基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

一种改进的证据合成方法及其在模糊评估中的应用

针对证据理论在模糊评估中的应用问题,分析了经典D-S证据合成规则和现有改进方法的不足,提出了一种更为适宜的证据合成方法。该方法通过证据间的夹角余弦计算证据间的相似系数,从而获得证据的可信度。通过对证据权重和可信度的对比与融合,确定各证据在冲突概率分配中的权重。通过冲突概率的全局分配对证据进行合成。实例分析表明,该方法不仅能够处理高度冲突证据,还能保证指标间的相对重要性不被可信度所过度地影响,从而提高了模糊评估的可靠性与合理性,降低决策风险。     

多源目标识别中冲突证据的融合策略研究

随着防空反导作战环境的日益复杂,快速准确地进行真假目标识别显得尤为重要。针对多源目标决策级识别中冲突证据融合问题,在综合分析现有改进证据理论方法的基础上,引入新的冲突度量系数,提出了一种通过在融合流程中增加智能判断环节,以冲突系数为判断依据,对具有不同冲突系数证据选择不同组合规则进行证据组合的融合方法,并给出了策略的流程图。最后进行了实例验证,结果表明新策略能对不同未知信度和不同识别框架冲突证据进行快速有效的融合。     

一种弹道导弹目标时空域信息融合模型

针对弹道导弹目标融合识别系统中,传感器接收到的信息具有模糊性与不确定性的特点,提出了一种基于Dempster-Shafer(D-S)理论的导弹目标时空域信息融合模型;针对模型中影响传感器融合识别性能因素的多元性与各因素权重分配的不合理性,在引入证据网路的基础上,提出了一种基于弹道导弹目标影响因素的融合识别性能证据网络结点模型,并通过分析各结点之间的关系,采用多属性决策和群决策分析权重的方法,提出了一种结点权重分配方法。仿真验证了算法的可行性与有效性。     

基于证据理论的多源信息目标识别

目标识别系统中多源传感器信息高度冲突时,利用DS规则直接融合得出的结果不合理,针对该问题,提出了期望证据融合算法。多个证据融合时,根据两证据间的矛盾信息大小确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量归一化后得到各证据的权重系数,进而求出期望证据,并用DS规则迭代融合。通过数字仿真对多种方法进行了比较分析,表明期望证据法在传感器信息高度冲突时依然可以得到较为理想的融合结果。     

基于专家系统的弹道导弹目标识别方法

传统Dempster-Shafer(D-S)算法及其改进算法中,一般将冲突证据与不冲突证据统一融合,无论融合过程中冲突证据所占权重多小,这都将降低融合效率。针对这个问题,引入专家系统理论,面向信息融合中证据冲突的问题,将冲突证据与无冲突证据分组,构建了基于专家信任度的弹道导弹目标识别模型和专家知识库模型,从工程上设计了弹道导弹目标识别专家知识库系统,提出了两种专家知识权重确立方法,并通过实例以及仿真,验证了算法的可行性。     

基于DST和PCR5的弹道目标识别方法

在反导系统中,基于多传感器多源信息的融合识别,一直是研究的热点。为了解决不精确、不确定、冲突的多源信息的融合问题,结合DST(证据理论)和PCR5(比例冲突再分配准则)在处理不同冲突程度证据时的优势,提出了一种自适应的弹道导弹目标识别方法。首先引入关联系数的概念,用来表征证据间的冲突大小;其次给出了目标综合识别步骤;最后结合2个例子进行了仿真验证。结果表明,该方法识别率高,收敛性快,能够有效解决在识别中不稳定、不一致信息的融合问题,具有一定的应用价值。     

一种基于重要性权重的证据合成方法及其应用

针对Dempster方法在合成高度冲突证据时结果与直观结论相悖的问题,提出了一种改进的基于重要性权重的证据合成方法,并将其应用到海上目标的识别。首先,根据证据之间的相似性程度判断证据间是否存在冲突,对于有冲突的情形,由基于P距离的权重分配模型得到各证据的重要性权值;然后,对BPA函数进行修正,采用Dempster规则修正后的BPA函数进行合成;最后,利用雷达和舰船的对应关系,将侦察雷达探测到的目标雷达信号载频、脉宽、重频转化为雷达参数的概率分配,并运用改进的证据合成方法进行了目标识别。仿真计算结果证明:该方法能有效处理冲突证据组合,克服了一票否决问题,减小了识别结果的不确定性,并保留了Dempster方法处理非冲突证据组合的良好特性。     

基于改进DS理论多周期数据融合的目标识别方法

为了应对复杂战场环境下信息不确定性及证据冲突造成目标识别困难的问题,解决配准关联错误及应答欺骗产生的误识别问题,减小融合算法对先验数据的依赖,提出了一种基于改进DS证据理论的多周期多传感器数据融合方法以实现高效的战场目标识别。方法采用4个层级,两个方面的多传感器数据融合结构,在改进DS证据理论处理性能的同时,充分利用多个周期识别结果的融合实现最终目标识别。仿真结果表明,该方法在提高目标识别准确性的同时,能够有效解决目标密集和应答欺骗造成的目标误识别问题。     

利用复合型冲突表示的快速加权证据融合方法

针对经典D-S证据理论在处理大规模冲突证据组合时的悖论问题及计算量指数增长问题,提出了一种利用经典冲突系数与证据距离共同度量冲突大小的快速加权融合方法。该方法通过分析单一冲突表示方法的不足,提出了复合冲突系数,同时,给出了证据中心及当前中心距离的定义,并用当前中心距离与冲突系数一起确定证据权重。算例实验结果表明本算法有效地解决了经典证据理论中的悖论问题并显著地提高了融合速度。     

D-S证据理论改进算法提高水下目标识别准确性

D-S证据理论在目标识别中有着广泛的应用,是较好的数据融合方法之一,但在证据高度冲突时,会产生有悖常理的结果。针对此问题,引入传感器的可信度,提出了一种新的改进算法。该算法弥补了D-S证据理论所存在的不足,比其他改进算法融合效果好,此算法应用于水下目标识别,计算结果表明提高了水下目标识别的准确性和有效性。     

基于改进证据理论的多传感器目标识别

由于证据理论融合冲突信息会得出不合理的结论,限制了其在目标识别中的应用.为解决这一问题,提出了一种改进融合方法.研究各证据与其他证据的联系,通过计算证据与其他证据均值的距离,求出此证据受其他证据的支持度.归一化支持度获得证据权值,加权平均原有证据后按Dempster规则融合,作出识别.针对空中目标识别算例,对比验证几种方法,结果显示:该方法能够融合冲突信息,在降低计算量的同时,加快收敛速度,提高了识别快速性和准确性.     

一种修正的冲突证据融合方法

对于冲突证据,D-S证据理论无法使用甚至无法得出正确的结果,进而引发了专家学者的研究。针对该问题,提出了一种新的冲突证据融合方法,建立了多传感器综合可信度的计算模型,根据综合可信度得到多传感器的合成结果,采用D-S证据理论对合成结果进行组合,既解决了高冲突问题,又解决了低冲突问题。最后通过仿真验证了该方法的有效性。     

基于2DPCA的弹道导弹目标特征级综合识别方法

为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(Radar Cross Section,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(Principal Component Analysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。     

基于加权的目标综合识别技术

在基于证据理论的目标综合识别系统中,综合考虑信息源权重对识别结果有重要的影响.提出了基于加权的目标综合识别技术,总结了几种常用的主观权重和客观权重获取方法,给出了组合权重的计算公式,针对D-S证据理论仿真验证了基于证据加权思想对合成结果的改进效果.研究表明,在进行目标综合识别时考虑信息源的权重是必要的,它能有效化解信源冲突,保证合成结果的合理性和稳健性.     

基于改进DS证据理论的指挥控制系统信息融合方法

对作战目标的识别是指挥与控制系统在作战环境中实施精确打击的前提条件,然而多种系统协同作战必然会对作战目标的识别有差异.针对冲突识别信息融合导致的目标识别不明确甚至错误的问题,提出一种基于改进DS证据理论的指控系统信息融合方法,该方法构建基于智联体的融合模型,在此模型基础上根据皮尔逊相关系数计算出目标识别信息的相关性权重...     

一种基于局部冲突再分配的改进DSmT方法

针对DSmT组合规则存在的计算量大、收敛速度慢等不足之处,基于局部冲突再分配的原则提出一种有效的改进DSmT方法。该算法根据证据体的不一致因子和冲突距离共同度量证据源间的冲突程度,并给出识别框架下产生矛盾信息的各焦元的可信度的计算方法;基于冲突信息再分配的原则,将局部冲突信息在涉及到的子集及并集间按照各自所占的比重进行分配;利用算例进行数据分析,同时以多传感器目标识别系统为仿真背景进行仿真实验。数据与实验分析结果验证了所提改进DSmT算法的可行性和有效性。     

基于证据组合的直觉模糊群决策方法

对于属性权重已知,属性值以直觉模糊值形式给出的多属性群决策问题进行了研究,提出了基于证据理论的直觉模糊群决策方法。首先在计算直觉模糊值相似度的基础上,并考虑专家的信任度,给出了专家基本概率分配函数的计算方法。然后基于证据组合理论合成对单个属性以及综合属性的决策群体基本概率分配函数。通过计算方案效用值,来进行方案的排序。通过一个算例说明了该方法的有效性。     

书讯

由青岛海军潜艇学院夏佩伦教授编著的《目标跟踪与信息融合》一书,于2010年4月由国防工业出版社出版。该书介绍了军事应用背景下目标跟踪和信息融合的主要问题、理论和技术。全书共分8章。第1章探讨多传感器目标检测的数据融合,主要介绍利用分布式多传感器探测目标的结果,来综合判断目标是否存在的判决技术。接下来的两章介绍被广泛应用于目标身份信息融合的不确定性推理技术。其中第2章介绍概率推理和证据推理。概率推理以概率论和经典的Bayes定律为基础,对发生与否不确定的多源信息进行综合。证据推理则以     

MIMO-FNN模型的弹道导弹目标识别方法

针对弹道导弹目标融合识别特点,分析了弹道导弹单传感器多特征多输入多输出模糊神经网络(multiple input multiple output fuzzy neural network,MIMO-FNN)模型、弹道导弹多传感器单特征MIMO-FNN模型,在此基础上,结合弹道导弹目标融合识别的实际流程,提出了弹道导弹目标识别多传感器多特征MIMO-FNN模型。该模型以每个单传感器多特征MIMO-FNN模型的输出为输入,并通过专家知识求取每个传感器的融合权值,采用sum-product模糊推理和加权求和法解模糊,得到模型的融合识别结果,并通过仿真实验验证了所提模型的有效性,最后从多传感器多特征优化和传感器权重2个方面对所提模型进行了可行性分析。