证据理论从两维到多维同步融合

D-S证据理论的组合规则是反映两个证据联合作用的法则。为了得到多个证据源的最终目标属性判决,提出了一种推广到多维同步合成计算的D-S组合规则。详细分析了多维同步融合的情况,提出利用多维同步融合的确定性因子来代替D-S组合规则中的不确定性因子进行融合,避免计算大量无实际意义的联合概率乘积项,简化了计算过程,拓展了D-S证据理论的实际应用。并通过仿真验证了推广到多维同步融合的D-S组合规则的正确性和有效性。     

D-S证据理论应用中的一种验证方法

D-S证据理论是一种比概率论确定性弱的不确定性理论,它能将"不知道"和"不确定"两个认知学上的主要概念区别开来,在多传感器数据融合中具有广泛的应用前景.D-S证据理论在实际应用中却存在一个困难,当目标的个数较多时,需要计算的项数太多,容易造成漏项,引起计算错误.提出了一种确定计算项数的算法,作为验证计算结果的必要条件,并通过图解的方法找出需要计算的项.     

模糊理论与D-S理论在指控系统目标识别融合中的应用

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,模糊理论与证据理论(D-S)是主要的技术之一.在某试飞指控系统中,为了获得可靠的识别结果需要目标识别的融合问题.系统的从实际出发提出了基于模糊理论与D-S理论的目标识别融合方法.仿真计算结果表明,该模型和方法具有方法简单、运算量小和识别结果可靠等优点,具有一定的理论意义和使用价值.     

D-S证据论在空中目标分类中的应用

首先叙述识别、分类空中目标时需使用多传感器融合技术,分析可利用的各类传感器和从其可得到的各种目标属性参数,以及各种数据融合方法.然后详细介绍了基于D-S证据论的3种多源信息融合分类空中目标方法,并对具体仿真应用结果作了比较.     

目标识别系统中的一种多传感器数据融合算法

Dempster证据组合规则在D-S证据理论中具有十分重要的作用。但在将Dempster证据组合规则应用于多传感器数据融合时,理论上仍有值得探讨之处。在对Dempster证据组合规则进行分析的基础上,提出了解决目标识别系统中多传感器数据融合的“一次Dempster联合法”,避免了原有算法中需多次采用Dempster证据组合规则来计算的问题,从而减少了计算量。     

基于D-S证据推理的多传感器信息融合技术在战场目标识别中的应用

近年来,多传感器信息融合技术已经在许多领域得到了广泛的应用,该技术也可以用于战场目标识别.在简单介绍了多传感器信息融合技术的概念和方法之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.     

基于定性信息的装备技术状态评估

利用定性信息对装备技术状态进行评估是提高评估时效性的有效手段.通过对装备技术状态评估研究现状的分析,论证了运用D-S证据理论进行装备技术状态评估的可行性.结合D-S证据理论的特点,提出了适用于装备技术状态评估的可信度分配策略.采用基于投影的证据融合方法,以解决传统D-S证据理论在融合高冲突证据时的缺陷.在评价决策中运用最大基本信度状态评价准则进行评价决策.最后,将提出的分析方法,应用于某具体装备的技术状态评估中,验证了该方法的有效性.     

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。     

应用D-S证据理论进行多传感器雷达体制识别

在阐述Dempster-Shafer(D-S)证据理论的基础上,较系统地论述了基于D-S证据理论的多传感器雷达体制识别的数据融合方法,并给出了具体的识别实例。实验结果证明了基于多传感器融合后的识别结果明显优于单传感器的识别结果,说明了D-S证据理论的有效性和先进性。     

基于BP神经网络的D-S证据理论及其应用

命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一.目前,大部分确定方法受专家知识偏好影响较大,难以反映客观情况.将BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力.文中建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法.仿真实验表明,该模型可行.     

TBM模型的目标综合识别算法

利用电子支援措施(ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。TBM是D-S证据理论的一个扩展模型,它研究了D-S证据理论的动态部分,从数据融合的角度来看,它是一种层次化的递进模型,尤其适用于需要逐层进行数据、特征或决策级融合的融合系统。提出了一种基于TBM模型的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。     

改进D-S理论的某型高炮武器系统作战效能评估

鉴于某型高炮武器系统的复杂性,考虑采用多数据信息融合的方式来实现其效能评估。针对传统D-S理论在融合冲突信息时的局限性,提出一种基于数据信息确定证据权重的改进D-S理论,并将其用于某型高炮武器系统的作战效能评估。应用示例表明改进D-S理论相比其他算法更加优越。     

基于通用黑板模型的IMSE网络中心节点识别

运用通用黑板理论和D-S证据理论探索IMSE网络中心节点识别问题。构建了基于通用黑板框架的IMSE网络中心节点识别模型,讨论了该模型体系的体系结构和实现方法,对该模型的工作流程进行了详细论述。给出了一种基于D-S证据理论的高效识别规则。该系统中专家系统直接给出了基本概率赋值,减少了计算繁琐程度,从而可大大减轻目标识别系统的压力。最后通过仿真结果具体分析了模型的工作情况。     

一种多传感器雷达辐射源识别的组合方法

针对复杂电磁环境下多传感器获得的雷达辐射源信息具有不确定性的情况,提出了一种雷达辐射源识别的组合方法.首先利用灰色定权聚类法对大量的传感器数据进行处理,以简化雷达辐射源特征数据,在此基础上通过灰色关联分析法确定证据理论中的基本概率赋值函数,并应用修正的D-S证据理论实现多时刻条件下目标识别.通过仿真算例可知,该方法能够有效减小雷达辐射源所受的噪声干扰,具有一定的可行性.     

两级融合系统中目标身份与行为识别技术

建立两级融合系统,联接一级、二级融合系统中的识别功能.提出基于模糊集理论的特征层目标识别技术,基于D-S理论、Bayes理论的时空域决策层目标识别技术、基于贝叶斯网络推理的行为识别技术.解决应用中普遍存在的目标特征界限模糊、身份冲突、身份不稳定、缺少行为识别信息等问题,实现对目标身份和行为的综合识别,以达到对目标的全面...