冲突证据决策新方法及应用

冲突证据决策方法研究是证据理论重要研究课题。鉴于现有的证据理论改进方法在冲突证据决策过程中存在计算量较大,归一化过程不合理,证据组合效果不理想等一系列问题,提出基于二次组合的冲突证据决策方法。首先,提出新的基于二次组合的冲突证据决策方法的流程图;然后,提出新的乘性归一化规则,并对新的乘性归一化规则进行算例分析,验证其合理性;最后,分析现有冲突度量函数的不足,并提出新的冲突度量函数,并分析冲突度量函数的合理性。通过算例分析,并与现有证据组合规则的比较表明,所提方法不仅计算量得以改善,组合结果也得到提升。      

融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

基于分类及不确定墒的DS证据合成及判决方法

提出了一种基于证据分类及不确定墒的修正证据合成方法,以解决证据冲突情况下的合成问题,该方法模仿人处理冲突信息时所经常采用的策略,即首先将证据分类,保证分在同一类中的证据具有较大的相似性,然后依据分类结果中各类证据的个数以及其本身具有的不确定性程度,决定对该类合成结果的信任度,并通过加权方法得到最终的合成证据.      

证据源权重的计算及其在证据融合中的应用

证据融合是提高目标识别准确性的有效方法.为了解决高度冲突证据融合时产生不合理结果的问题,提出了证据源权重的评定原则.引入了证据距离的概念,根据证据源权重的评定原则,提出了证据源权重的计算方法,实现了对各传感器证据的按权相加修正,从而在信息融合之前消除了冲突证据,避免了不合理结果的产生.为了有效利用先验知识,提高目标识别的效率,分两种情况设计了证据融合的方案,并进行了融合复杂性分析.分别对两种证据融合方案进行了仿真试验并进行了比较分析,仿真结果验证了使用证据融合进行目标识别的有效性.     

基于D-S证据理论的知识融合及其应用

知识融合是上世纪末提出的一种新概念,它不但能够融合数据、信息,而且还可对方法、经验,甚至人的思想进行融合.针对企业失败预警问题,提出了一种基于D-S(Dempster-Shafer)证据理论的新的知识融合方法,该方法主要包括数学建模、知识融合以及结果分析与决策三个步骤.给出了基于D-S证据理论知识融合方法的具体实现:提出了一种数学建模方法,将信息熵的概念引入到基础概率分配的确定中;针对企业失败预警问题,推导了基于D-S证据组合理论的知识融合公式;提出了一种简洁的融合结果分析与决策方法.最后通过对具有典型企业风险特性的两个上市公司进行分析和处理,验证提出的基于D-S证据理论的知识融合方法的有效性.结果表明,该方法能有效降低企业失败预警方法的不确定性.      

多源知识融合处理算法

多源知识融合可有效提高判决结果的可靠性和置信度.借鉴信息融合的思路,分析了知识融合方法和一般模型.重点讨论了基于Bayes准则、基于D-S(Dempster-Shafer)证据理论以及基于模糊集理论的知识融合算法,给出了基于3种知识融合算法的具体处理步骤,并从算法特点和适用性、实用性等方面对3种知识融合算法性能进行了对比分析.通过知识融合在合成孔径雷达(SAR,Synthetic Aperture Radar)图像融合中应用的仿真实验,验证了知识融合算法的有效性.     

基于证据理论的TPS诊断性能综合评定

测试程序集TPS(Test Program Set)诊断性能的评定是保证TPS质量的重要手段.针对TPS诊断性能的评定问题,研究了基于D-S(Dempster-Shafer)证据理论的综合评定方法,介绍了D-S证据理论的基本原理,提出了TPS评价验证的数学模型以及基于证据理论的TPS诊断性能综合评定的基本框架,定义了TPS诊断性能的基本概率分配函数(BPAF,Basic Probability Assignment Functions),并在此基础上提出了基于Kolmogorov-Smimov(K-S)检验的BPAF确定方法,给出了TPS诊断性能综合评定的步骤,最后对基于D-S证据理论的TPS诊断性能综合评定的有效性进行了实例分析,结果证明了该方法的有效性.      

应用证据推理理论实现卫星故障诊断信息的融合方法

针对卫星故障诊断中应用同一征兆域信息难以区分的故障，提出了一种基于证据推理理论的故障诊断新方法．该方法应用证据推理理论实现卫星故障不同征兆域信息的融合，从而获得更加准确的故障定位．文中分析了卫星故障诊断中应用证据推理理论进行信息融合的必要性，研究了应用证据推理理论实现卫星故障不同征兆域信息融合的理论方法，给出了该方法的实际应用，讨论了应用该方法需注意的问题，最后给出了结论．     

基于DS证据理论的航天设备寿命预测方法

以动量轮为研究对象,提出一种基于D S证据理论和Bayes理论的信息融合及寿命预测方法。首先,挖掘多个寿命信息源的内、外部信息作为Bayes多源验前信息,并构建证据集合;其次,利用合成规则对证据集合进行合成,得到合理的验前融合权重的分配结果;然后,利用Bayes方法求解寿命参数的融合验后分布,并计算寿命参数的估计值;最后,根据参数估计值预测设备的剩余寿命。仿真结果表明,基于多源寿命信息融合的预测结果与单一来源的寿命预测结果相比,更加接近于设备的真实寿命信息。     

高超飞行器的天基多尺度异步平台协同探测方法

本文针对多种不同传感器协同探测信息融合过程中的异步融合与时间延迟问题,提出了一种基于多尺度系统理论的多传感器时间配准融合方法。首先,建立单状态多量测的多尺度系统模型。其次,结合尺度递归状态融合算法和有序加权平均策略(OWA)算法,解决了异类传感器间采样率不同而引起的异步融合问题。然后,对融合中心的信息到达情况进行分析,基于OWA算法通过预测补偿方法完成对传感器延迟信息的处理。最后仿真结果表明本文所提方法可以有效解决多传感器协同探测中的异步融合与时间延迟问题。     

DS/FH混合系统鲁棒自适应抗干扰技术

根据鲁棒估计理论,采用一种基于广义M估计的自适应滤波器消除DS/FH混合扩频系统中的部分带宽干扰,并推导了鲁棒自适应算法.比较了2种M估计中常用的ψ函数的性能:Huber函数(Huber function)、三权重函数(Tri-weight function).Monte Carlo 仿真结果表明,采用鲁棒自适应滤波器的DS/FH系统抗非稳态干扰性能显著提高,且具有拒绝特性的三权重函数性能明显优于Huber函数.      

直反信号协同的GNSS-R BSAR距离多普勒成像算法

针对目前基于全球导航卫星系统反射信号的双基地合成孔径雷达（GNSS-R BSAR)在一站固定模式下的大斜视,斜距历程复杂,回波信号方位空变导致回波信号难以处理的问题,提出改进的距离多普勒成像新算法。所提算法采用GNSS信号作为辐射源,根据一站固定模式下GNSS-R BSAR合成孔径时间长的特点,引入高阶等效斜视距离模型,得到导航卫星与目标斜距相对时间变化的精确描述。先通过直射信号与回波信号时域对消进行距离徙动校正,实现全场景目标距离徙动的精确校正;再通过方位向分块混合相关处理来克服回波信号方位向的移变性质,实现全场景高效精确成像。所提算法的成像效率优于传统后向投影时域（BP）算法,成像精度与BP算法相当,且可根据需要通过调整方位分块的宽度来提升聚焦效果。最后,用GPS-L5信号进行仿真和实验,仿真和实验结果验证了所提算法的可行性和高效性。     

基于健康度分析与分层数据融合的导弹健康状态评估

针对导弹装备提出了一种基于健康度分析与分层数据融合的评价方法，可以实现对导弹健康状态的评估与分级。首先，利用导弹各个部件的性能参数来计算部件的健康度，并通过部件的履历信息对其健康度进行修正。然后，对各部件的修正健康度进行分层数据融合来得到导弹综合健康状态的评估结果。特别地，设计了一种基于惩罚型权重更新的健康度分层数据融合算法，能够有效提高导弹综合健康状态评估结果的合理性和可靠性。最后，采用导弹的性能参数数据对所提出的方法进行了仿真验证，仿真结果表明了所提方法的可行性与有效性。     

基于深度学习的无人机视觉目标检测与跟踪

针对目标检测中小目标物体漏检率及误检率高等问题,提出了一种基于Yolov3-Tiny算法的改进模型。改进k-means聚类方法,增加3×3和1×1的卷积池化层,将第9层卷积输出上采样,并与第8层卷积得到的特征图进行连接,得到新的输出:52×52卷积层,形成新的特征金字塔。基于卡尔曼滤波算法实现目标跟踪,提出融合跟踪算法的检测网络,使用匈牙利匹配算法对检测边缘框与跟踪边缘框进行最优匹配,利用跟踪结果修正检测结果,提高了检测速度,同时提升了检测能力。在ROS、Gazebo和自动驾驶仪软件PX4的综合仿真环境下对所提算法进行了对比试验。试验结果表明:改进算法平均检测速度降低了15.6%,mAP提高了6.5%。融合跟踪算法后的网络平均检测速度提高了34.2%,mAP提高了8.6%。融合跟踪算法后的网络能够满足系统实时性和准确性的要求。      

PMMWI与Ⅵ优势互补的人体隐蔽违禁物检测与定位

根据公共场所人体安检的性能要求和技术需求,将被动毫米波成像（PMMWI）的可透视成像性能优势与可见光成像（Ⅵ）的细节高分辨性能优势相结合,提出一种基于PMMWI与Ⅵ优势互补的人体隐蔽违禁物检测与定位算法。首先,提出一种基于低层特征融合的改进U-Net以增强深度神经网络（DNN）对PMMWI中弱小目标轮廓的敏感度,提高PMMWI中人体轮廓和隐蔽违禁物的分割精度,并同时实现Ⅵ中人体轮廓的像素级分割;然后,在PMMWI和Ⅵ中的人体轮廓分割基础上,通过基于人体轮廓的尺度变换与滑动适配实现PMMWI人体轮廓和Ⅵ人体轮廓的良好配准,根据配准结果实现单帧图像中人体隐蔽违禁物的高效检测;最后,通过序列图像检测结果的对比融合与优化决策给出隐蔽违禁物的定位结果。一系列综合实验与对比分析结果,验证了提出的人体隐蔽违禁物检测与定位算法的性能优势。