基于证据理论的多传感器加权融合改进方法

针对多传感器系统中高冲突证据合成问题,考虑到传感器同时具有固有可靠性与实时可靠性的特点,基于证据理论提出了一种新的多传感器加权融合方法;该方法通过计算证据间的相似矩阵获取证据的后验权重,并结合根据传感器固有可靠性预先分配的先验权重,得到证据体的复合权重,然后据此对原始证据进行加权平均,最后利用D-S证据组合规则合成加权平均后的证据;实例仿真表明,与D-S、Yager、Murphy等方法相比,该方法能够更好地处理高冲突证据,且收敛速度更快。     

证据理论应用于多传感器融合不确定性分析

对多传感器数据融合中的不确定性,采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论作为基本工具进行了分析研究,并针对该理论的不足采用了修正的合成规则,通过实例运算表明该方法能够对传感器所提供的不一致证据进行纵使,并使组合结果更加直观。     

基于加权D-S证据理论的分布式多传感器目标识别

针对分布式多传感器环境下的目标识别问题,提出了一种基于加权D-S证据理论组合规则的决策融合方法。分析了多传感器目标识别系统的信息模型,指出传感器的决策可信度由其被支持度及与目标间的距离确定。将该可信度体现为加权D-S证据理论组合规则中的证据权值,综合考虑传感器支持度及其与目标距离,给出了权值确定方法。仿真实验证明方法提高了融合效率,可较快完成识别任务。     

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.     

基于效用理论的多传感器智能融合

信息融合系统应综合考虑获取信息所要求的资源、计算复杂度和时间所需要的最小成本,提出了基于效用理论的传感器智能融合技术,利用期望效用最大化的观点来选择传感器,并与证据理论相组合,应用于目标识别,仿真结果表明该方法的有效性。     

多传感器信息融合利器——D-S证据理论初探

多传感器信息融合广泛应用于自动目标识别、战场监视、机器人、工业过程控制、遥感、图象处理、模式识别等领域。采用信任函数作为度量的证据理论可处理由不知道所引起的不确定性。本文对信息融合技术的概念以及重要融合方法进行初探。     

基于D2S 证据理论的移动机器人 多传感器信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D-S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

基于证据理论的多分类器融合方法研究

证据理论是建立在独立性假设基础上,理论和实际应用都需要突破这一限制。最近提出的一种相关证据模型认为,两个相关证据由一个相关源证据分别与两个独立源证据通过正交和合成得到,相关证据的合成可以归结为这三源证据的正交和,为此首先要由相关证据和相关源证据辩识独立源证据,这是证据理论中的反问题,其解是否有意义取决于相关源证据是否合适。该文给出一个充分条件,如果相关源证据满足此条件,反问题有唯一有意义的解,在此指导下,研究了字符识别中的多分类器融合问题,实验结果表明,识别性能优于传统证据理论方法。     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

基于统计证据的mass函数和D-S证据理论的多传感器目标识别

mass函数表示对证据的精确信任程度,是信任函数的基本概率分配.文章在阐述Dempster-Shafer(D-S)证据理论和决策方法的基础上,较系统地论述了基于统计证据的mass函数和D-S证据理论的目标识别的数据融合方法,并给出了具体的识别实例.从计算结果可以看出,该方法有利于目标识别的实现,具有较好的实用性.     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

基于无线多传感器信息融合的火灾检测系统

传统的火灾监控系统往往采用基于单传感器的有线信息检测与传输系统,布线不方便,环境适应性和抗干扰能力较差.本文提出了一种基于ZigBee无线多传感器网络的火灾监控系统,运用包括烟雾、温度、CO气体等多传感器感知火燃烧状态,对是否发生火灾分配不同信任度函数,利用D-S证据理论融合3种传感器信息以判断火灾状态.本文详细阐述了系统工作原理、多传感器信息、D-S证据理论等关键技术,并给出了多传感器响应燃烧实验的曲线图,理论分析和实验结果表明,该无线传感器火灾监测系统能更准确地检测火情,减少误报率,提高系统的可信度.     

基于刀切法与自适应加权的多传感器信息融合算法

针对加权平均、最优加权、自适应加权多传感器信息融合算法的不足,提出采用刀切法与自适应加权方法相结合的信息融合算法。该算法在自适应加权的基础上充分利用观测值与各个历史时刻的估计值,通过构造伪值分别对估计值与加权因子进行Quenouille估计。实验结果表明,在经过刀切法与自适应加权相结合后,数据处理的精确性和稳健性方面都优于普通的处理方法。     

基于D-S证据理论的融合图像隐写分析

提出一种基于证据权的D-S证据理论的图像隐写分析方法,首先在空域,离散余弦变换（DOT）域和离散小波变换（DWT）域分别提取图像特征并各自进行预分类;然后对各域分类结果进行基本概率分配并进行证据权修正。利用D—S组合规则计算融合概率分配函数,形成最终的决策级融合分类结果．针对典型的隐写方法（如F5,JPHide,Jstego和YASS算法）进行检测,仿真结果显示,所提出的方法能显著提高单分类器的性能．     

D-S理论与神经网络相结合的信息融合模型研究

针对大噪声环境下信息融合效果差的问题,提出了一种基于D-S证据理论与神经网络技术的信息融合方法,该方法综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,一方面利用神经网络和冲突证据处理算法获取基本概率赋值,另一方面通过证据理论使神经网络的结构变得透明.初步仿真结果表明,该方法有效地解决了不确定性信息的误识别问题.     

基于D-S理论的多源信息融合冲突问题处理方法

D-S理论在不确定性的表示、量测和组合方面的优势,使得它在多源信息融合领域得到广泛应用。对于证据源本身的优先级别、可靠性及重要性,Dempster组合规则没有给予考虑,使其在证据推理过程中会产生与直觉相悖的结论。在多源信息融合处理中,针对基于D-S理论融合产生的冲突问题,进行了全面分析和总结,归纳为三个方面的问题:一般冲突问题、“一票否决”问题及“鲁棒性”问题;对其相应的解决方法进行分析,指出各自的优缺点。最后,指出解决冲突问题的方法存在的问题及未来研究方向。     

基于Dempster-Shafer证据融合的航空公司运行监察方法

对现行航空公司运行监察方式进行了分析,指出目前监察过程中存在的不足.在分析影响航空公司运行的各类因素的基础上,结合DS(Dempster-Shafer)证据融合理论,提出了适用于航空公司运行监察评估的方法.该方法可以对多位专家评分形成的模糊以及不确定信息进行融合从而得到更客观的评价结果.实例验证结果证明该方法能够得到客观准确的评估结论,且实施过程简单.     

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.