基于证据理论的多传感器信息融合目标识别方法

从D-S证据理论的基本概念和证据的融合推理方法出发，建立了多目标特征信息融合识别框架。并提出一种符合目标识别特点的基本可信度分配构造方法。该方法把识别对象看作一个信息系统，运行过程中不断产生各种信息，并将信息加工成目标特征。通过特定的识别决策规则，得出识别结论。给出了一个多目标信息进行识别的实例，结果表明该方法能够有效地提高目标识别可信度，减小识别的不确定性。     

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D-S证据理论的多传感器目标识别信息融合方法

多传感器目标识别系统中多个信息源之间证据高度冲突时,采用传统的D-S证据理论进行信息融合有一定的缺陷。根据信息源间证据冲突的程度,提出了一种新的证据融合算法,该算法依据少数服从多数的原则,首先根据信息源间冲突程度的计算出各信息源权重,再采用D-S组合规则对加权后的信息进行组合。算例分析结果证明了该方法在用于多传感器目标识别系统的有效性和优越性。     

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。     

基于D-S证据理论的空中目标敌我识别研究综述

D-S证据理论作为一种不确定性推理工具,能够充分发挥多源信息融合的优势,提高空中目标敌我识别结果的准确性.本文从空中目标敌我识别的实际应用出发,介绍了D-S证据理论的基本原理,梳理了空中目标敌我识别中需要解决的关键问题,然后从空中目标敌我识别的识别方法和信息融合两个方面,对现有研究方法进行了归纳与分类,并简要总结了每种...     

改进的D-S证据理论在战场目标识别中的应用

战场目标识别中多传感器信息融合面临各种不确定冲突信息。为此,提出了一种基于权重的证据调整方法,给予证据分配不同的权重,重新修正基本概率分配函数,利用Dempster组合规则实现信息融合。通过数值验证并与其他的改进算法对比,结果更为理想,能有效的减小冲突证据的不良影响,同时具有较高的收敛速度,降低了决策风险,仿真结果表明,算法有效、可行。     

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.     

D-S证据理论信息融合方法在目标识别中的应用

研究了D-S证据理论在多属性、多传感器模式识别中的应用。在基于D-S推理的信息融合中．其关键问题是基本概率赋值函数的构造。文中基于灰关联分析的思想提出了一种新的基本概率赋值函数的构造方法，并将它应用于辐射源型号识别，仿真实验结果验证了这一方法的正确性和有效性。     

基于D-S证据推理的多传感器战场目标识别

文中在简单介绍了多传感器信息融合技术的概念之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.     

基于目标识别的D-S数据融合

目标识别是雷达信号处理的重要组成部分．详细地阐明了D—S证据理论的决策方法，重点研究了D—S证据理论应用于目标识别的方法．通过实例分析，指出了将D—S证据理论应用于目标识别具有实际应用前景。     

A Modified Multi-data Fusion Method Based on D-S Theory

The D-S evidential reasoning algorithm is invalid when the evidence is completely contradicted. Therefore, a modified algorithm is proposed based on the elemental correlation and the influence of elemental weights in the evidence. The modified algorithm is more powerful ability to rectify errors and less computational complexity in the circumstance of multi-evidence fusion processing than those of the D-S evidential reasoning algorithm.     

相关证据下的水中目标识别方法研究

研究了基于现代信号处理技术的舰船辐射噪声信号特征提取，提出了基于欧氏距离特征标准化的算法和基本概率赋值的获取方法，给出了相关证据下的信息融合规则。通过对大量实船噪声样本进行实验分析表明，该方法可以提高对水中目标识别分类结果。     

基于D-S 证据理论的浅层地下水预测

针对地下水探测手段综合运用程度低的问题,对基于D-S证据理论的浅层地下水预测方法进行研究。分析已有水文地质资料和遥感资料,运用三维激光扫描技术、探地雷达技术和高密度电法3种浅层高分辨率探测技术,结合现地水文地质调查对浅层地下水进行综合侦察,并以证据理论为支撑,提出基于多层证据组合递推的浅层地下水综合侦察模式和基于多源信息融合的浅层地下水综合预测方法。结果表明:该方法能解决单一勘测手段的不足,实现多种侦察手段的优势互补与融合运用。     

基于D-S证据理论信息融合的故障诊断方法

对证据推理理论用于故障诊断识别进行了论述和仿真。介绍了证据理论的相关重要概念,给出了一种常用构造基本概率赋值函数的方法以及分类规则的选取。应用D-S证据理论方法对系统进行故障分析,首先要解决的问题是要分析系统识别框架和故障特征向量的构造。以航空电源某故障为例,进行了诊断识别仿真和对比实验,验证了证据推理用于故障诊断的可行性。仿真结果表明,将证据推理方法应用于航空电源状态监测和故障诊断中,可大幅度提高故障诊断的准确性和置信度。     

基于时空信息融合的复合引信目标识别方法

针对传统导弹引信不能有效识别目标的问题,提出了基于时空信息融合的复合引信目标识别方法。该方法利用BP(Back Propagation)神经网络获取基本概率赋值,根据时空信息融合算法进行证据组合,最后通过Dempster决策规则得到复合引信目标识别结果。实践表明,利用该方法进行复合引信多传感器信息融合,能够提高引信对空中目标的识别率。