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.     

NCW背景下的潜艇对水面舰艇编队威胁判断

针对网络中心战(NCW)背景下水面舰艇编队反潜的实际情况,采用层次分析理论探究潜艇对水面舰艇编队的威胁判断问题。将编队攻击意图系数和编队攻击达成系数引入威胁判断,从编队攻击意图推理、攻击紧迫程度和攻击达成可能性三个方面建立了潜艇对于威胁的总体感知模型框架。该模型框架较之以往更全面地考虑了水面舰艇编队对潜艇的威胁因素,为下一步刻画潜艇对威胁的感知提供基础。     

基于模糊推理的目标对潜发现问题研究

基于模糊推理基本思想,针对潜艇水下收集目标信息的特点,在目标对潜艇威胁信息存在不确定性因素的基础上,建立了判断潜艇被发现与否的指标体系,应用模糊推理方法建立了判断规则,并给出了推导过程和实现方式,在把模糊推理方法应用于潜艇威胁判断模型的研究上做了初步尝试。     

关键征候在潜艇威胁判断中的应用

传统的潜艇威胁判断模型中对关键征候的利用不是很充分,主要运用确定型模型,通过传感器获得目标主动信号的变化等实时信息判断潜艇是否被发现。分析研究了关键征候在潜艇对目标攻击企图的估计和对目标是否确认发现潜艇的估计应用,提出了把各种征候引入到模型中,根据征候的有无和征候发生的程度来对目标的威胁等级划分和排序,提高威胁判断的质量。     

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D-S证据推理的C3I系统效能评估

阐述了D-S证据推理的数学原理,探讨了D-S证据推理方法在C3I系统效能评估中的应用,并建立了C3I系统效能评估模型,最后结合具体实例进行分析.     

潜艇对水面舰艇编队攻击意图推理研究

为量化编队的对潜攻击意图,首先从潜艇能够获取的信息中提取攻击意图检测值;其次采取基于目标信息要素聚类的编队群体识别,将潜艇探测到的所有目标按照编队分群;最后采取基于可变权多目标决策的编队攻击意图推理将编队攻击意图的明显程度量化为编队攻击意图系数。研究使得编队对潜攻击意图表征成为可能,为威胁判断后续工作打下基础。     

基于D-S证据理论的炮兵战场目标价值分析*

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

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.     

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.     

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。     

层次分析法在对潜多目标威胁度评估中的应用

针对潜艇行动隐蔽的主要特点,引入层次分析法来解决潜艇威胁度评估问题。以水面舰艇对潜作战为背景,对影响潜艇威胁度评估的六种属性进行分析,提出基于层次分析法的多目标潜艇威胁度评估模型。通过建立层次结构模型,构造判断矩阵,获取了六种属性的权重值,并进行实例计算演示了评估的过程。该方法可一定程度地解决对潜作战多目标威胁度评估和排序问题,提高水面舰艇对潜火力分配效率。     

基于模糊推理的目标攻潜武器判断

介绍了模糊推理理论基本思想,分析了判断目标攻潜武器的战术依据.针对潜艇水下收集目标信息的特点,应用模糊推理理论建立了目标攻潜武器类型的判断规则,并给出推导过程和实现方式,在把模糊推理理论应用于潜艇威胁判断模型的研究上做了初步尝试.     

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。     

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。     

基于状态评估的复杂系统任务成功性评估

给出了基于状态评估的复杂任务成功性评估模型,通过任务分解确定相关功能单元,而后利用D-S证据理论对相关功能单元的技术状态展开评估,结合具体任务剖面与技术状态评估结果实现对复杂系统的任务成功性评估。最后以实例表明该方法运用在某型装甲装备任务成功性评估上的有效性和实用性。     

火灾等级标准问题的数量化研究

在定性分析现有火灾等级标准的基础上,做出了火灾等级标准的数量化探讨。将D-S证据理论方法应用到火灾等级的综合评价中,将死亡人数、重伤人数、直接财产损失三个重要指标作为评定证据进行信息汇集,将汇集结果作为评定标准,针对中国消防年鉴中530起重、特大火灾进行实例计算,并做出总体分析、特例分析和边界值分析。结果表明该方法克服了单因素评价的不足,使评价更加科学、合理。     

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。     

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效.Yager等学者对此作了改进,但是改进后合成公式又存在着新的问题.考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果.