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D-S证据理论的多传感器雷达辐射源识别模型

针对复杂电磁环境下多传感器获得的雷达辐射源信息具有不确定性的情况,利用灰色定权聚类法对大量的传感器数据进行处理,以简化雷达辐射源特征数据,在此基础上,探讨了通过灰关联分析确定证据理论中基本概率赋值函数的方法,并应用修正的D-S证据理论实现目标识别,通过仿真验证了该模型能够有效减小雷达辐射源所受的噪声干扰,具有一定的可行性。     

基于预计和评估结果融合的电子装备可靠性预测方法

分析了目前获得电子装备可靠性水平的可靠性预计和评估两种方法各自的优缺点,确立了融合两种方法所得结果以解决各自方法不足的思想.基于证据决策理论,以电子装备累积故障概率作为目标集,将可靠性预计结果和评估结果分别作为两批证据对目标集进行支持.利用信息融合方法,对两个利用不同源信息得出的预计结果和评估结果进行了融合,并得到了准确、实用的可靠性预测结果.最后以某型雷达为例进行实例分析,验证此方法的可行性.     

融合战术与修正物理特征的空中目标战术类型识别

针对敌方飞行器隐身、伪装技术的日趋成熟,致使我方由侦察设备获取的电磁信号严重变形,特别是物理特征在目标类型识别中的作用日趋减弱的现实问题,提出了一种融合目标战术特征修正物理特征证据的目标战术类型识别方法。该方法从目标战术类型识别的军事需求出发,提出对冲突物理特征证据的阶梯式修正规则,以及对冲突证据折扣因子的优化方法,并将修正后的证据重新组合得到识别结果。仿真实例证明该方法在处理目标冲突物理特征证据时具有高准确率的特点。该方法为复杂环境下的目标战术类型识别问题提供一种新的解决思路。     

基于数据融合的智能故障诊断仿真研究

武器系统是现代作战系统的重要组成部分.在使用过程中,一旦系统出现故障,就会导致严重的经济损失、人员伤亡和军事上的失利.因此,必须能及时发现、尽快排除武器系统的故障.多传感器数据融合技术与人工智能方法相结合,可使诊断系统具有良好的柔性和可理解性,使之能够处理复杂的故障问题.这是武器系统故障诊断的一个有效、快捷的途径.     

两级信息融合技术在柴油机故障诊断中的应用

针对传统神经网络在故障诊断中因测点信息多而导致的网络庞大、收敛困难等问题,引入集成神经网络,提高了融合诊断效率;同时引入基于D-S证据理论,这种决策融合方法解决了集成神经网络各个子网诊断结果不一致的问题。在应用于柴油机故障诊断时,首先对测取的正常和故障样本进行小波包AR谱分析,同时提取各个特征频带的能量分别作为集成神经网络对应子网的输入进行诊断,当其无法确定诊断结果时,再运用证据理论进行决策融合输出最终诊断结果。试验证明:基于集成神经网络和D-S证据理论的两级综合诊断模型提高了诊断的准确性和可靠性。     

基于D-S理论的组网对抗效果实时评估

研究了现有各类效果评估方法的局限,提出了组网电子对抗条件下效果实时评估的实现途径,将目标辐射源的信号波动度作为效果评估的依据,并提出了所需信度函数的获取方法。在此基础上,应用D-S证据理论进行多信息融合,进而作出效果实时评估。最后对融合过程作了仿真计算,仿真结果对于未来组网电子对抗作战具有较大的参考价值。     

一种基于证据间距离和信息熵的证据组合方法?

针对改进的基于证据间距离的组合方法，首先计算证据间距离并求出各个证据的支持度和可信度，选取支持度高的作为较可信证据，其次引入证据信息熵，计算修正系数，对这些证据的可信度进行修正，将可信度作为权重，进行证据的加权平均，再利用Dempster组合规则对所有证据进行融合。算例表明，该方法比现有的方法更加有效。