地面防空火力单元基于D-S理论选择反导防御手段

在现代战争中,飞航导弹发挥了重要作用,取得了巨大的作战效能。地面防空火力单元面临着如何合理使用防御措施、正确选择干扰手段加强对飞航导弹防御的问题。提出一种把基于D-S理论的数据融合技术应用于地面防空火力单元选择干扰手段进行反导防御的方法。结果表明,利用D-S理论可以较好地选择对飞航导弹的干扰手段。     

利用时间谱信息融合的空中目标分类算法

时间谱信息(目标的航迹、速度、机动性、空间坐标信息)揭示了目标空间状态随时间的变化特性,从而可利用目标的时谱简化(或缩小)待识别目标的范围。将低分辨雷达测量得到的高度、速度、加速度作为目标特征,建立典型空中目标对各特征的模糊隶属函数,进而采用改进的证据推理进行分类判决。结果表明利用时间谱信息可为雷达空中目标识别提供有效辅助手段。     

接敌前基于D-S理论的空战意图预测

接敌前是指敌机刚进入我方预警系统的探测范围(一般为400 km),并截获敌机,获得了敌机的运动参数,对敌机进行实时跟踪。为了完成对敌机目标意图的预测,为接敌前的自主决策打下基础,在D-S证据理论的基础上,选取合适的态势元素,分析各态势元素对敌机意图的影响,建立了目标意图预测模型,该模型具有一定的表达性和准确性。仿真实验表明,使用该模型能在敌机相距较远时以一定的准确性判断敌机的意图,实用性强,为接敌前基于意图预测的自主决策留出足够的时间。     

一种新的基本概率函数构建方法及应用

针对Dempster-Shafer(D-S)证据推理中基本概率赋值函数的构造问题,基于模糊聚类分析给出了一种新的构建方法.将它应用到雷达目标识别的仿真实验中,并与灰关联法相比较,结果表明该方法切实可行,不仅提高了基本概率赋值的准确性和稳定性,而且利用了数据的结构信息,有效缓解了证据的冲突.     

火灾事故调查引发行政诉讼案件的理性思考

根据《行政诉讼法》的合法性审查原则 ,并结合实际火灾案例 ,阐述在火灾事故调查工作中 ,公安消防机构如何适应行政诉讼的要求 ,切实做到依法行政。     

基于证据理论的自适应协同方法在打击目标 排序中的应用

针对指挥员在选择及对打击目标排序时会产生不同结果,采用证据理论进行了协同。以各指挥员的判断作为证据理论的识别框架,采用证据加权法及对各证据的合成,确定了证据的基本可信度分配,降低了各证据间的冲突,筛选出肯定的证据,达成指挥员决策的自适应协同,实现对打击目标更为合理的排序。     

不确定熵证据合成法在防空兵火力配系评估中的应用

防空火力配系是根据任务、敌情、地形和火器的性能,对参战的各种火器作适当的配置和分工所构成的火力系统,防空火力配系是典型的多属性决策问题,而多属性决策问题中存在着属性评价的不确定性问题,而证据理论是典型的多属性融合理论,它的天生缺陷就是不相容证据合成带来的问题,为此引入基于不确定熵证据合成的多属性决策理论,能够很好地克服上述不足,用来对防空火力配系进行优化,可以解决多目标决策中的信息不完全性,效果良好.     

基于区间数的DS证据合成方法研究

在DS证据理论的应用过程中,命题的基本概率赋值函数起到了关键的作用,传统DS证据理论中基本概率赋值函数的取值为[0,1]中的单点值.在很难准确将证据所支持命题的基本概率赋值表示为[0,1]之间的单点值时,可以用区间数形式来表示命题的基本概率赋值.在建立符合运算封闭性的区间数广义求和与广义乘积算子的基础上,定义了基于区间数的基本概率赋值函数、信任函数以及似然函数等重要概念,给出了证据合成规则,进而提出了基于区间数的DS证据合成方法.计算实例表明,与传统DS证据合成方法相比,基于区间数的DS证据合成方法具有更灵活的应用特性和更小的计算复杂度.     

基于D-S证据理论的协作式频谱感知方法

频谱感知是认知无线电的关键技术,感知精度和速度直接影响到认知无线电网络的整体性能。由于单台感知的性能受环境影响严重,协作式频谱感知被广泛使用。为提高协作式频谱感知性能,采用可变策略的Dempster-Shafer证据理论对两种感知方法产生的信息进行融合:一种是能量检测法,该方法速度快但准确度不高;另一种是周期平稳信号检测法,准确度高但周期长。通过融合实验结果表明,同单独一种检测方法相比,基于Dempster-Shafer证据理论的认知网络,其感知能力明显提高,系统的容错性和敏捷度也有增强。     

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.