利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

面向机动目标跟踪的多传感器长时调度策略

为解决杂波环境下机动目标跟踪以及系统辐射风险控制的问题,提出了一种面向机动目标跟踪的多传感器长时调度策略.该方法首先以交互式多模型和概率数据关联算法为基础,估计杂波环境下机动目标跟踪精度.然后以辐射度影响量化辐射代价、推导有限时域内辐射代价,以后验克拉美-罗下界衡量目标跟踪性能、预测机动目标有限时域内后验克拉美-罗下界.最后,引入传感器切换代价,考虑跟踪精度约束,建立基于代价函数和后验克拉美-罗下界的多传感器长时调度策略,并将该约束调度问题转化为决策树优化问题,采用阈值剪枝搜索技术求解最优策略.仿真结果表明:该方法验证了所提策略的有效性,与标准代价搜索相比,所提搜索算法能够以辐射风险略上升为代价,显著降低节点打开数、加快搜索空间;与随机调度、最近调度和贪婪调度相比,所提调度策略能够在满足跟踪任务需求下获得更低的辐射代价;与随机调度和贪婪调度相比,所提调度策略切换代价更低,有效克服了传感器频繁调度问题,更利于实际实现.     

一种利用声音能量的两步SDR定位算法

针对基于声音能量定位具有高度非线性、非凸特性而难以直接求解的问题,提出了一种两步半正定松弛定位算法。该算法将非线性定位方程转化为关于目标位置和信号发射能量的加权最小二乘估计问题,然后分成两步进行求解:第1步根据最小二乘准则将未知的信号发射能量表示成目标位置的函数,并将其从代价函数中消除;第2步利用凸松弛技术,将非凸的代价函数转化成半正定规划问题,并优化求解出目标位置。从理论上证明了该方法对代价函数的凸松弛变换是紧的。仿真实验表明,与现有的方法相比,该方法具有较高的定位精度,尤其在测量误差较大时具有明显的优势。     

一种改进的多源异类航迹关联方法

为了克服在多传感器信息融合系统中各类传感器的探测精度差异性很大以及异类航迹关联常常面临高不确定性的问题,提出了将证据理论引入到多因素模糊综合决策航迹关联中.利用证据理论进行不确定信息证据合成,再根据多因素模糊综合决策隶属度函数获取证据,解决了航迹关联的不确定性和证据理论在证据获取时存在的困难.实验结果表明:采用该方法的异类航迹关联能够有效克服证据合成过程中的不确定性,降低错漏关联率.     

基于LSTM模型的人体情景多标签识别研究

针对人体情景识别问题,本文提出了一种以多模态传感器数据为特征的多标签分类问题解决方案。以z-score实现传感器数据的标准化,根据时序相邻原则及多元线性回归,实现对缺失数据的填充,利用情景标签间的互斥和依赖关系过滤无效标签,通过LSTM模型实现从传感器数据到标签的非线性映射,同时在损失函数中引入代价矩阵,解决标签数据不平衡问题。与之前建立的模型相比,LSTM模型具有长期记忆的特性,并在原数据集上分别考察了模型的精度、召回率、特异度及均衡精度,各项识别指标较前人模型有明显提升。研究结果表明,LSTM模型利用记录间的时序信息提高了识别性能,具有广泛适用性。该研究揭示了时序关系在人体情景识别中的重要性,为进一步提升识别性能指明了方向。     

一种动态改变权重因子和交叉率的混沌差异演化算法

针对非凸、多峰及非线性函数优化难的问题,在差异演化(DE)算法的基础上进行了改进,提出了一种动态改变权重因子和交叉率的混沌差异演化算法(CDDE).在该算法中引入进化速度因子和聚集度因子.权重因子被表示为聚集度因子的函数,交叉率被表示为进化速度因子的函数.在每次迭代时利用聚集度因子动态改变权重因子,利用进化速度因子动态改变交叉率,从而使算法具有动态自适应性.引入混度变异算子,利用混沌的随机性和遍历性使算法具有较强的跳出局部最优值的能力.通过对3个典型函数的测试表明,CDDE算法收敛速度明显好于DE,收敛精度得到了提高.     

信息融合中传感器可信度的动态确定及应用

基于经典冲突系数和证据距离函数给出的修正冲突系数,提出了确定传感器动态可信度的方法.将所提出的方法应用到目标识别系统中,算例表明:所提出的方法可以根据系统收集的传感器报告来确定各个传感器报告的可信度,在证据高度冲突情况下也能够正确识别目标.     

一种基于性能和代价的多传感器管理算法

针对多传感器环境下目标的跟踪性能和传感器使用代价之间的矛盾,提出了一种新的多传感器管理算法.该算法建立由卡尔曼滤波误差协方差矩阵的迹和传感器代价组成的目标函数,通过选择使该目标函数最小的传感器组合以实现对传感器的有效管理,可较好地解决目标的跟踪性能与传感器使用代价之间的矛盾,使得两者之间达到一个最佳的平衡.     

基于D-S证据理论的运动平台多传感器目标分类

为提高空中运动平台对目标分类的能力，将基于D-S证据理论的信息融合方法用于运动平台多传感器的目标识别方面．在简述D-S证据理论的基础上，提出基于D-S证据理论的运动平台多传感器目标识别的信息融合方法．仿真实例表明了该方法的可行性．