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.     

基于可能度的信息化战场目标价值评估方法

目标价值评估是指挥员确定目标打击顺序与强度的前提和基础,是战场火力运用的基本依据.针对目标价值评估指标信息的复杂性及不确定性,采用基于可能度的决策方法评估战场目标价值,充分利用了全部指标信息,为指挥员合理选择打击目标提供了科学依据.     

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.     

基于区间数多指标决策的效能评估方法

针对武器效能评估的指标值以及度量指标权重的选取存在不确定性、模糊性和主观性的问题,根据作战效能的特点与系统工程思想,提出了基于区间数的灰色关联法和D-S证据理论相结合的效能评估方法。通过灰色关联法将指标区间值转化为以理想属性偏离度为测度的矩阵,在此基础上与D-S证据理论相结合,构造一种新的基本概率分配函数和新的信息不确定度提取方法,把不确定性问题转化为确定性问题,再利用D-S合成法则进行信息融合,确定最优方案。通过案例分析,结果表明该方法可以得到有效的决策结果并降低决策的不确定性。     

基于HDSmP转换的态势估计方法

战场态势分析是指挥决策的基础,D-S证据理论广泛应用于不确定性下的近似推理,尤其在战场的态势估计中起到了重要作用。为了降低命题中含复合焦元时的不确定度,需要运用概率转换方法如Pignistic方法等对这些焦元进行概率转换。当存在命题的基本信度赋值函数(BBA)bba(全称)为零的情况时,一些常规的概率转换方法不能处理,即使能处理这种情况的概率转换方法在降低不确定度方面也没有达到理想效果。提出利用HDSmP方法将信度函数近似转换成概率函数,不仅可解决辨识框架中存在信度为零的命题时的情况,而且可以降低不确定性。此外,对HDSmP方法中比率再分配因子的取值进行了分析,通过实例验证了该方法在战场态势估计中的可行性和实用性。     

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.     

战场目标价值偏好不确定分析模型

根据作战需要对战场目标价值进行分析并确定其先后顺序是炮兵、防空兵作战指挥员及指挥自动化辅助决策系统的一项重要任务.对目标价值分析算法进行了总结,分析了模型的一般结构特征.为解决以往算法中指标权重不确定性带来的问题,根据多属性决策的特点,运用模糊决策理论提出偏好不确定的战场目标价值计算模型.同以往目标价值分析算法相比,该模型具有较好的适应性及可操作性,为炮兵防空兵指挥员的决策行为提供了依据.     

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.     

不确定性推理方法研究

对3种最常用的不确定性推理方法进行了分析和评述:概率推理、D-S证据推理和模糊推理。分别针对不同类型的不确定性。概率推理针对的是"事件发生与否不确定"这样的不确定性。D-S证据推理针对的是"分不清"或"不知道"这样的不确定性。模糊推理则是针对概念内涵或外延不清晰这样的不确定性。概率推理的理论体系是严密的,但其推理结果有赖可信的先验概率和条件概率。D-S证据推理是不可信的,但在一定条件下可以转化为概率推理问题来处理。模糊推理是一种很有发展潜力的推理方法,主要问题是推理规则需要具体设计,且设计好坏决定推理结果。     

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.     

基于熵法的炮兵战场目标价值分析

目标价值分析是炮兵作战情报信息处理的中心工作。如何从炮兵战场众多的目标情报中确定其价值,并根据作战任务需要选择要射击的目标和确定优先顺序,是炮兵指挥员及其参谋人员的一项重要任务。根据熵法和模糊决策对炮兵战场目标价值进行了分析和排序,为炮兵指挥员的决策行为提供依据。     

高技术条件下炮兵作战火力优化模型

由于能给敌军造成大量的毁伤 ,炮兵被誉为“战争之神”。但是 ,由于可得到的炮兵部队数量、弹药和时间所限 ,炮兵不可能对战场所有可得到的目标射击。炮兵必须决定哪些目标可用炮兵射击 ,以及如何射击。考虑到未来战场将充斥着大量目标 ,炮兵要求使用一种自动目标处理系统。将提出一个炮兵优化模型 ,模型的目的是快速对目标价值排序 ,然后以最佳的炮兵兵力、火力分配对选择的目标进行射击。     

战场目标情报的模糊聚类分析与Excel实现

为有效地对战争目标情报进行快捷、准确地分析处理,从而确定目标区域战场价值程度,以炮兵某次进攻战斗为战术背景,将敌防御区域按照目标分布特点划分为12个小区域;再根据目标的属性和打分原则,运用打分法分别求出各个小区域的综合得分情况;最后采用模糊聚类分析方法和Excel应用软件对其价值进行分析评估,依据模糊聚类结果从而确定重点区域,为指挥员和决策机关制定正确的策略提供科学的依据。     

炮兵战场目标态势分析研究

提出了炮兵战场目标态势的概念,分析了炮兵战场目标态势分析在炮兵战场目标情报处理过程中的位置,研究了炮兵战场目标态势分析的基本结构、主要内容及表示方式,构建了炮兵战场目标态势分析的理论框架。     

基于灰色网络分析法的目标价值排序研究

以炮兵战场目标价值评价指标体系为基础,运用网络分析法确定指标权重,运用灰色系统理论确定评价灰类和总灰色评价权向量,建立基于灰色网络分析法的目标价值评价模型,旨在向指挥员提供可靠的目标攻击顺序建议,帮助指挥员开展后续的最优火力分配等决策工作。通过实例验证了评估模型的合理性和实用性。     

基于云重心评判法的炮兵指挥训练水平评估*

炮兵指挥训练水平指标体系中,既有精确数值型表示的,又有语言值来描述的,给评估指标的数据处理带来了一定的困难。云重心评判法能较好地处理该类既有定性指标,又有定量指标的综合评价问题。构建了炮兵师(旅)指挥训练水平评估体系,详细介绍了运用云重心评判法来实现炮兵指挥训练水平评估的具体步骤。结合指挥决策指标体系实例,验证了该方法的有效。该方法具有一定的推广意义。     

基于可视化仿真的高炮系统服务概率分析技术

服务概率是高炮系统作战效能的一个重要指标,同时也是合理配置防空兵器的重要参考依据。以排队论为基础的高炮系统服务概率数学模型及数值仿真技术已经比较成熟,但是其仿真过程不够直观形象。通过数据传递,在数值仿真的基础上建立了视景仿真系统,分析了系统的整体框架以及工作流程。在基于Unity3D的三维视景环境中,以真实的仿真数据来驱动模型运动,实现了目标航迹模拟以及目标信息的实时获取,再现了高炮系统的服务过程与射击效果,为高炮系统作战效能评估提供重要参考。     

对海射击指挥系统中成果法决定诸元数学模型的优化

由于海防炮兵目标出现的范围大,传统的利用射击成果决定目标射击开始诸元的方法很难满足射击开始诸元的精度。通过对成果法决定诸元的误差分析,得出影响精度的主要原因。我们在已知弹道风的情况下,对原成果法作业的数学模型进行优化,提出了在利用成果行大方向转移射击的情况下减小诸元误差的方法,并进行了分析论证,对地面炮兵具有较大参考价值。     

物元理论在优选对地打击目标中的应用

优选对地打击目标是现代信息化战争条件下联合作战对地火力协调中心在计划火力时的首要任务。旨在从目标的重要性、可靠性、射击紧迫性及对其射击时自身被发现的机会四个因素入手,举例证明如何构造物元模型,做到定性与定量相结合,对于编制炮兵C4I系统计划火力软件具有一定的参考价值。