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.      

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

基于谱分割的视频镜头聚类方法

针对现有镜头聚类算法中选择最优化分类个数复杂度较高、分类结果准确性较低的问题,提出了一种基于谱分割理论的镜头聚类算法.通过对每个镜头集构造球状高斯模型SGM(Spherical Gaussian Model),最优化地拟合镜头数据集,提高镜头分割的准确性;在镜头迭代分类过程中采用谱分割算法以提高最终分类结果的准确性;在迭代分类过程中,采用贝叶斯信息准则BIC(Bayesian Information Criterion)作为分类停止的评判标准;最后根据BIC准则计算每两类融合前后的匹配值,判断比较后对分类结果进行融合,矫正在分类过程中同一类被割裂的错误.通过3类体育视频样本对算法的有效性进行了验证、比较和分析.     

基于GPS与磁强计组合的姿态确定

提出了一种基于信息融合的姿态确定方法用于姿态确定。利用星上的GPS接收机和磁强计两种敏感的测量，基于广义卡于尔曼滤波理论及信息融合理论，发展了基于此两种敏感器的全局最优融合估计算法。来确定卫星的姿态和姿态角速度。并对处法进行了设计和仿真，通过与单独使用GPS确定姿态的算法进行对比分析。结果验证了该算法进行对比分析，结果验证了该算法的优越性。     

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。     

无反馈多级式多传感器组合导航系统

传统的多传感器组合导航系统大都采用集中式、分布式与混合式信息融合方法,而多级式信息融合算法是上述3种算法的发展,可完成高层次空间融合。文章首先研究了基于无反馈信息的多传感器组合导航系统的多级式信息融合算法,然后理论分析证明该算法与无反馈形式的联邦卡尔曼滤波算法等价,最后以SINS/GPS/ SST/高度表多组合导航系统为例,对上述算法及结论进行了仿真与验证。     

基于矢量观测的航天器分段信息融合定姿方法

针对基于MEMS(微机电系统)陀螺和CMOS APS星敏感器的集成惯性/星光姿态确定系统的低精度特点,研究了适用于该定姿系统的基于矢量观测的定姿算法.对于陀螺/星敏感器这种配置模式,有EKF(Extended Kalman Filter)、QUEST、最优REQUEST等几种适用的定姿算法.针对EKF和最优REQUEST算法的不同特点并结合确定性算法QUEST,以四元数为姿态参数,将姿态估计的EKF方法分别与QUEST算法和最优REQUEST算法进行了融合,提出一种分段信息融合的姿态估计器:陀螺漂移估计误差较大时,将EKF与QUEST结合,快速估计出陀螺漂移.当陀螺漂移误差减小到一定程度,再切换为EKF与最优REQUEST算法融合的双重滤波器.仿真比较结果表明,这种分段信息融合的姿态估计器既可以估计姿态参数也可以估计陀螺漂移,并能达到很高的定姿精度.     

基于小波神经网络的多传感器自适应融合算法

针对多传感器融合系统的非线性和不确定性,将小波分析与神经网络相结合,提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础,利用环境信息理论和测量方差归一化方法构建小波神经网络,并且通过数值样本训练小波神经网络,使其在融合过程中实时估计各传感器的信任度,再由融合知识库根据各传感器信任度来选择适合的航迹融合算法,最终得到全局状态估计.实验结果表明,提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值,对不确定信息具有很好的融合能力.      

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

基于Bayes统计模型的卫星融合定轨方法研究

根据目前天基导航系统现状,结合中国对低、中轨卫星精密定轨的要求,给出了天地基信息融合定轨的原理;结合卫星待估融合参数的先验信息,提出了基于Bayes统计模型的卫星精密定轨方法;在卫星观测的线性化融合模型中引入观测噪声,利用概率估计融合模型,根据Bayes理论进行卫星状态改进量的最大后验估计,并分析了Bayes估计方法的定轨精度;依据期望融合的待估改进量方差最小规则建立了相应的参数求解算法;最后以导航融合测控系统中测距和测速数据的融合定轨为例进行了仿真实验,表明该融合方法能够得到很好的定轨效果。     

基于氧气A波段临近空间大气温度反演的贝叶斯与最小二乘法对比

基于氧气A波段的临边辐射模拟数据进行临近空间大气温度廓线的反演，分析比较了贝叶斯和最小二乘两种不同反演算法的特点.80km以下，信噪比为66～337时:基于贝叶斯理论反演的三条谱线761.59，762.2，764.05nm的反演误差平均值分别为5.52，3.94，4.73K；采用最小二乘法的反演误差平均值分别为10.57，7.04，8.80K.信噪比为6～34时:基于贝叶斯理论反演的三条谱线的反演误差平均值分别为18.27，12.18，18.27K；采用最小二乘法的反演误差平均值分别为103.18，68.79，85.98K.研究结果表明，基于贝叶斯理论的反演方法，利用先验信息对反演结果进行约束和修正，在有噪声的情况下获得了更合理的解，从而提高了反演精度和抗干扰能力.这为星载探测临近空间大气温度的算法研究和开发提供了参考，也为提高光谱仪器信噪比并进而提高温度反演精度提供了理论基础.      

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。     

弹用涡扇发动机可靠性参数选择及评定方法

根据弹用涡扇发动机的结构和使用特点,选择平均故障间隔时间MTBF(Mean Time Between Failure)、起动可靠度RST(Rate of Startup Successfully)、平均故障前工作时间MTTF(Mean Time To Failure)作为弹用涡扇发动机的可靠性参数体系.MTBF是反映发动机基本可靠性参数,利用Bayes数据融合技术建立MTBF评定模型.RST是反映发动机起动可靠性参数,利用基于故障树分析方法建立起动可靠性评定模型.MTTF是反映发动机任务可靠性参数,基于在任务期间发动机关键件的寿命分布模型进行可靠性评定.通过应用表明:评定参数选择合理,指标评定方法有效,为评估弹用发动机在研制、生产、使用阶段的可靠性水平提供了参考依据.     

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

基于验前信息的测试性验证试验方案确定方法

针对目前测试性验证试验方案样本量过大、工程上实现困难的问题,提出了基于验前信息的复杂设备的Bayes测试性验证试验方案.首先,利用Beta分布对测试性验前信息的不确定性进行描述,运用不同来源的验前信息确定验前分布超参数;然后,定义了验前分布不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;接着,利用融合后的验前信息建立成败型装备测试性验证试验方案的Bayes决策模型;最后,通过实例分析表明,与经典验证试验方案相比,新方案减少试验样本量40%左右,又克服了传统Bayes验证试验方案的冒进.      

无线传感器网中的加权距离节点选择法

节点选择存在于无线传感器网的目标跟踪问题中,主要任务是从多个传感器中选取合适节点跟踪当前目标,满足跟踪精度、算法计算量的要求.提出一种适用于测角传感器节点的加权距离选择法,该算法利用目标状态预测的分布及节点的探测模型,通过计算节点距目标几何距离及加权系数,选择具有最小加权距离的传感器点进行探测,避开了贝叶斯滤波,在减少计算量的同时具有很好的选择精度.仿真结果表明,本算法大幅度减少了计算量,同时可达到和熵值法相当的跟踪定位效果.      

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.