地域通信网的关键节点识别方法

分析了地域通信网的网络模型及特性.从网络的拓扑结构出发,给出了关键节点的定义方法,提出了一种基于聚合度大小排序的关键节点识别方法,并给出了关键节点识别流程.实例分析结果表明该方法的有效性、简单性和准确性.     

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.     

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。     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

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。     

D-S证据理论在双模复合制导导弹目标识别中的应用

基于准贝叶斯结构的D-S证据理论,提出了基于该理论的决策方法.将该理论运用于主动毫米波雷达/红外成像双模复合制导导弹目标识别的决策融合中,并进行了仿真.结果表明,该方法能有效地降低双模复合制导导弹目标识别的不确定性概率,提高目标的识别率.     

目标属性信息相关时融合识别的实现方法

多源信息融合的一个主要应用方向是目标识别,但是各传感器测量到的目标属性值常常是相关的、不独立的,因此对各属性信息的融合比较困难。基于多属性决策模型( MADM)和D-S证据理论提出了加权融合的方法,并给出了权重系数的计算方法和权重灵敏性分析方法,介绍了利用条件概率加权进行目标识别的方法。     

基于证据组合理论的多传感器目标识别算法

为了提高多传感器目标识别的准确性,提出了证据加权数据融合的新方法。给出了证据理论的基本概念、组合规则、加权证据组合及决策规则,同时给出简单的多传感器信息融合模型。针对战场环境下多传感器系统获得的辐射源信息。通过仿真给出了文中方法的目标识别步骤及识别结果．仿真结果表明该算法提高了目标识别的准确性和有效性。减小了识别的不确定性。     

多尺度分析技术在无线传感器网络节点定位中的应用

介绍了多尺度分析技术的原理和类型,结合几种典型的定位算法对基于多尺度分析的无线传感器网络定位问题进行了综述。通过对几种典型算法的分析和比较,讨论了多尺度分析定位方法的关键技术。最后结合最新的研究进展探讨了无线传感器网络节点定位的发展趋势。     

Hopfield网络在声目标识别中的应用

利用Hopfield联想记忆特性对声目标进行识别,并用计算机对系统的工作过程进行了模拟,模拟结果证明了Hopfield网络用于声目标识别的可行性。     

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。     

基于概率方法的卫星网络链路自主检测

卫星通信将成为未来个人通信系统的一个重要组成部分。LEO/MEO( Low/MediumEa,Orbiting)是卫星个人通信网络的首选。针对使用星际链路的LEO卫星系统,提出一种基于异步传输模式(ATM)的鲁棒路由算法,只要源卫星与目的卫星之间存在一条通路,源卫星便可以与目的卫星通信。在这里关注的是路由算法中的链路检测部分,该算法通过构建离散时间动态虚拓扑图,源卫星能够自主地、实时地检测出最可能出现故障的链路范围,并通过快速的测试可精确定位故障链路。通过在卫星网终上的仿真表明,该算法具有实时性、精确性且可能不占用或只占用很少的额外带宽。     

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。     

基于抗毁性的军事通信网可靠性和节点重要性分析

针对现有对网络拓扑结构的抗毁性测度研究的不足,从抗毁性角度对网络可靠性和节点重要性进行分析。通过对在不同节点-链路可靠性条件下的网络聚类生存度进行统计分析,得到能够反映网络抗毁性和节点抗毁性的指标——网络聚类抗毁度和节点抗毁度,并进行了仿真分析。仿真分析结果表明,节点抗毁度对节点重要性的分析克服了现有方法的缺点,较为科学、准确。     

无线传感器网络及其应用

无线传感器网络是当今社会研究和应用的热点。在介绍无线传感器网络原理的基础上,重点分析了无线传感器网络在军事、医疗、环境监测、农业、工业、交通和建筑及家居等多方面的应用,阐述了其应用领域和对人们生活的影响,并对未来无线传感器网络的应用前景进行了展望。     

基于BP 网络和D-S 证据理论的超声检测缺陷识别

针对目前超声检测领域缺陷识别率不高的现状,构建基于3个BP网络和D—S证据理论的融合模型,将数据融合技术应用于超声缺陷分类中。针对非稳态超声缺陷回波的特点,分别选择离散小波变换、小波包变换及经验模式分解提取其特征值。实验结果表明,该方法在超声缺陷分类的应用中是有效的,缺陷识别的准确率可达96％。