基于D-S证据理论的多传感器目标识别信息融合方法

多传感器目标识别系统中多个信息源之间证据高度冲突时,采用传统的D-S证据理论进行信息融合有一定的缺陷。根据信息源间证据冲突的程度,提出了一种新的证据融合算法,该算法依据少数服从多数的原则,首先根据信息源间冲突程度的计算出各信息源权重,再采用D-S组合规则对加权后的信息进行组合。算例分析结果证明了该方法在用于多传感器目标识别系统的有效性和优越性。     

改进的D-S证据理论在战场目标识别中的应用

战场目标识别中多传感器信息融合面临各种不确定冲突信息。为此,提出了一种基于权重的证据调整方法,给予证据分配不同的权重,重新修正基本概率分配函数,利用Dempster组合规则实现信息融合。通过数值验证并与其他的改进算法对比,结果更为理想,能有效的减小冲突证据的不良影响,同时具有较高的收敛速度,降低了决策风险,仿真结果表明,算法有效、可行。     

D-S证据理论在多传感器目标识别中的改进

针对证据理论在处理冲突证据时可能得到与直觉相悖的结论,文中首先分析了基本DS证据理论组合准则缺陷的产生原因,提出一种新的基于权值的证据调整方法,给予证据分配不同的权值,重新分配概率分配函数.算例分析结果表明,改进后的方法可以提高识别结果的可靠性,在一定程度上改善了目标识别系统的性能.     

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。     

基于D-S证据理论的空中目标敌我识别研究综述

D-S证据理论作为一种不确定性推理工具,能够充分发挥多源信息融合的优势,提高空中目标敌我识别结果的准确性.本文从空中目标敌我识别的实际应用出发,介绍了D-S证据理论的基本原理,梳理了空中目标敌我识别中需要解决的关键问题,然后从空中目标敌我识别的识别方法和信息融合两个方面,对现有研究方法进行了归纳与分类,并简要总结了每种...     

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。     

D-S证据理论信息融合方法在目标识别中的应用

研究了D-S证据理论在多属性、多传感器模式识别中的应用。在基于D-S推理的信息融合中．其关键问题是基本概率赋值函数的构造。文中基于灰关联分析的思想提出了一种新的基本概率赋值函数的构造方法，并将它应用于辐射源型号识别，仿真实验结果验证了这一方法的正确性和有效性。     

多传感器声目标识别的研究

介绍了声目标的各种识别方法，将Dempster-Shafer证据推理的基本理论应用到声目标的识别中。用质量函数构造基本概率赋值函数，给出了在n次扫描情况下，累积质量函数的融合公式并给出了识别目标的决策方法。通过实例计算可以看出，该方法可以提高对声目标识别的准确性。     

组合D-S证据理论在多传感器信息融合中的应用

在多传感器的目标跟踪领域中,Dempster-Shafer证据理论及其组合方法得到了广泛的应用,但该理论本身也存在一些不足之处.针对D-S组合规则无法解决冲突证据这一情况,根据传感器的优先级不同,提出了采用组合的改进算法来取得合乎直观的合理结果.该算法简单,避免了复杂的数学运算,具有良好的工程应用背景.给定方法与传统D-S理论相比,提高了决策的准确性.     

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。     

基于D-S证据理论的决心方案评价研究

对影响决心方案的各方面因素进行总结,建立评价指标体系,在模糊评判基础上,引入D—S证据理论,通过对模糊隶属度的重新分配,对评判结果进行有效的融合。采用层次分析法得出评判指标体系的权重,建立系统的综合评估模型。最后通过实例验证了该模型的可行性和实用性。     

相关证据下的水中目标识别方法研究

研究了基于现代信号处理技术的舰船辐射噪声信号特征提取，提出了基于欧氏距离特征标准化的算法和基本概率赋值的获取方法，给出了相关证据下的信息融合规则。通过对大量实船噪声样本进行实验分析表明，该方法可以提高对水中目标识别分类结果。     

基于BP 网络和D-S 证据理论的超声检测缺陷识别

针对目前超声检测领域缺陷识别率不高的现状,构建基于3个BP网络和D—S证据理论的融合模型,将数据融合技术应用于超声缺陷分类中。针对非稳态超声缺陷回波的特点,分别选择离散小波变换、小波包变换及经验模式分解提取其特征值。实验结果表明,该方法在超声缺陷分类的应用中是有效的,缺陷识别的准确率可达96％。     

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.     

基于证据理论的多传感器信息融合目标识别方法

从D-S证据理论的基本概念和证据的融合推理方法出发，建立了多目标特征信息融合识别框架。并提出一种符合目标识别特点的基本可信度分配构造方法。该方法把识别对象看作一个信息系统，运行过程中不断产生各种信息，并将信息加工成目标特征。通过特定的识别决策规则，得出识别结论。给出了一个多目标信息进行识别的实例，结果表明该方法能够有效地提高目标识别可信度，减小识别的不确定性。