基于D-S证据理论的协作频谱感知算法

在无线传播过程中,主用户信号经常会受到路径损耗、阴影衰落等影响,导致无线通信环境中单个认知用户对主用户的感知结果存在不确定性。因此,结合D-S证据理论方法,提出了一种新的协作频谱感知算法。以能量检测作为基础,将证据间冲突变化程度平均性的概念结合其中,根据这一方式设计了一种新的证据理论合成法则,将多个D-S融合结果送到融合中心进行数据融合,得出最终判决。仿真实验结果表明,该算法能够很好地解决证据间的高度冲突并较为合理地减轻不确定性因素的影响,在信噪比比较低的情况下,获得较好的检测性能。     

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。     

协作频谱感知中抗SSDF攻击的认知用户不确定性行为评估

针对认知用户的协作感知行为不确定性,提出一种基于D-S证据理论的信任评估机制——Hard Guard,为硬判决融合算法提供保护,使其成为具有抑制频谱感知数据伪造(SSDF)攻击能力的可信协作频谱感知算法。Hard Guard采取感知数据预处理措施,在融合之前有效过滤虚假感知数据,规避了恶意用户的影响。仿真结果表明,Hard Guard能使硬判决融合算法面对SSDF攻击时保持较好的感知性能。     

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.     

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.     

基于证据折扣优化DSmT的协同频谱感知器

协同频谱感知器通过充分利用多个认知无线电用户的空间分集增益,对抗单用户深度衰落和阴影效应问题,降低了感知系统对本地感知用户的灵敏度要求,减少由于单用户检测不确定性带来的系统误判。利用D-S方法进行协同频谱感知,通过在本地提取置信指派,再上传至融合中心进行证据推理与判决,占用较窄的控制信道带宽,达到优于传统方法的检测性能,如“或”、“与”和“最优融合”感知方法。但低信噪用户带来的冲突数据会限制D-S方法性能,使其信噪鲁棒性较差。本文首先定义感知用户基本置信指派函数,基于DSmT提出证据折扣优化 DSmT协同频谱感知器。该感知器根据不同认知用户数据的可靠性,对其置信指派函数进行折扣,加强高可靠性数据对融合结果的贡献,降低不可靠数据对融合结果的干扰,有效解决冲突数据下的协同频谱感知信息融合问题。仿真结果表明,证据折扣优化DSmT协同频谱感知器具有良好的检测性能和信噪比鲁棒性。      

认知无线电网络中基于D-S证据理论的合作频谱感知方法

认知无线电网络因主从用户共享频谱资源,具有频谱利用率高的优点,同时对从用户提出了一定的要求.在研究D-S证据理论的基础上,提出了一种新的合作频谱感知方法,对冲突证据源和融合规则进行了修正,并通过模糊度计算公式预估不确定性,重新定义了基础概率分配(BPA)函数.仿真结果表明,同“与”、“或”融合及以往的D-S融合方法相比,所提方法能很好地感知认知无线电网络的空闲频谱,并可作为高斯白噪声(AWGN)信道及瑞利(Rayleigh)多径衰落信道等网络环境的通用频谱感知方法.     

基于Dempster-Shafer证据理论的协同频谱感知算法

认知无线电的首要任务是频谱感知,单个认知用户的频谱感知结果容易受到衰落和多径的影响,本文结合证据理论研究了多个认知用户的协同频谱感知问题.为了在融合中心未知先验信息的条件下实现对授权用户的有效检测,文章基于Dempster-Shafer证据理论,对认知用户的本地感知结果提取证据,然后在融合中心进行融合并判决,提出了一种基于Dempster-Shafer证据理论的协同频谱感知算法.仿真结果表明,该算法能够在融合中心未知先验信息情况下,获得较好的频谱感知性能.     

基于证据理论和信号特征的DTMB信号合作感知算法

本文以我国具有完整自主知识产权的DTMB标准为基础,研究了利用信号特征提取和证据理论的高效频谱感知算法.DTMB信号是统计平稳信号,各感知节点采用基于信号特征的检测算法,给出基于证据理论的合作频谱认知算法的证据提取,并将证据传送给控制中心,由控制中心利用加权D S合成规则进行融合,给出授权节点信号是否存在的结论.仿真结果证明,该融合算法能够实现对DTMB信号的高效认知.     

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 DS 证据理论的协作频谱感知改进方法

提出了一种新的协作频谱感知方法,该方法采用DS证据理论。首先,在本地感知通过投影近似法分解感知结果以减少次级用户上报至融合中心的感知数据,从而降低协作带宽开销。其次,在融合中心根据次级用户证据矢量之间的距离计算可信度,以可信度为权重对每个次级用户的基本概率分配进行加权平均来减小高度冲突数据对检测性能的影响。仿真结果表明,该方法减少了协作感知的带宽开销,改善了数据高度冲突时的检测性能。     

基于D-S证据理论的加权协作频谱检测算法

提出了一种基于D-S证据理论的加权协作频谱检测算法（DS-WCSS）。该算法使用能量检测进行本地检测,利用2种假设检验条件下检验统计量的方差和均值来评估各认知用户可信度的差异性,进而给出各认知用户可信度的权重,最后使用D-S证据理论进行数据融合和判决。仿真结果表明,与基于D-S证据理论和传统硬判决的协作频谱检测算法相比,DS-WCSS可以有效地提高检测性能。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域,证据理论是有效的数据融合方法之一,但基本概率分配一般不易确定,从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法,具有普适性和全局优化等特点,但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法,通过建立基于分类超平面距离的模糊隶属度,训练模糊支持向量机提高传统支持向量机的基本概率分配,并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验,经精度、平均绝对百分误差、均方根误差等指标验证,精度提高10. 5%,表明所提方法是一种可靠的多传感器的水质融合方法,较其他方法具有更高的融合精度。     

一种新的基于权重系数的证据理论合成方法

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,因其归一化过程会产生有悖常理的无效结果,因此不同证据源的冲突处理成为数据融合的主要问题之一。基于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数,提高了证据合成的可靠性和合理性,得到更为理想的合成结果。     

一种基于证据距离的D-S改进算法

针对高冲突下Dempster证据组合规则失效的问题,定义了描述证据可靠程度的可信度的概念,提出了一种改进的D-S组合算法。该方法首先通过证据距离,建立相似性矩阵,确定证据可信度,对证据进行预处理,再采用Dempster规则进行组合。通过仿真算例并与其它改进方法进行对比,验证了新算法在高冲突证据的情况下,可以有效地减小冲突对组合结果的影响,同时提高了证据组合的收敛速度,降低了决策风险。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

改进的D-S证据理论在Φ-OTDR三路监测系统中的应用

针对相位敏感光时域反射计(Φ-OTDR)分布式光纤扰动传感系统严重的误警问题,在Φ-OTDR多路监测系统方案的基础上,提出了将改进的D-S证据理论应用于Φ-OTDR三路监测系统中以减少误警率.利用改进的D-S证据理论信息融合算法对每路输出数据进行融合,然后将融合结果与报警阈值相比较,判断是否发生报警.实验测试发现:基于改进的D-S证据理论的Φ-OTDR三路监测系统不仅在三路监测方案中能够正确判断扰动信号,还使得漏警率由3％降至1％,72 h内误警率由3.3％降至0％,提高了系统的报警性能.