基于相关性函数和模糊综合函数的多传感器数据融合

针对多传感器数据融合过程中,各传感器可靠度估计的困难和如何对不同类型的传感器数据进行融合,提出了一种基于相关性函数和模糊综合函数的多传感器数据融合方法。该方法首先利用相关性函数计算多传感器的相互支持程度,然后由隶属函数得到每个传感器提供信息的可信度,最后用模糊综合函数获得多传感器对目标属性的融合结果。该方法计算简单,客观地反映了各传感器的可靠程度及相互关系。将该方法用于一个目标识别任务的仿真实验,结果表明应用该方法能确定地识别出目标,是一种有效可行的多传感器数据融合方法。     

基于模糊综合函数的故障诊断

在决策级信息融合的故障诊断中,根据各传感器所作决策不可避免地带有主观性和模糊性。针对这种情况,如何准确地判断是否存在故障并尽快找到故障源就取决于合适的融合方法。提出了一种新的属于决策级的信息融合方法,即:先求出各传感器所作决策的可能性分布,然后利用模糊综合函数来进行融合故障识别与诊断,从而可解决多信息源信息融合中普遍关心的信息可信度以及融合准则问题。     

可拓方法在多传感器信息融合工件识别中的应用

首先建立了多传感器信息融合系统中的物元模型 ,然后把可拓方法应用到多传感器信息融合工件识别中 ,并用一个具体识别的例子验证了该方法的可行性 .     

一种空间信息融合的D-S算法研究

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,证据理论是主要的技术之一。在目标识别系统中,为了获得可靠的识别结果需要考虑时间和空间的融合问题。从多传感器信息的时间域和空间域的融合出发,提出了在目标识别中多传感器信息的时空两级融合模型,以及基于证据理论的信息融合算法。仿真结果表明,该模型和算法具有方法简单、运算量小、可靠等优点,具有一定的理论意义和使用价值。     

基于加权证据组合的多传感器目标识别

为了解决多传感器信息融合中不同等级重要信息源数据的融合问题,在证据理论基本概念的基础上,引入证据权的概念。依据证据权的不同对各条证据进行转化,使之可以用传统的方法进行证据合成。将这种方法应用到等级不同的多传感器目标识别中可以解决传统证据理论只能进行等级相同传感器目标识别的难题。识别实例表明,该方法提高了目标识别的准确性和有效性。     

基于证据理论的战场被动声多目标识别研究

Dempster组合规则是证据推理的重要部分,广泛应用在多传感器信息融合算法中。组合法本身存在一些不足之处,应用到战场多目标识别中不能达到满意的识别率。分析了两种改进组合方法的基本理论和特点,应用到战场多类声目标识别的特征融合实验中均获得满意的识别结果。验证了两种改进组合方法在战场目标识别中具有一定的应用前景。     

基于多传感器多目标特征信息的模糊数据关联算法

本文针对高干扰环境下测量数据的不确定性，提出了多传感器多目标特征信息融合的数据关联模糊逻辑推理方法。研究了基于最陡下降法构造全模糊模型关联系统的自学习算法，以及多个主传感器数据融合对模糊关联系统性能的改善。其基本思想是通过融合多种特征信息进行模糊逻辑推理，改善数据关联质量的同时，不增加整个目标跟踪系统的复杂性。理论分析和应用举例都证明了模糊逻辑系统融合多种数据形式解决关联问题的能力。     

多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

基于多传感器信息融合的目标识别

在多传感器 (雷达和红外 )信息融合的目标识别中 ,不仅需要对点目标进行识别 ,而且也需要对面目标进行识别。由于传感器提供点目标和面目标的信息特征和信息量不同 ,致使信息融合的方法也不相同。针对这种情况 ,提出用基于智能规则推理的方法来进行点目标识别 ,用多传感器构成的联合特征向量的方法来进行面目标识别。仿真实验表明 ,采用这种方法能有效地提高目标识别的准确度     

基于模糊神经Petri网的C~3I信息融合模型

本文将模糊技术、多层感知器理论与Ｐｅｔｒｉ网相结合,提出了一种关于Ｃ３Ｉ信息融合的模糊神经Ｐｅｔｒｉ网的模型。将模糊逻辑规则应用到多传感器融合系统中得到模糊Ｐｅｔｒｉ网,并在此基础上将人工神经网络引入到Ｐｅｔｒｉ网中,从而提高了系统的学习能力以及对外界环境的自适应能力。     

Vague集在多传感器目标识别中的应用

针对具有多个特征指标的多目标识别问题,提出了一种基于Vague集的多传感器信息融合方法。该方法定义熵权客观地得到了特征的权重,将目标的各特征值转化为Vague值表达,根据Vague值的距离,给出目标识别方法。工件识别实例验证了算法的有效性和实用性。     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

基于相对距离的一种多传感器数据融合方法

分析了多传感器量测数据不确定性产生的原因,提出了一种基于相对距离的多传感器数据融合方法。该方法利用模糊集合理论中隶属度函数的优点,通过挖掘量测数据间冗余和互补信息调整数据间的相互支持程度,进而合理地分配量测数据在融合过程中所占权重。同时,避免了关联门限的设定,从而降低了先验信息的影响,避免了量测数据间相互支持的绝对化。通过仿真实例,验证了该方法的有效性。     

基于直觉模糊折扣算子的异类数据融合方法

异类数据作为不确定数据的类型之一,成为模式识别、多属性决策等问题中数据融合的难点。为此,以直觉模糊集为理论基础,本文提出一种异类数据的多属性融合方法。首先,定义一种新的直觉模糊数折扣算子及合成法则,证明了该算子与合成法则的基本性质。其次,定义异类数据之间的距离度量测度,基于灰关联方法,得到用于决策的系数矩阵,通过对备选方案证据的构造过程,生成直觉模糊数,基于直觉模糊熵,给出属性权重的计算方法。最后,根据直觉模糊数合成法则和比较法则,实现结果判定。仿真实验结果表明,所提方法能够有效地降低运算时间,得到正确的决策结果。     

Uncertain information fusion with robust adaptive neural networks-fuzzy reasoning

1 .INTRODUCTION Under increasingly complex operational circumstances ,there exists uncertain information in the sensors andthe networks of the multi-sensor system. The uncer-tainty occursin various manners ,e.g.the uncertaintyof multi-sensor systemstructure (includingthe dynam-ic ti me-variation property) and the uncertainty of theinformationitself (including fuzziness (containing am-biguity) ,randomness ,incompleteness (including de-fectiveness) as well as roughness) . And uncertainin-for…     

一类非线性系统的模糊建模与仿真

将模糊推理建模法应用于一阶非线性系统，推导出基于该方法建模后得到的数学模型，即变系数线性微分方程。首先根据模糊逻辑系统的插值机理将被控对象的模糊推理规则库归结为某种线性插值函数，然后将这些插值函数转化为变系数线性微分方程，从而得到控制系统的数后将这些插值函数转化为变系数线性微分方程，从而得到控制系统的数学模型。仿真结果表明，用模糊推理建模法得到的模型关于真实模型具有较高的逼近精度。     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。