基于模糊信息的信息融合及决策

在各传感器或信息源给出模糊信息的情况下,研究了多传感器(或信息源)的信息融合及决策问题。首先,给出了单个传感器的时间域信息积累更新模型,然后给出了四类传感器(或信息源)的空间融合模型,最后,在各传感器信息融合基础上,研究了给出效用函数情况下的贝叶斯最优决策。     

星载信息安全保障系统构想

阐述了星载信息安全保障系统对卫星自身信息安全防护的重要意义.介绍了星载信息安全保障系统的概念、基本组成,以及与卫星其它部分之间的关系.对该系统的信息感知、信息环境分析和行动决策、信息对抗三个子系统的基本功能和工作方式进行了描述.     

面向海洋探测的多源信息融合技术研究及展望

多源信息融合技术包括数据级、特征级和决策级3个层级。在海洋探测应用中,现有方法存在信息获取、融合质量及目标识别等难点问题,提出了体系化探测、分布式融合和利用先验知识的解决思路。体系化探测能够全面获取原始信息,分布式融合可以在降低计算复杂度的同时减少信息损失,先验知识能够在决策级融合中提高目标识别的准确性。此外,还提出了构建探测系统和先验知识库、优化智能算法和模型等未来信息融合技术发展方向。     

多传感器信息融合技术综述

信息融合是信息领域一个前景广阔的研究方向。通过多传感器组网可以获得比单一传感器质量更高的信息。从信息融合的定义诠释了信息融合的内涵,指出信息融合的实质是推理与决策。给出集中式、分布式和混合式三种模型结构,比较它们的优缺点。融合层次对多传感器信息融合性能有重要影响,给出三种融合层次的性能对比结果。分析四种流行的融合处理算法,比较它们的性能。最后从技术发展和应用需求出发,对信息融合的发展作进一步展望。     

基于信息可信度的空中目标识别方法

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一.将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计.该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性.     

一种天基信息支援测控保障能力快速评估方法

天基信息支援的高实效性对测控保障能力提出了严格要求,针对测控保障能力的快速评估问题,提出了一种基于层次分析法的快速评估方法。首先,依据时序和事件逻辑匹配一致性原则,将整个评估流程拆解为天基信息支援对测控需求确定、评估数据收集、制定评估指标和标准、分析评估数据、提供评估反馈和建议5个步骤,并基于拆解步骤项,确定了评估实施流程,设计了评估层级结构模型,提出了评估方法。然后,依据独立性原则确定了评估指标和标准,采用综合赋值法确定了指标权值,得到归一化评估结果,并确定不同标准对应的决策建议。最后,通过实例验证表明,方法能够快速完成测控保障能力评估,并提供对应的合理处置决策建议,可为天基信息支援的辅助决策快速提供有效依据。     

征订《世界航天发展年度报告(2016)》

《世界航天发展年度报告》是中国空间技术研究院所属北京空间科技信息研究所精心打造的年度性咨询报告产品。作为国内空间技术领域高端智库,北京空间科技信息研究所以空间技术领域决策咨询为专业发展方向,对国内外发展进行分析和评估,为加速我国空间技术发展、提高航天器研制水平、增强主导产业竞争力,提供准确可靠的信息保障和决策支持。《世界航天发展年度报告(2016)》旨在融合长期以来对全球航天发展的跟踪研究,对截至2015年底的最新发展进行概括、分析及评述。报告紧     

建立快速反应机制 持续提升质量信息利用效能

质量与可靠性信息是改进过程管理、提高产品质量与可靠性最直接的原始资料和依据,也是正确认识影响产品特性诸多因素变化、产品质量与工作质量波动内在联系和掌握提高产品质量和管理效能规律的基本依据,是基于事实决策的前提。本文就有关提升质量信息的改进活动方法进行阐述。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

信息非完备下多航天器轨道博弈强化学习方法

针对信息非完备约束下航天器轨道博弈难以自主决策的问题，基于多智能体强化学习提出一种多航天器轨道博弈决策方法。首先建立轨道博弈动力学和信息非完备约束。其次建立用于训练和决策的神经网络模型，依据分布式系统架构对网络的输入输出结构进行设计，并引入具有记忆功能的长短期记忆网络(LSTM),根据航天器轨道运动在时间、空间连续的属性，补偿位置、速度测量信息的非完备性。然后采用近端策略优化(PPO)算法开展红蓝左右互搏式学习训练。最后通过三组对比训练实验，验证了所提出的方法在信息非完备约束下能够有效增强学习训练过程的稳定性，并提升任务完成率和降低燃料消耗。