基于加权D-S证据理论的辐射源目标识别

在目标识别中D-S证据理论应用较为广泛,该理论要求各传感器的重要程度相同,与作战使用相矛盾.就此提出了基于加权D-S证据理论的时空域目标识别方法,突出了不同传感器在目标识别中的地位和作用,使目标识别结果更接近作战实际.     

基于D-S证据理论的飞机空气制冷机寿命趋势分析

针对飞机空气制冷机的寿命趋势分析问题,为了提高预测精度,提出了基于改进D-S证据理论融合的飞机空气制冷机寿命趋势分析方法。分别采用SVM、BP神经网络和GRNN神经网络预测模型对飞机空气制冷机的寿命进行趋势分析;然后采用改进的D-S证据理论求取每个模型的基本信度值,可使预测效果好的模型具有更大的信度值;最后通过D-S合成法则对得到的可信度进行分析评价并合成,确立最终的组合预测模型。研究表明,经过改进的证据理论融合后的趋势预测模型,能很好地实现对飞机空气制冷机的趋势分析和寿命预测,该方法有效可行。     

基于权值改进D-S理论的对空目标识别融合

针对传统证据理论证据高冲突性问题,提出了一种基于权值改进型Dempster-Shafer(DS)理论的对空目标识别方法。在研究D-S证据理论数学模型基础上,依据泛函距离空间理论,更新计算各个传感器的信度函数可靠性权值,对各个传感器的基本概率赋值函数进行修正,最后利用D-S合成公式对各个传感器进行融合判决。仿真结果证明了该方法的有效性。     

基于模糊集理论和D-S证据推理的空袭目标识别

目标识别是防空作战指挥过程中信息处理的一个重要环节。在基于模糊理论目标识别基础上,引入D-S证据理论,通过对模糊隶属度进行重新分配,较好地克服了随机因素的影响,可望进一步提高对空中目标的正确识别率。     

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D-S理论的多传感器空中目标识别

针对当前空中目标识别的特点,探讨基于D-S理论的多传感器空中目标识别方法.设计了一套多传感器空中目标识别算法.详细推导了该算法,对"未知度"的概念进行了扩充,让其涵盖了部分不可求的逆命题,并结合具体实例对其应用进行了验证和分析.分析表明,该算法能够较好地识别空中目标.灵活确定"未知度",适当扩充"未知度"的概念,可使一些复杂问题简单化,通过较少地运算达到预定效果.     

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RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

航母编队特点及对策研究

为了打赢未来可能发生的高技术局部战争,必须深入研究航母编队特点,积极探索能有效克制航母编队的战法。从航母编队的作战编成、攻防体系和队形以及C3I系统的结构及功能等方面分析了航母编队的特点,重点研究了航母编队C3I系统的特点。针对其特点,提出了几点抗击航母编队的对策。     

基于改进的BP算法的舰载C4I威胁判断模型

为解决传统舰载C4I威胁判断模型的不足,寻求适应信息化作战要求的舰载C4I威胁判断模型,将神经网络引入舰载C4I系统,提出了基于BP神经网络的威胁判断模型,并对BP算法进行了改进;通过Matlab仿真计算,结果表明该方法计算速度快、精度高.     

基于递归神经网络的C3I系统故障预报系统

阐述了C3I系统故障预测系统的设计要求,分析了带有偏差单元的递归神经网络的相关原理,建立了C3I系统故障的神经网络预测模型并提出了相应的训练算法.提出了把神经网络、预测理论和专家系统有机地结合起来建立故障预报系统的初步设想.并以防空C3I系统的典型故障为例,实现了故障的预测.预测结果证明,给出的神经网络预测模型和训练算法是可行的,且具有较高的精度.     

防空C3I系统作战效能评估

为了更好地认识防空C3I在现代防空作战中的作用,了解我军防空C3I的作战效能,立足我军防空C3I装备现状,根据其技术性能及作战使用方法,依托已有研究成果,采取新的研究思想,运用WSEIAC法评估了防空C3I的作战效能.这种评估思想紧贴防空作战的实际,最大限度地衡量了防空C3I在作战中的性能发挥程度,对今后进行深入的研究发展,具有一定的参考价值.     

证据推理法在C4ISR系统可靠性评价中的应用

首先参考外军NATO COBP阐述了不确定性处理在C4ISR系统评价中的重要性,鉴于ER方法的先进思想,介绍了ER(Evidential Reasoning)方法在不确定条件下的基本评价框架,并对ER方法和AHP方法,D-S证据理论以及模糊综合评价方法进行了比较综合,针对我军C4ISR系统可靠性评价中的数据不完备等实际问题,初步应用此方法进行评价,对决策人员有一定的参考意义.     

HLA在C3I系统仿真试验中的应用

采用系统仿真结合实装试验的方法构建仿真试验环境,是实现对C3I系统全面而系统的评估的必要手段.而这种与实装结合的仿真试验环境如何构建,采用什么样的体系结构是目前迫切需要解决的问题.在总结C3I系统仿真试验的特点以及高层体系结构(LHA)主要思想的基础上,提出了基于HLA的C3I系统仿真试验环境建设方法,为C3I系统试验的实施提供了一种新思路.     

分布式防空C3I系统面向对象建模方法

采用面向对象的建模思想,把分布式防空C3I系统的各个组成部分抽象成对象,从时间、空间和功能的角度对分布式防空C3I系统进行了描述.通过确定对象类、类的属性、操作及类之间的关系而建立了分布式防空C3I系统的对象模型;通过对系统状态转换的分析,建立了分布式防空C3I系统动态模型;通过对系统功能模型的分布,利用层次数据流图建立了分布式防空C3I系统功能模型.     

台湾海军C3I系统装备现状和发展特点

自20世纪70年代以来,台湾在美国的支持下致力于C3I系统的建设,现已初具规模.台湾为了实现其"台独"的目的,更是极力推进海军C3I系统建设.在当前我军迫切需要了解和分析台湾指挥自动化系统的现状与发展.在简要介绍了台湾的衡山防务C3I系统之后,重点讨论了台湾海军C3I系统发展及其部分系统功能特点,分析了台湾海军C3I系统特点及其发展趋势.对台湾海军C3I系统的分析在当前对抗斗争中和加强我军C3I系统建设上具有重要的理论与现实意义.     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。