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.     

坦克排决策支持系统火力机动模块研究

基于D-S证据理论及灰数AHP层次分析法,研究了火力机动样式的选择系统.根据传感器收集的战场情报进行数据融合,给出了用于目标识别的D-S证据理论算法,并针对具体的战场目标进行了相应的算法改进.运用灰数AHP层次分析法对战场的具体目标进行相对比较判断,然后依据灰数AHP层次分析法得出的具体数据选择最佳火力机动样式.     

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。     

基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

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.     

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。     

ATR系统中多传感器的信息融合研究

在复杂和瞬变的战场环境下,为了提高武器系统的快速反应、防御和攻击能力,目标探测、识别、跟踪系统需要采用多个传感器,其信息要求自动融合。文章研究了在信息融合中多传感器的选择问题;分析了数据级融合、特征级融合和决策级融合;提出了特征评价概念和方法;并讨论了其它相关问题。     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

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。     

确定性理论在雷达型号识别中的应用

雷达型号识别是雷达对抗情报侦察的首要工作,是近一步分析雷达用途及相关武器系统的基础,也是高层次上的态势评估和威胁估计的主要依据.针对现代战争中电磁信号环境的复杂性,利用单一传感器很难对雷达型号进行准确识别,而基于确定性理论的不确定推理技术能将多个传感器在多个周期的侦察信息进行融合,所以采用确定性理论的数据融合技术,基于确定性理论的组合规则,采用分层式融合算法对雷达型号进行识别.仿真结果表明,该方法的识别结果令人满意,使采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善.     

无人侦察海目标识别研究

海军无人机的任务是利用夜间电视、低亮度电视、前视红外和合成孔径雷达等各种传感器对广阔的海面进行监视,提供超视距瞄准数据及海战场态势的精确信息。本文把参数分类中的统计法--即证据理论与认识模型中的模糊集合论和模糊推理以及专家系统方法相结合,对海上目标识别进行证据分类及模糊推理融合。     

无人机侦察海上目标识别研究

海军无人机的任务是利用夜间电视、低亮度电视、前视红外和合成孔径雷达等各种传感器对广阔的海面进行监视,提供超视距瞄准数据及海战场态势的精确信息.本文把参数分类中的统计法--即证据理论与认识模型中的模糊集合论和模糊推理以及专家系统方法相结合,对海上目标识别进行证据分类及模糊推理融合.     

基于改进合成规则的弹头目标综合识别方法

为了提高多传感器弹头目标综合识别能力,提出了一种改进的证据合成规则。通过证据可靠性的AHP评估与分析,计算出证据的权重系数。并通过证据间的夹角余弦计算证据的可信度,得到证据的一致性偏差。根据证据的权重系数及一致性偏差计算其冲突概率分配系数。基于冲突概率的全局分配对多传感器的识别证据进行融合。实例分析表明,该方法能够有效降低弹头目标决策层融合识别的风险,提高弹头目标综合识别的鲁棒性和准确性。     

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...     

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.     

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。     

多传感器目标识别系统中的数据融合方法与系统结构的研究

多传感器数据融合技术与系统结构是精确制导及航空自动目标识别等系统中两个紧密相关的重要研究内容,本文针对新一代导弹武器发展的需要,先介绍一种实用的高层多传感器数据融合方法,然后提出一种高性能的多传感器目标识别系统的体系结构。     

SPA和DS证据理论的多传感器航迹关联方法

针对多传感器航迹关联问题,提出了一种基于集对分析和DS证据理论的解决方法。利用集对分析理论将不同传感器之间航迹信息按照集对处理,建立航迹间的联系度表达式,在集对贴近度的基础之上,构建集对贴近度矩阵。利用DS证据理论来解决航迹关联问题。实例表明,能够较好地解决多传感器航迹关联问题。     

IMM-EKF雷达与红外序贯滤波跟踪机动目标

雷达与红外数据融合能够实现信息互补,改善对目标的跟踪、识别以及提高系统的生存能力.为了解决空中目标高速机动时,单一模型的雷达/红外序贯滤波跟踪发散的问题,提出了一种基于序贯滤波和交互多模型的雷达/红外融合跟踪机动目标的方法,通过在雷达与红外序贯滤波融合中引入交互多模型来跟踪机动目标.仿真结果表明,该方法与基于最优数据压缩的雷达与红外传感器融合跟踪机动目标相比,跟踪精度明显提高,是一种雷达与红外传感器融合跟踪机动目标的有效方法.