一种融合ESM和红外传感器的飞机目标识别方法

针对单一传感器提供的信息不全面的缺点,提出了一种融合ESM和红外传感器的互补信息来进行目标识别的方法。该方法在神经网络的基础上,结合模糊集理论和D—S证据理论。获得了较高的识别率。最后通过飞机目标的仿真试验,证明了该方法是有效的、可行的。     

基于目标识别的D-S数据融合

目标识别是雷达信号处理的重要组成部分．详细地阐明了D—S证据理论的决策方法，重点研究了D—S证据理论应用于目标识别的方法．通过实例分析，指出了将D—S证据理论应用于目标识别具有实际应用前景。     

数据融合技术在末敏弹目标识别中的应用

末敏弹探测结果直接影响到其毁伤装甲目标的能力，为了提高末敏弹对目标的识别能力，提高命中概率，该文采用基于模糊数学和D—S证据理论的多传感器数据融合技术，对毫米波／红外复合敏感体制末敏弹的目标识别问题进行了分析研究，有效地提高了末敏弹对目标的识别能力。     

多传感器信息融合技术在目标飞机类型识别上的应用

目标飞机类型的识别有助于了解战场态势,增强对抗攻击能力。在系统模型的基础上结合实战提出影响目标飞机类型识别的证据,并按照影响程度进行优先权排序;联合数据库,提出证据概率计算的数学表达式;采用深度优化搜索的融合模式,按照D—S证据理论进行融合计算;在传感器管理模块的作用下,对融合结果进行反馈控制;结合实例,对系统进行仿真验证,证明其可靠有效。     

D-S证据理论在目标识别中的应用

根据地面目标运动引起的地震动信号的特征信息，应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征，应用BP神经网络模式识别法，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法，并应用D－S证据理论进行识别信息融合，训练样本和识别样本分别取自外场实验所获得真实有效的数据，通过对识别信息融合，以较高的可信度得到与识别样本相一致的识别结果，这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的，该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。     

多模复合制导系统决策融合中的D-S证据理论

对决策融合领域最常用的几类方法进行了分析与比较,论述了D S证据理论和基于准贝叶斯结构的D S证据理论,并给出了D S证据理论在多模复合制导系统决策融合中的应用。仿真结果表明,基于准贝叶斯结构的D S证据理论能够有效地降低多模复合制导系统决策融合中目标识别的不确定性概率,提高目标的识别率。     

基于改进D S 理论在无人化武器系统信息融合中的应用

针对无人化武器系统多传感器数据之间存在的信息融合问题,提出一种将AHP法和D-S证据理论相结合的无人化武器系统信息融合算法。根据多个传感器信息融合时所在环境条件对各传感器精确程度的影响,通过AHP法确定在多个传感器基本概率赋值中各传感器的权值,并利用D-S证据理论进行改进,实现了目标识别。实例分析结果证明:改进后的识别结果明显优于传统D-S证据理论的识别结果,在一定程度上改善了目标识别系统的性能。     

基于矩阵分析的加权证据时空融合算法研究

在多传感器目标识别系统中．为解决各传感器可信度不一致的问题，提出加权证据的方法。为便于采用计算机实现，采用基于矩阵分析的D-S证据理论。考虑融合系统的时间性和空间性．先从空间域对多传感器进行空域信息融合．然后在此基础上对时间序列进行融合。最后进行判决，识别出目标。识别实例表明了该方法的正确性和有效性。     

声/地震动目标融合识别

根据声／地震动目标信号的特点，提出运用小波变换对信号进行特征提取，并对数据进行统一的FOBW子带编码，在此基础上，运用D－S证据理论对目标进行融合识别，对比单一传感器的识别结果表明，该方法能明显提高识别能力，同时降低识别的不确定性，提高识别的实时性。     

基于证据组合理论的多传感器目标识别算法

为了提高多传感器目标识别的准确性,提出了证据加权数据融合的新方法。给出了证据理论的基本概念、组合规则、加权证据组合及决策规则,同时给出简单的多传感器信息融合模型。针对战场环境下多传感器系统获得的辐射源信息。通过仿真给出了文中方法的目标识别步骤及识别结果．仿真结果表明该算法提高了目标识别的准确性和有效性。减小了识别的不确定性。     

基于时空信息融合的复合引信目标识别方法

针对传统导弹引信不能有效识别目标的问题,提出了基于时空信息融合的复合引信目标识别方法。该方法利用BP(Back Propagation)神经网络获取基本概率赋值,根据时空信息融合算法进行证据组合,最后通过Dempster决策规则得到复合引信目标识别结果。实践表明,利用该方法进行复合引信多传感器信息融合,能够提高引信对空中目标的识别率。     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

一种基于DS证据理论的多雷达目标识别方法

文中研究了利用目标的位置和运动信息通过DS证据理论完成多雷达目标融合识别的方法.单雷达目标识别利用目标位置和运动信息建立目标线性隶属度函数,利用模糊综合评判进行目标分类.融合中心对来自各个雷达的识别概率利用DS证据进行最终的判决.仿真结果表明利用位置和运动信息进行识别的可行性和有效性,验证了多个雷达融合后的识别效果优于单个雷达的效果.     

目标属性信息相关时融合识别的实现方法

多源信息融合的一个主要应用方向是目标识别,但是各传感器测量到的目标属性值常常是相关的、不独立的,因此对各属性信息的融合比较困难。基于多属性决策模型( MADM)和D-S证据理论提出了加权融合的方法,并给出了权重系数的计算方法和权重灵敏性分析方法,介绍了利用条件概率加权进行目标识别的方法。     

一种D—S改进方法及在可靠性评估中的应用

在介绍D—S证据理论的基础上,针对D—S证据理论的不足提出一种改进的方法,并用实例证明其有效性．该方法将证据信息量的概念引入D—S证据理论,根据不同的信息量确定证据信息的一组权重,改进了传统的D—S证据理论合成规则,适合D—S证据有冲突的情况,为专家信息在可靠性评估中的应用提供参考．     

修正的D-S合成规则在对巡航导弹目标识别中的应用研究

在分析了D-S合成规则中存在问题的基础上,提出了一种修正D—S融合方法,该方法不但能处理相互冲突证据,而且能够根据焦元包含元素的多少决定向下聚焦的权重的缺陷．同时,在分析巡航导弹攻防对抗研究信息融合系统结构的基础上,将修正的D-S应用到对巡航导弹预警融合节点和拦截融合节点的目标识别中,仿真结果表明了修正的D-S规则在解决巡航导弹目标识别中的有效性．     

基于Dempster-Shafer证据理论的通信辐射源个体识别算法

针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。     

基于D-S证据推理的多传感器战场目标识别

文中在简单介绍了多传感器信息融合技术的概念之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.