基于D-S证据融合的相控阵雷达状态识别

在D-S证据理论融合方法的基础上,在分析了相控阵雷达状态和信号波形,提出了利用特征函数识别相控阵雷达状态的方法。并用典型相控阵雷达参数进行了仿真实验,实验结果表明,这种方法具有较高的识别概率。     

基于改进BP神经网络和D-S证据理论的装备故障诊断

针对雷达情报信息系统结构复杂,设备种类繁多的特点,研究了基于BP神经网络的故障诊断方法,给出一种变学习率和附加动量相结合的改进算法,建立了基于改进BP神经网络和D-S证据理论相结合的故障综合诊断模型。计算实例验证了这种方法的可行性和有效性。     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想.为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中.MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能.     

基于改进D-S证据理论的智能安全传感器

传统的家庭安全防范系统采用传感器对住宅局部环境存在的安全隐患进行监测时,存在效率低、误报率高和漏报率高等问题,因此,本文将树莓派作为载体,应用D-S证据理论,对传感器监测结果进行融合处理.针对经典D-S证据理论无法解决多传感器监测结果存在的高冲突问题,提出依据证据间相似度改进的D-S证据理论合成规则.通过实验验证及不同...     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

D-S证据理论在雷达体制识别中的应用

本文在详细阐述了Dempster-Shafer证据理论的基础上,介绍了基于D-S证据理论的雷达体制识别的信息融合算法.识别实例和对比实验表明,这种信息融合识别方法是非常有效的.     

D-S证据理论在雷达体制识别中的应用

本文在详细阐述了Dempster-Shafer证据理论的基础上,介绍了基于D-S证据理论的雷达体制识别的信息融合算法。识别实例和对比实验表明,这种信息融合识别方法是非常有效的。     

基于改进D-S证据理论的工业入侵检测技术

针对数据特征提取不充分,分类时数据丢失问题,提出了一种基于时间和空间特征融合入侵检测方法——改进D-S证据理论的工业入侵检测技术.利用一维卷积神经网络(one dimensional convolutional neural network,1DCNN)和长短期记忆网络(long short-term memory,L...     

基于D-S证据理论的空中目标识别

提出了一种基于D-S证据理论的空中目标识别方法.该方法首先对目标特征进行提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用D-S组合公式进行融合识别.实例验证了算法的有效性.     

基于D-S证据理论的数据链故障诊断方法

针对无人机数据链结构复杂而导致的故障诊断难题,提出了一种基于D-S证据理论的无人机数据链路故障诊断方法。将无人机数据链诊断划分为系统级和电路板级2层,给出了故障诊断的总体框架。运用模版匹配法进行基本概率分配函数获取,基于冲突度和重要度进行冲突证据合成,采用基本概率分配函数进行决策,在此基础上实现了基于D-S证据理论的诊断方法。实验结果表明该方法正确有效,为无人机数据链故障诊断提供了新的途径。     

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

基于改进D-S证据理论的信任评估模型

针对已有的信任证据模型不能快速有效地处理分布式网络中存在的恶意攻击,且缺乏关于三元信任关系组的信任归一方法,提出了一种基于改进D-S证据理论的信任模型,在此基础上,提出了基于持续序列的基本可信度函数和基于评估函数的信任评估方法,使得模型能更快地抑制恶意节点,并且评估结果更贴近现实值。通过分析与仿真,验证了本模型具有抑制聚集信任攻击的有效性和健壮性,同时信任评估方法更具合理性和准确性。     

基于改进D-S证据理论的导弹控制系统完好性评估

针对传统的测试系统对导弹控制系统的完好性评估过于粗放的问题,提出利用隶属度函数将完好性状态等级细化.利用改进的D-S证据理论,有效地解决了在融合高冲突证据时出现错误的问题,将控制系统闭环模拟飞行测试的动、静态数据综合分析,得到模拟飞行过程中关键节点以及全过程的完好性状态等级,进而调整测试、维护周期.仿真验证了该方法的可...     

基于改进证据理论和多神经网络融合的故障诊断方法

本文从各个证据本身重要性不一致出发,提出了基于证据权重的证据合成新方法,并与多神经网络相结合,提出一种新的故障诊断方法。该方法通过构建不同故障参数特征空间相应的子神经网络分类模型进行局部诊断,其输出作为证据体,用新的D-S证据理论合成方法修正后,进行再一次融合后得到诊断结果。最后诊断实例验证了该方法不仅可以解决证据冲突问题,而且与单传感器诊断相比,该方法可以降低决策的不确定性,大大提高了诊断的精度。     

基于BP网络和D-S证据理论的齿轮箱故障诊断

为避免故障诊断中单一信息的固有缺陷,提高诊断精度,将改进的BP神经网络和D-S证据理论相结合,针对齿轮箱的3个测点,采用改进BP神经网络进行独立的局部故障诊断,以及采用D-S证据理论规则,将3个测点的神经网络输出结果进行融合,得到整个齿轮箱的故障诊断结果。通过分析可以看出,融合后的诊断结果更加精确,信任度更高。     

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.     

基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法

提出了基于灰关联分析与D—S证据理论的多传感器雷达辐射源识别方法。该方法在单个传感器中运用灰关联分析法通过计算灰关联度给出该传感器关于识别框架的基本概率赋值,再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果表明该方法是可行的。     

D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

一种基于改进证据相似度的D-S融合算法

通过改进证据相似度提出一种新颖的证据合成规则方法,有效解决了存在冲突证据时的证据理论(Dempster-Shafer,D-S)合成悖论问题.引入相容系数构造参考证据体,运用加权平均证据作为参考证据体;借助相似三角函数,判定异常证据体;运用D-S合成进行证据合成方法对各个证据进行融合.仿真结果表明,所提出的方法能够有效处...