台避障中的应用

为获得可靠准确的环境信息,采用多传感器信息融合技术。介绍无人平台避障系统组成、避障信息处理和避障控制模型及策略,通过对超声波传感器、红外传感器等多种传感器的数据融合,研究多传感器信息融合技术在无人平台自主避障行为中的应用。实验结果表明,该技术可以实现无人平台准确、快速避开障碍物,为无人平台在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。     

基于矩阵分析的加权证据时空融合算法研究

在多传感器目标识别系统中．为解决各传感器可信度不一致的问题，提出加权证据的方法。为便于采用计算机实现，采用基于矩阵分析的D-S证据理论。考虑融合系统的时间性和空间性．先从空间域对多传感器进行空域信息融合．然后在此基础上对时间序列进行融合。最后进行判决，识别出目标。识别实例表明了该方法的正确性和有效性。     

一种基于DS证据理论的多雷达目标识别方法

文中研究了利用目标的位置和运动信息通过DS证据理论完成多雷达目标融合识别的方法.单雷达目标识别利用目标位置和运动信息建立目标线性隶属度函数,利用模糊综合评判进行目标分类.融合中心对来自各个雷达的识别概率利用DS证据进行最终的判决.仿真结果表明利用位置和运动信息进行识别的可行性和有效性,验证了多个雷达融合后的识别效果优于单个雷达的效果.     

多传感器信息融合在航天侦察中的应用

针对从情报信息中提取正确可靠信息时存在的问题,对多传感器信息融合在航天侦查中的应用进行研究。在阐述多传感器信息融合的基本概念和基于D-S证据理论的多传感器信息融合的基础上,重点分析D-S证据理论在多传感器航天侦察信息融合中的应用,并以实例进行验证。结果表明:该方法能弥补单一信息的不完整和不确定性,提高信息的确定性和可靠性。     

基于自组织增量学习神经网络的信息融合技术

针对传统神经网络在实际信息融合过程中存在的一些缺陷,提出一种基于自组织增量学习神经网络(self-organizing incremental neural network,SOINN)的信息融合方法.对不同类型传感器接收到的异构数据,使用增量式正交分量分析(incremental orthogonal component analysis,IOCA)方法进行数据自适应降维和特征提取,将提取出的不同类型特征输入到SOINN中,根据不同数据类型生成相应的神经元连接区域,建立神经区域间的联想记忆,从而实现在数据层、特征层以及决策层 3 个层面上的信息融合.实验结果表明:该方法能够实现对机器人传感器采集到的多源异构数据进行自适应降维和自组织学习,形成机器人的决策判断和行为指令.     

计算机视觉中的信息融合技术

通过处理器在多个视觉传感器间的转换,使单处理器能够读取多个视觉传感器采集的图像信息,实现检测系统对多技术指标的实时在线监控.同时将各传感器采集的数据进行融合,实现对被检测物体的综合评定.该融合技术包括计算机对多视觉传感器的图像信息的读取、多组图像信息的融合及系统功能三方面.     

基于神经网络的分布式被动传感器信息融合技术

在分布式被动传感器信息融合中,存在多传感器信息关联和单传感器目标估计困难,二者相互 依赖和制约,造成相对于不同传感器的信息难于进行时空对准、虚假目标不能消除。为此,应用一种混合式有序分层信息融合结构,避免多传感器信息的多重组合问题,建立了基于两个传感器的信息关联与目标估计联合优化模型,并采取一种优化神经网络算法,避免关联中的组合计算。仿真计算结果表明,这种信息融合结构、优化模型和模拟神经网络的应用是解决被动信息融合系统中关联和估计问题的一种有效方法,所采用的Hopfield型神经网络易于实现,可以提高信息融合的性能。     

空天预警侦察信息分析及融合模型研究

基于特征层的混合式空天预警侦察信息融合模型,含平时和战时2种工作模式。首先,空天预警侦察平台对战场环境进行实时预警侦察。平时模式下,空天预警侦察信息经预处理后传输到各自信息融合中心进行目标特征提取,然后传输到空天预警侦察信息融合中心进行特征层属性融合和属性判决,再将情报信息发送给各军兵种指控中心;战时模式下,包含目标的空天预警侦察信息在预处理后由各自信息融合中心直接传输到空天预警侦察信息融合中心进行融合和判决后发送给各军兵种指控中心,指控中心向火控系统下达作战命令并向空天预警侦察系统下达目标侦察任务对打击效果进行评估。     

多传感器数据融合技术研究

多传感器数据融合技术是近几年发展起来的一门新兴技术,在军事和工业中有着广阔的应用前景.文中论述了多传感器融合的基本工作原理、数据融合结构和功能模型、数据融合方法和应用领域,简单介绍了多传感器数据融合在组网雷达系统中的应用,总结了当前数据融合研究中存在的问题和研究方向.     

几种平移不变性图像融合方法的客观评价

随着图像传感器技术的发展, 多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点, 多种图像融合方法相继提出.但是, 对融合效果评价的方法一般只涉及主观视觉评价及单因素评价, 在实际中存在很大的局限性.针对这个问题, 建立了一套对图像融合质量进行定量评价的方法和准则, 应用此方法和准则对基于离散小波框架、基于可操纵方向金字塔变换和基于双树复小波变换三种具有平移不变性的图像融合方法进行了客观定量评价, 综合比较了这三种融合方法的性能差异与优劣.