证据理论应用于多传感器融合不确定性分析

对多传感器数据融合中的不确定性,采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论作为基本工具进行了分析研究,并针对该理论的不足采用了修正的合成规则,通过实例运算表明该方法能够对传感器所提供的不一致证据进行纵使,并使组合结果更加直观。     

基于证据理论的多传感器加权融合

多传感器数据融合多基于证据理论进行加权,但识别框架确定和基本可信度分配是关键.本文简述了证据理论并分析了总均方误差最小意义下加权融合的缺点,在引入抽象传感器的基础上,根据M函数的区间覆盖次数进行基本可信度分配,确定对历史数据和各个传感器的支持度,然后进行加权融合.仿真表明,这种基于证据理论的多传感器加权融合方法只需要很少的先验信息,但具有较好的融合效果和鲁棒性.     

基于加权D-S证据理论的分布式多传感器目标识别

针对分布式多传感器环境下的目标识别问题,提出了一种基于加权D-S证据理论组合规则的决策融合方法。分析了多传感器目标识别系统的信息模型,指出传感器的决策可信度由其被支持度及与目标间的距离确定。将该可信度体现为加权D-S证据理论组合规则中的证据权值,综合考虑传感器支持度及其与目标距离,给出了权值确定方法。仿真实验证明方法提高了融合效率,可较快完成识别任务。     

基于统计证据的mass函数和D-S证据理论的多传感器目标识别

mass函数表示对证据的精确信任程度,是信任函数的基本概率分配.文章在阐述Dempster-Shafer(D-S)证据理论和决策方法的基础上,较系统地论述了基于统计证据的mass函数和D-S证据理论的目标识别的数据融合方法,并给出了具体的识别实例.从计算结果可以看出,该方法有利于目标识别的实现,具有较好的实用性.     

基于模糊偏序关系评估决策的智能信息融合

针对信息融合系统应综合考虑获取信息所要求的资源、计算复杂度和时间所需要的最小成本的问题,提出了基于模糊偏序关系评估决策的智能信息融合系统,利用模糊偏序关系的排序方法,来对传感器进行评估决策和智能选择,并与证据理论相组合,应用于目标识别,仿真结果表明了该方法的有效性。     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

用证据理论实现多信息融合的一种改进算法

本文简要地阐述了基于D-S证据理论的多传感器信息融合算法,提供了一种基于D-S 理论的推广方法以解决融合信息的相关性问题．文中用机器人的力觉和热觉传感器数据作融 合信息,对目标物体进行了分类识别试验．     

基于证据理论的多传感器加权融合改进方法

针对多传感器系统中高冲突证据合成问题,考虑到传感器同时具有固有可靠性与实时可靠性的特点,基于证据理论提出了一种新的多传感器加权融合方法;该方法通过计算证据间的相似矩阵获取证据的后验权重,并结合根据传感器固有可靠性预先分配的先验权重,得到证据体的复合权重,然后据此对原始证据进行加权平均,最后利用D-S证据组合规则合成加权平均后的证据;实例仿真表明,与D-S、Yager、Murphy等方法相比,该方法能够更好地处理高冲突证据,且收敛速度更快。     

用D-S证据理论实现多传感器信息融合的一种改进算法

阐述了基于D-S证据理论的多传感器信息融合算法,提供一种基于D-S理论的改进方法以解决融合信息的相关性问题.用滑觉和热觉传感器作实验,对该方法的有效性进行了验证.     

基于D2S 证据理论的移动机器人 多传感器信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D-S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

基于水下探测器信息融合的目标识别

在证据理论基本概念的基础上,引入证据权的概念,依据证据权的不同对各条证据进行转化,解决多传感器信息融合中不同等重要信息源的数据融合问题.应用文中的加权证据组合推理模型进行水面舰船识别的仿真,仿真结果表明提高了水下探测器目标识别的准确性和有效性.     

多传感器融合综述

对智能机器人领域的多传感器融合的研究现状进行了讨论。首先，对该领域研究中的一些问题进行了概述，包括信息描述空间、数据关联与时间同步、验前信息和融合结构等，然后把已有的融合方法分类成概率统计方法和人工智能方法进行重点介绍。最后，强调了融合结构在多传感器融合研究中的作用，并且对多传感器融合的未来研究作了进一步的展望。     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

一种基于证据推理的目标识别方法

论文介绍了一种基于证据理论的多传感器目标识别方法。该方法首先建立了一个特殊的辨识框架,它可以合成多传感器的信息,能适应未知假设出现的状况;考虑了传感器检测的不确定性,推导了多传感器证据合成的算法。最后将该方法应用于一个目标识别系统,实验结果验证了方法的有效性。     

无损检测中基于模糊逻辑的多传感器数据融合

模糊逻辑在多传感器数据融合中得到广泛的应用，但是基于模糊逻辑的多传感器数据融合在无损检测中的应用还是一个崭新的课题，本文给出了一种新的用于无损检测数据融合的模糊逻辑结构，并且给出了隶度函数以及运算符的定义，最后给出了例子阐明了这种结构在无损检测中的应用。     

基于D-S证据理论的管道安全监测数据融合技术的研究

管道安全监测技术能够对管道安全构成威胁的行为进行早期监测、定位和预警,对管道周围目标进行正确的分类识别是其中的关键.采用多个地震信号传感器对管道周围的人、车辆等目标发出的震动信号进行采集,为了解决目标识别问题并提高目标的识别率,针对多个传感器采集的数据,本文中提出了采用D-S证据理论方法对数据进行融合处理,实验结果证明基于融合后的识别结果较单个传感器的识别结果有了较好的改善.     

异步多传感器数据融合

由于传感器自身以及通信延迟等原因,使得异步多传感器数据融合问题比同步问题的研究更切合实际。对连续时间系统在融合中心和各传感器节点分别进行异步离散化处理,离散后过程噪声与测量噪声以及测量噪声之间相关,虽然相应连续时间系统中的噪声是不相关的。最后推导了相关噪声情况下的异步融合算法,仿真结果说明了算法的有效性。