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.     

基于ANFIS和证据理论的信息融合研究

提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.     

基于交并集加权的证据组合方法及其应用

针对D-S证据组合规则在证据高度冲突时会导致错误结论这一问题,结合自动目标识别系统的实际需求,提出了一种新的证据组合规则.该方法首先将交集组合规则和并集组合规则进行适当加权,然后根据组合后的证据中各单元素命题的相对可信任度,将多元素命题的基本概率指派函数(mass函数)按比例分配给它的单元素子集,从而确保目标识别系统能够在单元素命题间进行决策.仿真结果表明,该方法能够有效地解决证据高度冲突情况下的目标识别问题.     

基于D-S证据AOD冶炼过程喷溅特征融合

将采集到的氧枪振动信号、炉口音频信号、炉口火焰图像信号作为喷溅特征的表征,采用D-S证据理论进行信息融合并得到预报结果,实验结果表明,多传感器信息经过证据组合规则融合,降低了不确定性的基本概率赋值,提高了决策可信度。     

基于多源信息融合的发动机转子早期故障识别

提出了将神经网络与D-S(Dempster-Shafer)证据理论相结合的发动机转子早期故障分级融合识别方法.文中对多源信息融合系统的基本结构、多源信息融合方法、早期故障融合识别过程等进行了分析和研究,并以发动机转子早期碰摩为对象进行了实验验证.结果表明,将神经网络与D-S证据理论相结合的早期故障分级融合识别方法,能够有效地提高发动机转子早期故障识别的快速性和有效性,利用神经网络的输出构造D-S融合推理中各焦元的基本概率赋值函数,避免了构造基本概率赋值函数时人为因素的影响,提高了故障识别精度.     

一种有效融合高冲突证据的目标身份识别方法

DS理论(Dempster-Shafer theory,DST)已广泛应用于目标身份识别中,但是Dempster组合规则在处理冲突证据时的失效问题一直是研究的热点。为能在目标身份识别中有效融合高冲突的证据,提出DSm理论(Dezert-Smarandache theory,DSmT)和DST的混合方法。该方法采用先单帧后多帧的融合模式,在单帧融合中采用DSmT,化解可能的高冲突证据;在多帧融合时采用DST,保证了快速收敛性和较小的计算量。仿真分析验证了该方法的有效性和适用性。     

神经网络和证据理论融合的管道泄漏诊断方法

针对传统管道泄漏诊断方法存在的准确率不高的问题,结合无线传感器网络与信息融合技术,提出一种神经网络和证据理论有机结合的管道泄漏诊断方法. 在普通节点处建立两个子神经网络模型来简化网络结构,分别以负压波和声发射信号中的泄漏特征参数作为输入向量进行初始泄漏诊断;然后将神经网络的识别结果作为证据的基本概率分配,从而实现了赋值的客观化;采用改进的证据组合规则,在普通节点和汇聚节点处进行两级证据合成,充分利用了网络中各种冗余和互补的泄漏信息. 实验结果表明,该方法显著提高了管道泄漏诊断的准确率,降低了识别的不确定性.     

一种基于DS证据理论的目标意图预测方法

为了在反导作战中对态势预测提供方法支撑,运用DS证据理论进行目标意图预测。根据相关证据的权重对传统的DS证据理论组合规则进行了改进;提取了弹道导弹在飞行过程中目标意图预测的关键要素,给出了基于DS证据理论的目标意图预测的方法步骤。最后结合想定进行了仿真,计算出各目标意图的基本概率赋值并给出了决策。仿真结果表明,DS证据理论运用到弹道导弹目标意图预测是可行的,可为反导作战提供辅助决策依据。     

基于凸优化理论的多传感器目标识别技术

针对证据理论计算复杂度高、无法处理具有冲突的传感器报告、干扰环境下融合结果不可靠等缺点,提出了利用凸优化理论来建立新的多传感器目标识别模型.根据传感器报告的特点,引入传感器可信度因子,构造了多传感器目标识别的代价函数,并且通过分解代价函数,将多传感器目标识别问题转换为凸二次优化问题.引入"惩罚因子",提出了利用对数罚函数法求解该问题的方法和步骤.理论分析和仿真结果表明,该识别模型能够实时高效地识别目标,并且较之证据理论具有更好的识别能力、更强的鲁棒性和更广泛的适用性,在多传感器目标识别中具有很好的应用前景.     

智能水下机器人多传感器信息融合的一种方法

首先叙述了自行研制的水下机器人的数据融合目的，通过分析水下智能机器人采用的传感器的性能，对各种传感器的信息进行可信度分配，然后采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论方法，把各类传感信息作为证据，判断机器人前方是否存在障碍物。     

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

多超声波传感器的工作空间识别

将超声波传感器应用于煤矿井下机器人的工作空间识别问题,研究了应用ＤＳ（Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ）证据理论对超声波传感器信息进行融合的方法,包括测量系统的信度分配、证据的提取及动态融合算法等。最后,构造了一个假想的三维工作空间,将机器人手臂近似为理想直线段杆件联合体,进行了仿真实验,取得了满意的仿真结果。研究表明,ＤＳ语气理论不但可以合理地表示完全未知的情况,还能表示非特定性的信息,且具有实用     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

传感器误差配准问题研究

多传感器数据处理系统中各种误差是影响目标跟踪和数据融合质量的一个重要因素,而误差配准则是系统中的一个重要环节,是进行跟踪、关联、融合的前提。介绍传感器误差配准的定义及二维传感器误差配准模型,综述目前国内外对传感器误差配准的研究现状,对传感器误差配准研究提出展望。     

基于压缩感知的自适应数据融合算法

为了降低数据融合本身的能量开销和数据传输能耗,将压缩感知理论应用到无线传感器网络的数据融合中,提出了一种自适应的数据融合算法,在路由过程中收集、融合无线传感器网络中相关节点的感知数据,使传输能耗和融合能量开销接近最小.     

不同维状态的多传感器MAP航迹融合方法

在分布式多传感器数据融合结构中,各传感器通过处理各自的观测数据把形成的航迹在融合中心进行处理.在实际中各传感器的观测信息维数不一致,也即各传感器可能采用不同的模型观测同一目标;为解决上述问题,通过建立状态映射,提出了输出目标估计状态之间维数不同情况下的带反馈极大验后(MAP)估计融合方法,并通过计算机仿真验证了该算法的有效性.