多传感器协同探测证据理论分类融合方法

随着智能化、网络化集群作战等理念和技术的兴起，精确制导武器越来越向智能化、协同化方向发展。多传感器协同探测能够针对不同的探测任务背景和作战需求，提升目标探测性能，还可以跨域整合多种探测平台。但是由于信息的不确定性等特点，使得多传感器数据直接融合可能造成决策困难。因此，在证据理论体系下对信息融合的有效性进行合理分析与度量是很有必要的。提出了一种基于Deng熵的证据理论分类融合算法，以熵减为主要思想，将证据进行分类融合。在决策过程中，将含有证据数最多的类别融合结果作为总体融合结果，避免高冲突证据的影响，提升融合结果的信息有效性。采用算例说明了所提方法不仅能够得到合理正确的结果，并且融合可靠性较高，便于决策与后续的信息处理。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。