D-S证据理论数据融合算法在某系统故障诊断中的应用

介绍了Dempster-Shafer(D-S)证据理论数据融合算法的基本原理,在此基础上以电压-码转换电路板为被诊断对象,探索了基于D-S证据理论多传感器数据融合算法的某系统电路故障元器件诊断方法.诊断结果表明D-S证据理论多传感器信息融合算法可有效地提高故障模式的识别能力,使故障元器件得以有效定位.     

基于数据融合的识别方法研究

D-S证据理论是一种适用于不确定决策问题和风险型决策问题的决策方法,它满足比概率论更弱的公理系统,不要求事先给出先验概率,因而具有比贝叶斯方法更广泛的应用范围。将其引入模式识别领域中,并结合神经网络容错能力强,自适应学习等一系列优点,对待识别的手写体数字进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了数字各方面特征的优势互补,进一步提高手写体数字的识别率。     

基于神经网络与D-S证据理论的多传感器目标识别技术

为了满足目标识别的需要,多传感器的数据融合技术已经成为研究的热点。D-S证据理论是多传感器信息融合中最常用的一种处理不确定问题的方法,在基于D-S证据理论的目标识别融合中,基本概率赋值的获取是一个难点。使用神经网络中应用最广泛的BP神经网络来求基本概率赋值,再结合D-S理论进行目标识别。结果表明这种方法可以提高战场目标识别的可靠性,降低识别结果的不确定性。     

基于多传感器数据融合的火灾预警系统

为避免火灾造成的严重损失,实现火灾早期报警,本系统通过对火灾发生过程和产物的研究比较,采用多种传感器对火灾发生初期火灾特征较明显的几个参数进行监测,并实时反馈回采集的数据。系统利用D-S证据理论对多传感器数据进行融合分析,实现对同一目标的判断;本系统通过利用D-S证据理论对多传感器数据融合的方法,不仅弥补了采用单一传感器的不足,而且很大程度上降低系统判断结果的不确定性,提高了系统预警的准确性和可靠性。     

基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用

本文在D-S证据理论的基础上,结合模糊集合论,给出了电子电路故障定位的多传感器数据融合方法.通过测试电路中的被诊断元件的工作温度和工作电压两个物理量,得出D-S证据理论中两传感器对各待诊断元件的信度函数分配,再利用D-S联合规则得到融合后的信度函数分配,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性.     

基于D-S证据理论的组合数据融合算法

针对在无线传感器网络中传感器节点本身能量有限的特性,提出一种基于D-S证据理论的组合数据融合算法.先对传感器网络的当前值依据各组数据的标准差进行聚类,然后对每一类数据组,用D-S证据推理算法进行融合,将其结果看成一个虚拟传感器节点数据,最后通过计算马哈诺比斯距离得出虚拟节点数据向量的异常值,把它作为加权权重进行加权融合.仿真试验表明:该算法识别目标的可信度高于D-S推理法,且在计算复杂度上也有明显优势.     

通信对抗情报处理技术研究

对通信对抗情报处理中的多传感器信息融合归并处理，由信号信息归结出电台信息、由电台信息归结出通信网信息和平台信息的处理技术，通信电台、通信网和平台属性判定推理技术，以及目标信号重要性排序处理技术，进行了探索研究。在通信对抗情报处理中引入了粗糙集理论、“DS”证据理论和扎德模糊理论等人工智能技术，为通信对抗情报处理的自动化和智能化的实现探索了一种途径。     

D—S证据理论在多源数据融合中的应用及改进

在不确定性处理算法中,D-S证据理论具有较好的应用效果.阐述了D-S证据理论及其在多传感器数据融合中的应用.从改进合成规则和证据源数据两方面对当前的一些改进方法进行了分析比较.提出一种基于冲突强度的证据合成规则,并在Murphy证据平均合成规则的基础上提出一种基于证据间相似系数的证据合成规则,通过实例对这几种方法进行了比较,证明了基于相似系数证据合成规则的有效性.     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

基于D-S证据理论的传感器网络数据融合算法

传感器网络对于多个传感器在不同目标的识别过程中,各种技术冲突便随之接踵而至,并对传感器网络的科学体制产生了能动性的影响,使得系统的实时性和同步性的效能受到很大的负面影响。基于此,文章以D-S证据理论为核心要素,通过矩阵分析在融合算法中的理论地位,辅之以数学归纳法的精要,力求得到与融合结果与D-S证据组合公式相同的结果。     

数据融合系统在编队电子战中的应用

采用多传感器数据融合技术可以提高编队电子战的指挥和作战能力。介绍了编队电子战对数据融合技术的要求,给出数据融合算法分析。     

电子对抗指挥主体的辅助决策需求探析

分析了电子对抗作战辅助决策的运行机制,深入描述了电子对抗指挥主体对辅助决策的各种需求,为电子对抗指挥控制系统的建设提供一定依据。     

基于粗糙集理论对多传感器侦察数据初级融合处理

针对通信对抗系统多传感器侦察数据仓库中数据量大且不完整、不准确的特点,文中提出了一种基于粗糙集理论进行初级融合处理的方法。该方法利用粗糙集知识分类的功能对海量数据进行层层处理,去除冗余信息提高参数精度。仿真分析结果表明,这种算法能为进一步融合处理提供条件,在通信对抗情报分析中有很高的工程应用价值。     

多传感器数据融合处理在通信对抗系统中的应用研究

为使通信对抗系统在复杂电磁环境条件下具备强大完善的战术技术功能指标,适应现代信息化战场的作战使用要求,需要充分重视和挖掘系统的多传感器侦察数据融合处理潜力。围绕这一论点进行了较详细的分析,提出了初步的框架思路。     

通信电子战目标选择问题研究

随着军事通信技术的飞速发展，通信电子战面临着前所未有的挑战，通信电子战目标选择问题也越来越复杂。主要研究论述了通信电子战目标选择面临的问题、原则、方法和程序，对进一步研究具有重要的借鉴意义。     

通信对抗指挥智能决策支持系统

将智能决策支持系统引入到通信对抗指挥决策过程中,并通过加入地理信息系统来适应通信对抗指挥的特点。介绍了通信对抗指挥智能决策支持系统的组成及其快速原型开发方法。讨论了通信对抗指挥决策领域内的知识表示方法和智能推理策略等内容。通信对抗指挥决策支持系统的建立将增强指挥决策的时效性和科学性。     

一种多传感器数据融合仿真平台的设计

数据融合是现代C^3I系统的重要组成部分,对C^3I系统效能的发挥起着决定性的作用。本文针对第一级目标运动学数据融合,构建了通用的可视化多传感器数据融合仿真平台,为研究者提供了进行各种融合算法仿真验证和定量评估的仿真环境。进行了合理的软件设计,模块化和开放性的结构使仿真平台的通用性得到了体现,与通信链路连接即可处理真实的目标数据。最后通过在本系统运行的一个软件实例,证明了仿真平台的有效性与实用性。     

宽带微波被动/红外复合制导数据管理策略研究

多传感器数据管理策略是多模复合制导数据融合的核心问题之一.实际战场环境中传感器数据状态复杂多变,为了充分利用各传感器资源使系统性能达到优化,需要根据不同的数据状态采取相应的管理策略来有效控制和管理这些传感器.提出了基于多传感器实时测量数据状态的数据管理策略问题并分析了其重要性和复杂性.在分析宽带微波被动/红外复合制导数据融合处理流程的基础上进行了数据管理策略的分解和设计.最后通过仿真实验验证了该策略的有效性.     

基于数据链的海上编队协同作战多传感器数据融合技术

从海上编队多传感器数据融合的过程出发，分析了数据链在多传感器融合中的作用，并从时间校准、坐标转换和目标航迹、态势初步融合等方面研究了其关键技术，对海上编队协同作战和指挥一体化具有重要意义。     

通信对抗系统作战能力评估方法研究

针对通信对抗装备的指标特点,结合相关专家经验,采用定量计算与定性分析相结合的方式,建立了通信对抗系统作战能力评价体系,基于模糊理论设计了一种多级模糊综合评判模型,通过建立各级评判因素集和评判集,构成模糊评价矩阵,并给出各级评价因素权值,采用模糊变换、解模糊判决等数学手段最终获得通信对抗系统装备的作战能力评估结果。