基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

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。     

基于PSO-SVM的空中目标智能融合识别模型

支持向量机(SVM)算法能较好地解决传感器数据不完整、缺失情况。针对SVM关键参数难以选择问题,提出了基于粒子群-SVM算法空中目标智能融合识别模型。结合工程需求,进行仿真。仿真结果表明,该算法能较精确地识别目标。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

基于改进型遗传算法的多传感器—多目标定位信息融合

针对用遗传算法解决多传感器-多目标定位收敛速度的问题,提出了采用拉格朗日松驰技术改进遗传算法的方法,并给出几种典型情况下算法的实验结果。实验结果表明,改进的遗传算法收敛速度比改进前提高了5—6倍。     

信息融合模型的神经网络描述

主要研究了信息融合模型的构造,分析了它的并行性、层次性及环路动态特性,并力图用神经网络结构对其进行描述;最后给出一个用于目标识别的简化模型。     

主被动多传感器多目标状态信息融合

研究了主被动多传感器多目标状态信息融合问题。针对被动式跟踪的特点,借助主动跟踪的距离通道值,提出类主动的被动式跟踪。在此基础上提出主被动串联状态信息融合和并联状态信息融合算法。仿真结果表明两种状态信息融合方法都可以大大提高跟踪精度,同时还可以提高系统的可靠性。     

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。     

基于准贝叶斯结构的决策融合

证据理论是目前在决策融合技术中受到广泛重视的一种数学方法。在实际应用中,为了表达简洁和计算简单,常常根据准贝叶斯结构进行判断。本文系统阐述这一过程的一般性步骤,并通过实际问题进行分析。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

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。     

基于滑油监控信息的发动机磨损状态融合评估

针对现有航空发动机磨损状态评估方法的局限性,基于光谱分析和自动磨粒检测2种滑油分析方法的结果,提出了1种新的融合评估方法。结合专家经验,将各监控对象的磨损量和磨损率进行模糊推理,得到发动机的磨损状态可能向量,解决了发动机磨损状态评估过程中的模糊性问题。在决策层,运用D-S证据理论对2种滑油分析方法的推理结果进行融合时,考虑2种滑油分析方法的有效性,基于粗糙集理论与专家经验求得二者的可靠程度,最终得到更为合理的评估结果。实例表明:该方法可有效融合多种检测信息,解决评估过程中的不确定性问题,并可得到较为准确的评估结果。     

证据冲突下自适应融合目标识别算法

 利用证据理论对空中目标识别系统的观测信息融合时,Dempster规则对低冲突信息的融合结果较为理想,但无法对高冲突信息有效融合。Dubois &; Prade(DP)规则及证据折扣法可对高冲突信息进行合理融合。为使不同融合方法发挥各自优势,提出一种自适应融合算法。首先将矛盾因子和证据距离两者结合以更全面地表示证据冲突程度,当冲突较小时,选用Dempster规则,反之,根据冲突的具体情况选择使用DP规则或证据折扣法。通过目标识别实验对多种算法进行了对比,表明本文算法既能对高冲突证据进行合理融合,又能使融合结果快速收敛,可以有效地提高识别速度及正确率。     

信息融合技术在飞机发动机油液故障诊断中的应用研究

详细介绍了信息融合技术中的D-S证据理论,并运用该理论能够处理不确定信息能力的特点,对油液分析的光谱数据和铁谱数据进行了有效的融合,解决了单独分析方法难以得到综合信息的问题,提高了飞机发动机油液故障诊断的准确性.     

基于信息融合技术的无人机风速测量方法

随着无人机技术的发展,无人机风速测量技术成为了无人机的一个重要应用领域。为了提高无人机风速测量的精度,文中将信息融合技术应用于无人机风速测量中,数据层分别通过平均法和改进的 Kaiman 滤波对空速和航向角进行信息融合,以提高参数测量的精度,决策层通过加权平均法对速度矢量三角形法,空速归零法,以及航位推算法计算得到的结果进行融合,并通过实际飞行测量对文中方法进行验证。结果表明,基于信息融合技术的风速测量方法,可以与探测精度高的气球法相当,且探测区域广、探测成本低。     

一种新的信息融合功能模型

在分析了信息融合三级、四级和五级模型优缺点的基础上,提出了信息融合分类的六级功能模型。分析和介绍了每级的含义及特点,并同时给出了该六级功能模型的逻辑处理流程。该模型综合了四级和五级模型的优点,对从检测到威胁判断的整个过程给出了清晰的划分,突出了精细化处理,避免了三级模型和四级模型的不足。     

一种面向复杂体系作战的多源信息融合处理方法

研讨了面向复杂体系化作战的信息融合技术,提出了一种基于中心航迹关联的融合架构,设计了面向多源异构数据的信息融合处理方法。经过多机飞行场景下的数据仿真测试,能够有效解决多源传感器多目标环境下目标关联判断问题。     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。