证据理论在通信对抗数据融合系统中的应用

本文在深入研究语气理论的基础上，给出了在通信对抗数据融合系统中正确应用语气理论的一种途径，提出了建立知识库时应注意的问题，导出了计算结论可信度，拟信度的公式。     

基于数据融合的识别方法研究

D-S证据理论是一种适用于不确定决策问题和风险型决策问题的决策方法,它满足比概率论更弱的公理系统,不要求事先给出先验概率,因而具有比贝叶斯方法更广泛的应用范围。将其引入模式识别领域中,并结合神经网络容错能力强,自适应学习等一系列优点,对待识别的手写体数字进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了数字各方面特征的优势互补,进一步提高手写体数字的识别率。     

基于G2的数据融合与目标识别系统

随着现代战争的规模日趋庞大,作战环境日趋复杂,多传感器数据融合技术已成为必然的发展趋势。介绍一种基于D S证据理论的目标自动实时识别系统。系统采用有反馈的全并行融合系统结构,以分级式D S证据推理为数据融合算法,最终实现一个图形化的目标识别系统。仿真结果表明系统可以快速准确地对多个目标进行识别。     

数据融合应用于通信信号调制样式识别

对通信信号的频域、时域特征进行了提取,介绍了利用决策树识别其调制样式的方法。针对决策树缺点,提出了基于模糊理论和D-S证据理论对不同参数的可信度进行融合的方法,并给出了利用数据融合算法进行调制样式识别的仿真结果。     

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

基于D-S证据理论的传感器网络数据融合算法

传感器网络对于多个传感器在不同目标的识别过程中,各种技术冲突便随之接踵而至,并对传感器网络的科学体制产生了能动性的影响,使得系统的实时性和同步性的效能受到很大的负面影响。基于此,文章以D-S证据理论为核心要素,通过矩阵分析在融合算法中的理论地位,辅之以数学归纳法的精要,力求得到与融合结果与D-S证据组合公式相同的结果。     

基于多传感器数据融合的火灾预警系统

为避免火灾造成的严重损失,实现火灾早期报警,本系统通过对火灾发生过程和产物的研究比较,采用多种传感器对火灾发生初期火灾特征较明显的几个参数进行监测,并实时反馈回采集的数据。系统利用D-S证据理论对多传感器数据进行融合分析,实现对同一目标的判断;本系统通过利用D-S证据理论对多传感器数据融合的方法,不仅弥补了采用单一传感器的不足,而且很大程度上降低系统判断结果的不确定性,提高了系统预警的准确性和可靠性。     

基于改进D-S证据理论的数据融合目标分类

首先采用分类算法对MSTAR数据集进行十类目标分类识别、三类目标的变体分类识别,然后根据分类调参过程中的先验知识修正证据即分类器输出,构造基本置信函数,并采用改进的合成规则即基于冲突系数K和Pignistic概率距离相结合的冲突度量方法,对冲突证据采用按比例分配冲突度的合成规则进行合成。未融合时,三类目标的变体分类准确率最高为93.553%,融合后三类目标变体分类识别率为95.092%,提升幅度约是理想状态的37%。     

基于多源异构数据融合分析技术的激光通信网络钓鱼检测

网络钓鱼对激光通信网络的应用带来较大危险,为保障激光通信网络应用安全,提出基于多源异构数据融合分析技术的激光通信网络钓鱼检测方法。首先采集激光通信网络钓鱼特征,采用D-S证据理论融合不同来源、不同结构的激光通信网络钓鱼特征数据,然后根据特下数,采用支持向量机检测设计激光通信网络钓鱼检测模型,最后进行了仿真实验,结果表明,该方法可有效提取并准确融合钓鱼特征数据,激光通信网络钓鱼检测激光通信网络钓鱼检测准确率超过95%,降低激光通信网络安全风险。     

基于灰色关联和证据理论的通信信号识别方法

针对复杂环境下信号检测设备获得的通信信号特征具有不完整性和模糊性的情况,本文提出了利用灰色关联算法和证据理论的通信信号识别方法。该方法首先灰色关联方法计算出证据的基本概率赋值,然后在融合中心对证据进行融合。理论分析和仿真结果表明,这种方法是复杂环境下通信信号识别的一种正确和可行的方法。     

基于距离信息的多站多目标数据融合

在基于距离测量信息的多站系统中,将单传感器联合概率数据关联滤波(JPDA)推广到了多传感器场合。对MSJPDA的两种常用实现结构,采用深度优先搜索算法(DFS)实现可行联合事件的快速生成,实现了杂波背景下多目标的稳定跟踪。     

基于数据融合的跳频发射机侦察测向方法

深入分析了侦察台对跳频通信发射机侦察中的截获概率与搜索带宽之间的相关关系,提出了接收端采用宽带搜索以提高扫描速度的侦察方法。运用数据融合方法很好地解决了因搜索带宽增加而导致的测向精度下降问题,克服了宽带搜索方法的缺陷,从搜索速度和检出概率2个方面提高了接收机端的获情效率。通过案例分析,验证了数据融合算法的有效性,从而证明了整个侦察测向方法的可行性和优越性。     

一种提高目标参数估计精度的雷达、红外数据融合方法

介绍了一种雷达、红外数据融合的方法,并利用融合输出的数据进行目标状态估计,从而获得较高的目标参数估计精度.     

多传感器目标识别的数据融合

本文针对军事上的目标识别问题，论述了多传感器的属性融合技术，包括属性融合的概念，原理，处理结构，算法及应用举例，指出属性融合中存在的主要问题，难点及可能解决的途径，并预测了未来发展趋势。     

基于神经网络的数据融合方法

作为一种新的方法体系,人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论,研究了基于BP神经网络的数据融合的优缺点。     

基于多传感器信息融合的远距离目标检测

远距离目标检测具有重要的军事应用价值,而多传感器能提供互补和冗余信息,在远距离目标检测中具有独特的优势.针对可见光和红外热图像序列中的远距离目标,提出了一种基于信息融合的目标检测方法.该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,定义了运动目标区域可信度度量,利用融合的规则确定了最后的运动区域.在运动区域中利用简单的分割方法将目标提取出来,最后经过特征级融合得到了检测结果.本方法不需要进行背景估计,多传感器信息的冗余增强了检测结果的可靠性,实验结果证明了本文方法的有效性.     

一种新的多信息融合算法——比亲算法的提出

根据D-S理论在证据完全对立的情况下失效的原因，考虑证据间基本可信度分配函数(BPA)值在证据中所占比重以及相关程度两个方面对证据合成的影响，在D-S理论框架基础上构建了一种新的多信息融合算法——比亲算法。通过与两篇D-S理论应用论文中的实例进行比较表明：在证据不相对立的情况下，新算法与-S理论应用的结果是一致的；当证据对立时，新算法则具有纠错功能而优于D-S理论。结果验证了这种算法的可行性、有效性及实用性。     

基于动态相关性挖掘的信息融合方法

本文方法通过学习诸多信源在一定时间段内的变化过程,挖掘出那些与结论相关的信源及与结论相关时间片段.形成最终的决策树模式.该方法适用于大规模多因素动态隐含相关性信息融合.     

面向数据融合的DS方法综述

DS方法作为一种重要的融合方法,已广泛应用于各种数据融合系统中.本文对基于DS方法的融合模型、DS方法的算法实现,以及DS方法的拓展等方面,进行了比较全面的论述.最后从数据融合角度对DS方法进行了简要的述评,并指出将DS方法与其它相关理论进行有机的结合是其主要发展趋势之一.     

Hough变换与数据融合

提出了一种基于Hough变换数据关联方法,这种数据关联方法既可用于各种目标跟踪算法的初始化,也可用于雷达情报数据自动处理.其主要思想是将直角坐标系下的情报点迹在Hough变换下映射到参数空间,在参数空间进行聚类,从而实现直角坐标系下按不同目标的点迹聚类,经过数据融合,最终得到目标航迹.