基于D-S证据理论的信息融合算法

针对现有D-S证据理论算法在信息融合应用中缺乏系统性的问题,提出了一种基于D-S证据理论的层次式融合算法。该算法模型采用多维属性信息的分域、层次融合方式,利用初始信息确定高层融合所需的概率分布的近似算法对数据进行融合处理,并对于可能存在的证据冲突问题,给出了算法的修正。仿真结果表明,该算法收敛速度快,准确度高,在低虚警率下具有较好的检测率。     

基于D-S证据理论的传感器网络数据融合算法

在传感器网络中，多个传感器对于同一目标的识别结果经常会发生冲突，本文采用基于Dempster—Sharer证据推理理论的数据融合方法来解决这一问题。然而，采用D—S证据组合公式计算融合结果，计算量过于巨大，对处理能力有限的感知结点来说负担过重，此外，计算所造成的延时也将严重影响系统的实时性和同步性．本文提出了一个基于矩阵分析的快速融合算法，该算法采用了D—S证据理论的思想，计算得到的融合结果与D—S证据组合公式计算得到的融合结果相同．本文用数学归纳法证明了这一结论，经过模拟实验验证，和直接采用D—S证据组合公式相比，该算法的计算量和所需的计算时间明显减少．     

基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

基于D-S证据理论的光电测量数据融合

当前测距装置易受到大气、噪声的干扰,导致测量数据不精准。大数据发展战略下,对数据精确度提出了新要求。针对光电测量仪器测量数据测量精度较低、可靠性较差等问题,提出了一种基于D-S证据理论的光电测量数据融合模型。模型采用决策层融合方法,实时融合传感器采集的数据。实验仿真数据表明,此模型具有较高的融合精度,有利于提高光电测量数据的精确性、实时性。     

关于D-S证据理论和模糊数学的数据融合算法探讨

介绍了D-S证据理论的基本原理,结合模糊数学和D-S证据理论,介绍一个多传感器数据融合技术的故障诊断系统。     

一种D-S证据理论的多传感器数据融合算法

针对多传感器网络中采集的数据存在的不确定性,提出了一种基于D-S证据理论的多传感器数据融合算法.该算法分同类数据融合和异类数据融合两步,首先对多传感器得到的数据取特征值,通过计算同种数据间的距离,得到信任函数并设置阈值剔除异常值,将得到的正常同类数据进行初步融合.其次,计算异类数据与各等级特征值间的距离,对得到的距离求...     

传感器网络中基于预处理证据理论的数据融合

在无线传感器网络中,多个传感器节点对于同一个目标的识别结果经常会发生冲突。使用基于D-S证据理论的数据融合方案可以较好地解决这一问题。然而,采用D-S证据组合公式计算融合结果,随着可能的目标身份的增加,计算量会迅速增长。针对传感器节点有限的处理能力和节点的决策数据具有高冗余性的特点,提出通过预处理来减少计算时需要处理的目标身份的个数,减少了计算量;并通过一致性检验排除了误差较大的数据,从而使得决策结果更准确。     

基于DS证据理论和压缩感知的WSN数据融合策略设计

为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性。     

基于D-S证据理论的簇头结点确定算法

无线传感器网络中一个好的路由协议能够大大延长网络的生存时间,提高能量的利用效率。分簇路由协议是一种比较适合传感器网络的协议,但是一直没有一种比较成熟的分簇算法和簇头确定算法。为此,提出了采用部分结点进行表决,根据表决结果利用D-S证据理论最终确定簇头的方法。该方法既提高了计算效率又节省了结点的能量。     

基于递推最小二乘和改进支持度的WSN数据融合算法

无线传感器网络(WSN)在空间和时间上均存在数据冗余问题。为了在保证精度的前提下减少冗余量,提出了基于递推最小二乘和改进支持度的WSN数据融合方法。针对单个传感器节点,采用递推最小二乘法进行数据融合。针对节点之间的冗余问题,应用分批融合思想对系统降维,将灰色接近度理论与自支持度结合改进支持度函数,对各子系统分别采用基于改进支持度函数的加权算法进行融合。采用一个包含7个传感器节点的无线传感器网络对该算法进行了检验。结果表明,该融合算法能够显著减少数据计算量与传输量。融合后的数据均方误差为0.1597,能够满足实际应用对精度的要求。     

基于D-S证据理论的多平台协同数据融合

对D-S证据理论用于多平台协同数据融合进行了分析，提出了多平台协同数据融合的设计思想和结构，将其用于舰船类型的识别。通过MATLAB仿真，证明了多平台协同数据融合降低了识别结果的不确定性，比传统的单平台数据融合效果好，验证了这一理论在多平台协同数据融合中的有效性和正确性。     

D-S证据理论的改进算法在时-空信息融合中的应用

研究基于D—S证据理论的时-空信息融合,即多传感器多测量周期的信息融合,给出了三种时-空信息融合的方法：集中式、分布式无反馈和有反馈的融合算法。采用这些传统的时-空信息融合方法时,最终的融合结果会产生概率分配过分集中的现象,而且证据冲突时还会产生有悖常理的结果。本文在传统证据理论的合成公式的基础上给出了一个有效的合成规则,并由此提出了改进的融合方法。证据冲突的概率按照各个命题的平均支持程度加权进行分配,从而提高了融合结果的可靠性与合理性。     

基于证据理论的无线传感器网络链式路由算法

目前存在的许多链式路由算法在链首选举时仅考虑了节点剩余能量,基于Pegasis的节能协议(energy-efficient Pegasis-based protocol,EEPB)算法虽然综合考虑了节点剩余能量与节点到基站的距离两方面因素,但简单地将这两方面因素加权的综合考虑并未完全消除两种因素判决结果的不一致性.基于此,提出一种基于证据理论的链式路由算法(chain routing algorithm based on evidence theory,CRET).首先,在链首选举时利用D-S证据理论,选用节点剩余能量和节点到基站的距离两个评价指标来确定节点是否能成为链首节点,分别建立隶属度函数,进而求得基本概率分配值,再利用D-S证据理论合成法则将两个评价指标进行融合判决1其次,为了避免长链的产生,CRET算法在建链阶段考虑了已经加入链的节点,并且所有节点都是与距离自己最近的节点相连成链.仿真结果表明,CRET算法在平衡节点能耗和延长网络寿命方面比EEPB算法具有更加优越的性能.     

基于D-S证据理论的管道安全监测数据融合技术的研究

管道安全监测技术能够对管道安全构成威胁的行为进行早期监测、定位和预警,对管道周围目标进行正确的分类识别是其中的关键.采用多个地震信号传感器对管道周围的人、车辆等目标发出的震动信号进行采集,为了解决目标识别问题并提高目标的识别率,针对多个传感器采集的数据,本文中提出了采用D-S证据理论方法对数据进行融合处理,实验结果证明基于融合后的识别结果较单个传感器的识别结果有了较好的改善.     

用D-S证据理论实现多传感器信息融合的一种改进算法

阐述了基于D-S证据理论的多传感器信息融合算法,提供一种基于D-S理论的改进方法以解决融合信息的相关性问题.用滑觉和热觉传感器作实验,对该方法的有效性进行了验证.     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

基于自适应加权与LZW的WSNs层次式数据融合算法

为了兼顾提高数据采集精度与效率的同时有效降低传感器节点能耗,提出了一种基于自适应加权与LZW的层次式数据融合算法.传感器簇头节点对传感器节点发送的数据进行自适应加权处理,估计出均方误差最小时的值,簇头节点将处理后的数据采用LZW算法以一定的信息量压缩后再进行数据的传输.仿真表明,该层次式融合算法提高了数据采集的精度并有...     

D-S证据理论近似算法的研究

提出了一种新的证据理论近似快速算法,它利用证据平均能量函数选择参加融合的焦元,并将被抛弃焦元的Mass值分配在参加融合的焦元中,仿真结果证明该方法能够加快证据组合的运算速度。     

基于D-S证据理论的振动目标识别研究

提出了一种基于D-S证据理论对数据进行融合处理的方法.通过采用多个地振动传感器对人、车辆等目标发出的振动信号进行采集,然后对传感嚣采集到的地振动信号进行处理,解决目标识别问题并提高目标的识别率,实验结果表明文中提出的方法是有效的.