De-combination of belief function based on optimization

In the theory of belief functions, the evidence combination is a kind of decision-level information fusion. Given two or more Basic Belief Assignments(BBAs) originated from different information sources, the combination rule is used to combine them to expect a better decision result. When only a combined BBA is given and original BBAs are discarded, if one wants to analyze the difference between the information sources, evidence de-combination is needed to determine the original BBAs. Evidence d...     

基于D-S证据理论的目标属性辨识研究

D—S证据组合理论已经成为不确定性推理的一种重要方法，基于该理论的多传感器决策层信息融合已得到广泛应用。本文在简要介绍D—S证据组合理论框架基础上，阐述了基于D—S证据组合理论的信息融合一般步骤及决策层判决方法；分析了发生证据严重冲突时，Dempster证据组合规则出现的不可靠和不合理的本质原因，介绍了针对D—S证据组合规则进行修正的几种主要方法；最后，提出了需要继续深入探讨的问题。     

修正D-S证据组合方法及其在目标识别中的应用

在多传感器信息融合算法中，Dempster-Shafer证据理论得到了广泛应用，但该理论本身也存在一些不足之处。针对这种情况，提出了D－S证据组合中“与”算子的一种改进方法，并进行了仿真。仿真结果表明，所提出了算法能够有效排除干扰，得出符合实际的组合结果。     

信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

机载探测设备目标识别算法的研究

针对机载探测设备多传感器系统具有多目标,大量观测数据的特点,提出了一种基于Demp-ster-Shafer（D-S）证据理论和主观Bayesian方法组合的数据融合算法。在数据融合过程中,为保证融合的实时性,融合系统采用时域融合和空域融合相结合的方法,首先对相同传感器的各次抽样值进行时域融合,然后传感器之间的融合采用D-S方法进行融合;最后,其融合结果经概率转化后,与来自于ELINT（Electronic Intelligence）的信息通过主观Bayesian方法进行识别级融合。最后给出一个实例,经过仿真计算证明了该算法的可行性和实用性。     

基于DSmT的航空发动机早期振动故障融合诊断方法

提出在航空发动机多个部位安装多个振动传感器组成传感器网络.采用多传感器信息融合技术进行早期振动故障的诊断方法,并引入Dezert-Smarandache理论(DSmT)来处理由早期微弱故障本身所导致的各个传感器信息相互冲突的问题.在构建的早期微弱故障诊断系统框架中,采用基于本征模态函数(IMF)的信息熵特征提取方法提取各路振动数据的特征,采用反向传播(BP)神经网络完成对故障属性的判断并生成各种故障模式的基本置信分配,最后根据DSmT融合规则得到最终的诊断结果.算例表明采用该方法可以有效地解决早期微弱故障条件下的高冲突信息融合问题,故障诊断结果准确可靠.      

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。     

基于粗糙集理论的证券分析系统数据融合

将粗糙集理论应用于证券分析系统,探讨了相容状况下基于粗糙集理论的数据处理方法,并给出了系统结构和融合方法。该方法以局部决策作为条件属性,融合中心采用粗集理论方法对局部决策进行处理,包括知识表达、化简,最后给出决策规则。从结果来看,采用该方法不需要先验概率,也不需要隶属函数,同时还可以去除冗余的局部决策,使系统的配置最优化、提高了系统的运行速度。     

量测数据自校准融合方法

提出了一种量测数据自校准融合方法,给出量测数据系统误差(未知输入)的自识别自校准公式与计算步骤,能够自动对量测数据中事先无法校准的系统误差进行识别、估计、补偿和修正,从而减小系统误差的影响。建立多传感器的数据融合公式与计算步骤,进而降低偶然误差的影响。分别对线性系统和非线性系统进行了详细讨论,并进行了大量实例计算和仿真模拟验证。从两个算例计算结果可以看出:该方法的相对误差至少要比传统方法减小45%,且计算简单,便于工程应用。      

基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究

针对单一传感器的测量信息难以准确、全面地反映航空发动机转子、轴承和齿轮的工作状况,进而造成振动故障诊断难度大的问题,提出安装多个振动传感器组成传感器网络,建立基于多传感器信息的发动机转子故障决策融合诊断系统。由于多传感器系统不可避免地会存在各传感器信息不一致、信息冲突的情形,因此针对该融合诊断系统的信号测量、信息预处理、特征提取、故障诊断及决策融合5个环节,重点研究了决策融合环节的Dempster-Shafer（D-S）证据决策融合方法存在的冲突证据融合失效问题。通过分析原因,从避免“一票否决”现象和证据加权平均两个方面进行改进,提出了改进D-S证据融合方法,并应用于航空发动机转子的模拟故障决策融合诊断中。结果表明基于D-S证据理论对3个传感器的单一诊断结果进行决策融合,能得到比任一单个传感器更准确、可靠的结果;而改进D-S证据融合方法由于能在一定程度上克服冲突证据融合带来的失效问题,且能同时兼顾处理好非冲突证据的融合,故其对于证据冲突和非冲突情形都取得了较好的融合效果,因此总的分类正确率要高于常规D-S算法和PCR5算法。     

An Application of Evidential Networks to Threat Assessment

Decision makers operating in modern defence theatres need to comprehend and reason with huge quantities of potentially uncertain and imprecise data in a timely fashion. An automatic information fusion system is developed which aims at supporting a commander's decision making by providing a threat assessment, that is an estimate of the extent to which an enemy platform poses a threat based on evidence about its intent and capability. Threat is modelled by a network of entities and relationships between them, while the uncertainties in the relationships are represented by belief functions as defined in the theory of evidence. To support the implementation of the threat assessment functionality, an efficient valuation-based reasoning scheme, referred to as an evidential network, is developed. To reduce computational overheads, the scheme performs local computations in the network by applying an inward propagation algorithm to the underlying binary join tree. This allows the dynamic nature of the external evidence, which drives the evidential network, to be taken into account by recomputing only the affected paths in the binary join tree.     

基于神经网络和D-S证据理论的发动机磨损故障融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析,同时结合发动机试车台监测数据,提出运用神经网络和D-S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,统一转换成故障征兆的布尔值;其次,建立各子神经网络的拓扑结构,并依据专家经验建立各子系统的输入征兆与故障论域的映射关系,从而得到各子神经网络的训练样本,对各网络进行成功训练后,利用神经网络实现各子网络的诊断并得到中间诊断结果;然后,将每种方法的神经网络诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对神经网络的诊断结果的融合,从而得到最终的融合诊断结果;最后,运用算例表明了本文方法的有效性。      

基于共轭方程法的跨音速机翼气动力优化设计

 设计状态的机翼气动力特性是设计人员最为关心的指标, 应用控制理论设计方法进行了有升力约束情形下跨音速机翼阻力优化设计研究, 根据给定的目标函数推导了相应的共轭方程和边界条件, 研究了共轭方程的数值求解方法, 以及计算目标函数对设计变量的敏感性导数时所涉及的度量矩阵变分求解问题, 研究了流场计算、共轭方程数值求解、敏感性导数求解和拟牛顿优化算法这几个主要方面的有效结合问题, 发展出了一种跨音速机翼气动力优化设计方法, 进行了跨音速机翼气动力优化设计研究验证, 优化后机翼气动力特性有一定程度的改善, 阻力系数能减少20%左右, 而升力系数有所增大, 说明所发展的设计方法是成功的, 该设计方法在跨音速及复杂外形气动设计方面比以往设计方法具有更好的适用性和优越性。     

多目标自然层流翼型反设计方法

 进行了基于扰动放大N-因子的目标压力分布设计方法的多目标自然层流（NLF）翼型反设计方法研究。流场分析和转捩位置计算用XFOIL程序,大大减少了计算花费。用N-因子设计方法进行有NLF范围要求和满足气动约束的目标压力计算,压力恢复段的压力分布用Stratford分离准则来进行设计。用基于响应面方法的优化方法来进行反设计计算,使用不含二阶交叉项的二次多项式模型的响应面模型,大大减少了构造模型所需的试验次数;设计空间内试验点的选取满足D-优化准则。根据设计目标的设计状态,进行了多目标翼型反设计。计算结果表明,设计结果的层流范围和设计目标基本吻合,该方法可以用于NLF翼型的多目标反设计中。     

基于小波变换的多聚焦图像融合评述

概述了数据融合的基本概念和应用,简明分析了多聚焦图像的成像机理,从像素级层面上描述了基于小波多尺度变换的图像融合思想和过程.由于在基于小波变换的图像融合过程中,融合规则起很重要的作用,因此本文重点综述了适于多聚焦图像融合的三种融合规则：基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则,并对这些规则进行了比较,最后给出了图像融合效果的客观评测方法.     

基于PNN-DS信息融合模型的目标识别方法

针对目标识别中常用BP—DS信息融合方法识别率低,运行速度慢,抗噪性差等问题,提出一种基于PNN网络和DS证据的信息融合方法。该方法不仅综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,利用神经网络和证据推理算法获取了基本概率赋值,同时突出了PNN网络在处理多传感器信息的准确性和运算速度上都要优越于BP网络的特点。     

改进的 YOLOv4在飞机蒙皮损伤检测中的应用

针对飞机蒙皮检测中存在的小目标检测欠佳、漏检等问题,提出了 1种基于增强特征融合和 ATSS的 YO. LOv4飞机蒙皮图像目标检测算法。首先,增加用于目标预测的大尺度浅层特征层,以提高模型对小目标的检测效果;其次,增加特征融合网络层数,通过浅层与深层特征层的深度融合,丰富多尺度特征图中的特征信息;然后,通过 K-means++聚类算法对数据集的真实框聚类,获得更具代表性的先验框尺寸,以提高预测框对目标的定位准确度;最后,引入 ATSS对 YOLOv4的样本选择策略进行优化,通过自适应获取最优的 IoU阈值,实现正负样本自动划分,提升模型的检测性能。实验表明,在增加少量计算成本的情况下,算法的检测性能得到有效提升,mAP提升 7.7%,检 测的准确率达到 80%以上。     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

数据库技术在多传感器信息融合系统中的应用综述

数据库技术在多传感器信息融合系统中占有非常重要的地位。论文以数据库对融合算法的支持为目标,以数据库模型和数据融合数据库的全面设计为基础,在全面考虑面向特征的数据表征形式和组织结构的基础上,详细讨论了多传感器信息融合系统中数据库设计的基本理论,讨论了融合算法对数据库的需求和数据库设计,设计了辐射源识别的知识数据库。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。