智能水下机器人多传感器信息融合的一种方法

首先叙述了自行研制的水下机器人的数据融合目的，通过分析水下智能机器人采用的传感器的性能，对各种传感器的信息进行可信度分配，然后采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论方法，把各类传感信息作为证据，判断机器人前方是否存在障碍物。     

基于D-S证据理论的移动机器人多超声波传感器信息融合方法

采用多超声波传感器来获得履带式行走机器人的环境信息,并利用Dempster-Shafer证据理论对获取的信息进行分析和融合,从而完成对周围环境的准确认识,试验结果表明效果良好,具有良好的使用价值.     

利用数据融合来解决目标识别问题

提出了一种用于目标识别与分类的改进算法,以模糊数学和Ｄ－Ｓ证据理论作为其数据融合的工具,通过比较基于融合信息进行分类与单传感器分类的结果,说明多传感器数据融合的优越性。     

多信息融合技术及在无损检测中的应用

研究了基于D-S证据理论的多传感器决策层信息融合的实现方法和算法,探讨了将Dempster联合规则推广到多源信息时取消中间联合过程的归一化计算问题,推导出了改进算式。应用于无损检测,用超声波等三种传感器对一铸件进行无损检测仿真实验,结果证明能够提高检测速度与检测精度。     

基于改进的D-S证据理论的栅格地图构建

针对非结构化环境地图构建问题,提出了一种基于改进的D-S证据理论的栅格地图构建方法。使用移动机器人多超声波传感器进行了环境探测;针对某些情况下不能应用D-S证据理论进行信息融合和D-S证据组合过程有时会产生有悖常理的无效结果的问题进行了讨论,提出了采用近似处理算法对D-S证据理论进行改进,并将其用于多传感器信息融合,构建了2维D-S栅格地图;运用D-S证据理论进行了判决,构建了2维0-1栅格地图;对D-S栅格地图进行了分析,提出了基于D-S栅格地图的环境评价与环境探测效果评价方法。仿真结果表明,基于改进的D-S证据理论的栅格地图构建方法适用于非结构化环境的地图构建。     

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.     

信息融合在空间点目标识别中的应用

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.经过三级融合后可以提高系统的识别率,尤其是在有噪声的情况下.仿真实验验证了算法的有效性.     

基于信息融合理论的空间点目标识别实验结果分析

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.仿真结果证明,本文提出的方法能较好地解决复杂目标和诱饵的识别问题.     

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．     

基于条件证据的信息融合故障诊断方法

该文基于观测信息与先验信息和谐的思想,结合条件证据理论,提出了一种融合先验信息的故障诊断方法。首先将传感器获取的关于设备运行状态的观测数据,通过模糊信息的随机集表示方法转化为D-S证据的随机集形式;然后计算所得证据与先验信息之间的和谐度,最后利用条件证据理论将需要融合的证据进行组合,从而做出诊断决策。该方法可在复杂运行环境下充分利用各种信息,提高故障诊断的可靠性。     

狭窄环境地形图建立的融合算法研究

针对移动机器人使用超声波传感器在已知狭窄环境和未知狭窄环境中的导航问题,提出一种多层融合算法,该算法通过在数据层融合中使用D-S证据理论,在决策层融合中使用意见一致性理论,建立已知狭窄环境的地形图;对于未知狭窄环境,使用D-S证据理论中的矛盾因子,建立了一个自适应超声波传感器模型.结果表明:使用上述方法有效地减少了超声波传感器镜面反射所引起的不确定性,提高了移动机器人使用超声波传感器在狭窄环境中建立地形图的准确性,证明本文所提出的方法是有效可行的.     

修正的D-S证据理论在液压故障诊断中的应用

针对液压系统出现故障隐蔽性强、可变性强的问题,给出基于修正的D-S（Dempster-Shafer）证据理论的多传感器时空域信息融合方法。通过测试待诊断部分的压力、温度、流量并结合经验值,得到各部分信度函数分配,根据D-S组合、决策规则,对多个传感器多个测量周期的时空域信息进行融合,识别出故障部分。实验表明：该方法在证据高度冲突时仍有效果并有效防止了指数爆炸现象,算法简单,能准确定位故障。     

Modification of evidence theory based on feature extraction

With its effectiveness of uncertainty reasoning,Dempster—Shafer evidence theory is widely used inmany fields such as information fusion and decision-making[1,2].However,counter-intuitive behaviors areoften involved when combining highly conflicting evi-dence sources with the Dempster’s combination opera-tor at the normalization step.Many modification meth-ods have been proposed to solve the problems[3,4].Some researchers think the combination rule is thesource of the drawback,and have to mo…     

证据推理理论近似方法研究

Dempster-Shafer （DS）和Dezert-Smarandache （DSm）证据推理理论是信息融合的有力工具。针对在证据处理过程中证据数量多以及证据组合时焦元爆炸使计算量迅速增大的问题,对证据与焦元控制方法、规则近似方法和蒙特卡洛（Monte Carlo）方法三种方法在DS理论和DSm理论下进行了分类分析,指出了下一步值得研究的三个问题。这为证据推理理论不同近似方法的使用提供了理论参考。     

基于概率支持向量机原理的超声缺陷识别模型研究

为了提高大型零件超声波探伤过程中的缺陷辨识能力,提出一种基于概率支持向量机原理,结合经验模式分解和DS证据理论,采用多探头检测的一种超声缺陷识别模型。首先,对每个探头检测的含有缺陷的信号运用经验模式分解法提取信号特征;其次,利用支持向量机来进行缺陷识别,并采用最大后验概率策略来处理传统支持向量机的输出,得到每个探头检测到的缺陷的概率支持度;最后,采用 DS证据理论得出最终的缺陷类型。结果表明,该模型克服了传统的支持向量机在处理多类问题时其硬判决输出限制后续数据处理的缺陷,同时避免了主观判断,提高了识别精度和准确率。与神经网络结合DS证据理论模型和单探头多级二类支持向量机模型进行了对比分析,论证了本模型的优越性。     

证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.     

一种基于DS证据理论的目标意图预测方法

为了在反导作战中对态势预测提供方法支撑,运用DS证据理论进行目标意图预测。根据相关证据的权重对传统的DS证据理论组合规则进行了改进;提取了弹道导弹在飞行过程中目标意图预测的关键要素,给出了基于DS证据理论的目标意图预测的方法步骤。最后结合想定进行了仿真,计算出各目标意图的基本概率赋值并给出了决策。仿真结果表明,DS证据理论运用到弹道导弹目标意图预测是可行的,可为反导作战提供辅助决策依据。     

基于DS的跟踪制导雷达与动能拦截器目标交接

目标识别匹配是跟踪制导雷达与动能拦截器成功交班的关键环节．从目标匹配角度,对雷达与导引头之间的交接问题进行了研究．首先提取和量化弹道目标典型识别特征,将每个特征作为一个证据,构造每个证据的基本置信指派函数,然后运用DS方法进行分布式计算融合,通过决策规则对融合结果进行判断,完成目标匹配．最后,用算例验证了DS方法对目标交接的有效性．