多源信息搏弈融合模型的研究及其在ETC中的应用

将搏弈论与信息融合技术相结合,针对多源信息冲突环境下的信息融合问题,提出了一种新的通用型融合功能模型多源信息搏弈融合功能模型.该模型在搏弈思想指导下,把局中人、对策和支付作为模型的基本要素,把目标识别或局势评估作为模型的核心功能,把融合中的冲突与合作视为多源信息以不同策略进行的交互搏弈.针对不确定性环境下的态势评估或目标识别,提出了以贝叶斯网络为基础的问题表示及求解方法.在应用中,将博弈融合模型及算法应用于ETC电子不停车收费中的车辆身份识别.实验表明,在车辆身份的识别过程中,博弈融合模型优于传统的信息融合方法,并能有效地改善识别结果,从而验证了博弈融合模型及其算法的有效性和具体应用价值.     

基于威胁博弈理论的决策级融合模型

针对多传感器信息融合系统中普遍存在的冲突信息环境下的融合系统决策问题,提出了一种新的基于威胁博弈的决策级信息融合模型·该模型将冲突环境下的融合过程视为局部决策空间、策略空间和全局决策空间上的变换过程,并以此构建融合中心的一种结构模型·在融合算法的研究中,以威胁博弈的算法实现融合中心的多传感器交互决策·在应用中将该模型用于丰满水电仿真系统调速器PID模型的参数在线调整·经现场应用表明,该模型可以有效地解决原PID模型参数整定困难而导致的系统转速和频率振荡等问题·     

高边坡传感器网络协同监测及信息融合系统模式

从充分挖掘监测信息内涵和外延入手,引入无线传感器网络和多源信息融合技术,分析了高边坡监测系统的信息采集、传递和加工处理的过程,定义了各个子系统的域界,基于将物理构成和逻辑构成分开的原则,建立了高边坡自动监测系统的体系结构.以多传感器采集层为例,介绍了光纤传感器技术、无线传感器网络技术和多源信息融合技术等高边坡传感器网络协同监测及信息融合系统的关键技术.     

一种基于贝叶斯网络和博弈论的信息融合模型

针对多源信息融合问题,以博弈思想为指导构建博弈信息融合模型,在贝叶斯网络表示的基础上提出用于博弈融合模型的融合算法.在具体算法的研究中,按照博弈信息融合模型的要求,对原有的贝叶斯网络算法中节点判断算法和Parzen窗融合算法进行改进并将两者相结合,提出了博弈融合态势评估算法,并从理论上分析了融合算法的最坏时间复杂度.将博弈信息融合模型及其贝叶斯网络算法应用于交通状态预测中,针对交通车流量、车速、车流密度等多源动态问题,构建合适的贝叶斯网络模型,实现交通状态的预测,给出预测的仿真结果.     

多传感器集成与信息融合原理

现代监控系统需要检测工作环境多个物理参数,因单个传感器难以提供比较全面环境信息,多传感器配置成为现实、可行的选择.在阐述多传感器集成与信息融合出现的历史背景、含义、特点的基础上,系统地阐述了多传感器系统研究的主要内容,核心研究内容包括拓扑结构与融合模型.     

多传感器信息融合系统有序度分析

对多传感器信息融合系统,提出了融合处理的结构;通过引入信息融合系统有序度的概念,建立了一种基于信息熵理论的结构体系评价方法,用以从传感器管理的角度评价多传感器融合体系结构的组织化程度.     

自校正集中式融合信息滤波器

对于带未知噪声系统和不相关噪声的多传感器随机系统,将基于相关方法得到的噪声方差带入到集中式融合最有信息滤波器,提出自校正集中式融合信息滤波器。同基于Riccatia方程的集中式融合Kalman滤波器相比,它避免了计算高维矩阵的逆,从而减少了计算负担。应用动态误差分析方法,证明了自校正集中式融合信息滤波器以概率1收敛于最优集中式融合信息滤波器,因而具有全局渐进最优性。一个带3传感器跟踪系统的实例说明其有效性。     

钢管磁性探伤多传感器信息融合模型的研究

针对大型钢管裂纹与孔洞的局部损伤缺陷,采用非晶态合金多传感器阵列获取钢管在空间与时间上的多源缺陷信息.通过实验提取了反映钢管缺陷的特征信号,建立缺陷状态数学模型,形成了多传感器信息融合所需的先验知识.基于多传感器信息融合原理,构建了适合于钢管损伤的多传感器信息融合模型,研究了模型在不同层次上的信息融合特点,提高了对钢管...     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.     

基于多传感器信息融合的故障诊断方法

为了获得更多的故障信息,全面了解故障特征,采用多个不同的传感器共同监测是一种有效的方法途径.而实际现场工业设备运行环境非常复杂,使得传感器采集到的信息包含很多来自自然环境或人为的干扰噪声,导致采集到的故障信息冲突.针对这一问题,提出了一种基于多传感器信息融合的故障诊断方法.首先求得各证据之间的证据距离,根据证据距离值的大小再修改证据,然后利用D-S证据理论进行信息融合,提高了诊断的可靠性和准确度.实验验证了该方法切实可行.     

基于信息博弈的协同诊断决策

面对装备日益增加的复杂性和对诊断系统能力的高需求,多诊断资源的远程协同诊断成为趋势.针对协同诊断中存在的资源决策冲突问题,引入了博弈理论;介绍了扩展博弈决策模型及其操作流程,通过双支付参数分别讨论了决策中心与诊断资源联盟间的成本博弈、诊断资源间的决策信息熵递减博弈;并运用多属性决策方法进行决策结论的仲裁.以工程装备故障为例,简述了本博弈决策实施过程.     

基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题. 传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题. 针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法. 这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.     

多传感器系统最优决策融合的熵方法

根据多传感器最优决策融合的信息模型提出了多传感器决策融合熵的概念；推导了多传感器系统最优决策融合的熵规则，分析了该方法对融合系统的可行性和虚警率的影响，表明该方法对提高融合系统品质具有重要意义。     

基于传感器节点可靠性模型的协同决策算法

针对多传感器系统中的协同决策问题,先对传感器节点的可靠性进行了分析和建模,从不同传感器节点的信息处理结果之间相互支持和节点自身历史表现2个方面,得到影响传感器节点可信度的2组参数;然后在D-S证据理论相关研究的基础上提出一种协同决策算法,并采用蒙特卡罗方法对协同决策算法进行了仿真验证．仿真结果表明：协同决策算法的平均决策正确率比现有算法提高了2．0％～10．8％,并且在证据严重冲突的情况下能获得比其他方法更好的决策效果．     

基于信息熵的不完备信息系统属性约简算法

在现实生活中信息的不完备现象广泛存在,等价关系不一定成立,限制了经典Rough集理论在一些实际问题中的应用.从信息论角度出发引入信息熵的概念,提出了不完备信息系统中知识熵的度量方法,定义了信息观下不完备信息系统知识约简的方法,分析并讨论了与现有其他约简定义的关系,给出了一种基于信息熵的不完备信息系统属性约简算法,通过仿真实验说明了该算法对于不完备信息表知识约简是可行的.     

一种基于统计信息的模糊推理方法

在Zadeh的模糊推理合成规则及陈永义等提出的模糊集特征展开近似推理方法基础上，提出了一种广义模糊特征合成推理的数学模型，借助信息论的方法，通过计算推理系统的熵以及因素uk对系统的条件熵，进而得到因素uk对系统的信息率，并利用因素对推理系统的信息率给出了一种基于统计信息的特征系数权重确定法。     

D-S证据理论在多传感器故障诊断中的改进及应用

为了解决在多传感器信息融合处理故障诊断过程中,传统证据理论对含有冲突证据的处理结果与实际相悖的问题,介绍了传统D-S证据理论的基本构架,分析了其在处理含有高冲突的证据融合过程中将高信任度分配给小可能故障源的不足,提出了一种新的基于模糊成员函数和证据平均距离的证据调整方法,该模糊成员函数充分考虑了专家知识对基本概率分配函...     

基于系统熵的网络攻击信息支援效能评估方法

为了评估网络攻击对信息作战的支援效能,在系统熵概念的基础上,通过引入基于层次分析的指标权重计算方法,描述了网络攻击下综合系统熵差的计算模型,提出了一种基于系统熵的网络攻击信息支援效能评估方法。仿真实验表明,提出的评估方法能有效度量网络攻击对信息作战系统信息品质的综合影响,为系统评价具体网络攻击手段对信息作战的影响,提供了一种有效的评估方法。