D-S 证据理论应用中的一种图解方法

D-S证据理论是对概率论的进一步扩充,在多传感器数据融合中,有着广泛的应用.当利用D-S合成公式进行融合时,由于需计算的项数较多且不易直接判定具体该有哪些项,容易造成漏项或错项,引起计算错误.提出了一种直观、简单的图解法,可使需计算的项一目了然.     

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。     

见证历史 越南战争证据博物馆纪行

越南战争证据博物馆坐落于胡志明市武文频街28号,此地是当年美国驻南越首府西贡（即胡志明市）情报总部的别墅楼,越南统一后变成了战争罪行纪念馆,后改名为越南战争证据博物馆。博物馆的正门看起来非常朴素,也没有宏伟的建筑,但它记载了越南近代历史上非常沉重的一页——越南战争。     

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。     

D-S推理的炮位侦校雷达目标模糊识别

随着对战场透明度的要求越来越高,炮位侦察校射雷达不仅要快速准确侦察敌方炮位和校正己方射击,还应根据弹丸的飞行特性,确定发射弹丸的武器平台类型,从而为目标威胁判断和指挥决策提供支持.在基于D-S证据理论的基础上,应用模糊识别理论,通过对模糊隶属度进行重新分配,探讨了对炮位侦察校射雷达战场目标进行识别的算法,列举了具体的实例,实验结果验证了算法的有效性.     

基于关联分析的频谱感知信息加权融合算法

针对多传感器协作式感知模式下感知信息融合精度不高的问题,提出了一种频谱感知信息的加权融合算法。采用灰关联分析方法确定不同传感器的权重,利用加权证据理论对频谱感知信息进行融合,减少感知信息中的不确定性因素对融合结果造成的影响。仿真结果表明该算法能有效提高感知信息融合的精度,从而提高频谱感知的准确性和可靠性。     

基于DS/AHP的导弹发射阵地选择方法

战术导弹发射阵地选择是导弹作战兵力运筹的重要组成部分,其本质是一多准则多属性决策问题。传统的层次分析法无法明确描述这类问题中所蕴涵的不确定性,通过DS证据理论的引入,研究了战术导弹发射阵地选择的DS/AHP方法,应用实例说明了该方法的可行性和有效性。     

基于DIS证据推理的高炮武器系统效能评估

阐述了D/S证据推理的数学原理,探讨了D/S证据推理方法在高炮武器系统效能评估中的应用,并建立了高炮武器系统效能评估模型,最后结合具体实例进行分析。     

基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。     

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.