无人驾驶车在越野环境中障碍身份识别

针对无人驾驶车越野条件下的环境感知问题,基于Dempster组合规则实现了障碍目标的身份识别.首先,基于CCD和激光传感器提取5个特征作为障碍物特征证据;然后,将传感器数据转换到证据空间,选用模糊插值法求取障碍物身份隶属度进而获取相关系数;再次选择经验公式,根据障碍物类型和环境加权系数计算基本概率赋值函数;最后,基于Dempster的组合规则求得融合后的总概率赋值函数,制定决策规则并识别障碍身份.实验结果表明基于D-S证据理论识别障碍物身份具有良好鲁棒性和实时性.     

一种新的基于证据权重的D-S改进方法

针对D-S证据理论处理高冲突证据时会出现于直觉相悖结论的问题,提出了一种基于证据权重组合的方法。首先通过引入Jousselme距离函数来确定证据权重。然后冲突证据由平均证据代替;且其权重也赋给平均证据。最后对修正后的证据加权平均后再用Dempster组合规则实现数据融合。与其他改进方法通过实例比较,表明该方法在有冲突证据时更能有效快速地识别出目标。     

一种基于非封闭识别框架的改进证据推理方法

在证据融合推理时,由于系统中出现未知新命题和传感器收集的证据不可靠,使得Dempster组合规则不适用于冲突证据组合.为了有效地处理冲突证据,提出一种基于非封闭识别框架的改进证据推理方法.首先在封闭识别框架内增加一个表示新命题的集合,将封闭识别框架扩展为非封闭识别框架,给出新命题基本概率指派的赋值方法,然后给出非封闭识别框架下焦元的组合规则.在非封闭识别框架下,依据冲突焦元本身基本概率指派以及证据的可信度信息,将局部冲突在涉及冲突的焦元之间分配,最后通过实例结果表明,与封闭识别框架下的 Dempster组合规则结果相比,该方法可以有效识别出新命题.非封闭识别框架下的改进证据推理方法,可以通过在非封闭识别框架下,对新命题与已知证据及已知证据之间的两类冲突信息在局部分配,使最终证据推理结果向合理方向聚焦.     

D-S证据理论中冲突问题的解决方法

针对传统D-S证据理论中冲突证据合成存在的问题,提出一种基于数学模型修正证据源的冲突证据合成方法.在不改变Dempster组合规则的前提下,逐一比较识别元素的基本概率分配值和平均基本概率分配值,结合数学模型修正基本概率分配.仿真结果表明,该方法在处理冲突证据合成时有效、可行.     

基于修改模型的冲突证据组合方法

针对冲突证据的组合问题,提出一种基于修改模型的冲突证据组合方法.该方法具有以下特点:①只修改模型,不改变Dempster组合规则的结构.②考虑焦元属性之间及证据之间的相互关联性,引入距离函数,确定证据的权值,将平均证据代替冲突证据,减少冲突证据在组合规则中的作用,降低干扰对最终融合结果的影响;同时充分利用原始证据信息,提高了组合结果收敛到正确目标的效率.③能够解决一般冲突、一票否决、鲁棒性等冲突证据的组合问题.④认为冲突证据也是一种信息,加以利用,避免证据有效信息的损失.通过实验,验证了所提出方法的有效性.     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

基于证据理论的单一故障诊断方法比较研究

为了比较和研究证据理论中Dempster,Yager,PCR5三种组合规则的融合效果,构建多源传感器故障诊断识别框架,利用已有实验数据分别对基于3种组合规则融合多传感器信息诊断单一故障的过程进行仿真,并采用信息熵作为不确定性量度.结合融合后的基本概率分配函数和故障判定结果对各组合规则的融合效果进行定量比较、分析和评价.结果表明:3种组合规则均能够融合多传感器信息对所选的单一故障实现诊断,其中,Dempster组合规则的诊断结果具有最低的不确定性,Yager组合规则的效果相对较差.该研究对证据理论组合规则在冲突不明显时的融合效果进行了定量分析,是对已有定性分析研究的验证和补充.     

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。     

基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Dempster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.     

一种有效的证据理论融合方法

鉴于Dempster组合规则在处理高冲突证据时所存在的缺陷,提出一种新的基于余弦相似度和证据距离的融合方法.首先引入余弦相似度函数和距离函数,而后求出系统中各个证据间的联合相似度,并以此获得各个证据的加权系数,最后对系统中的证据加权平均后利用Dempster组合规则进行组合.与其他方法相比较,该方法不仅考虑了系统中证据在距离上的相似性,而且考虑了证据在方向上的相似性,融合后的结果更为理想.     

基于Dempster-Shafer证据理论的数据融合技术研究

系统地研究了Dempster-Shafer（D－S）证据推理的数据融合技术,分析了传感器基本概率分配函数（basic probability assignment-BPA)的构造方法,分别对双传感器随参数分布的几种情况进行了检测融合,利用红外场景生成器生成的3－5μm和8－12μm双通道的红外背景及目标的序列图像,仿真了融合对探测操作特性（receiver operating character-ROC)曲线的性能改进,对AGEMA THV900型双通道红外热像仪的小目标图像也开展了实验处理,均取得了预期的结果。     

关于模糊证据理论的一个新解释

推广了Dempster所提出的随机集概念，并讨论了模糊信息源的不确定结构与模糊事件空间之间的关系，最后特别地用广义的上、下概率概念给出了模糊证据理论的一种新的解释，同时证明了模糊条件信任函数实际上是Dempster模糊条件规则的推广。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。     

基于证据理论的空中目标识别

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, 提出一种新的基于权值的证据调整方法, 当证据互相冲突时, 不必修改合成规则, 直接对各组证据赋予不同的权值调整概率分配函数. 仿真数据表明, 通过证据调整方法进行空中目标类型识别可行, 并且实现了可靠的目标判定.     

基于D-S证据信息融合方法的全地形车行驶工况辨识

磁流变阻尼器的全地形车智能悬架可以使车辆面对不同行驶工况下提供更好的减振效果,为了解决在传感器存在噪声或异常等情况下车辆行驶工况辨识困难的问题,文中提出了一种基于D-S(Dempster-Shafer)证据理论的多传感器信息特征值的融合技术提高行驶工况辨识的准确性。通过改进的距离评估方法对全地形车行驶工况的传感器敏感特征值进行了提取和筛选,采用区间估计将传感器的噪声和异常值当做不确定性信息。利用D-S合成对特征层的辨识结果进行决策层融合,基于可行区间的决策规则完成对车辆行驶工况的辨识。最后使用Carsim整车仿真试验平台,验证了基于D-S证据理论的决策层融合方法的有效性。     

粗糙集理论在多传感器目标识别中的应用

针对多传感器目标识别中存在的问题,提出了一种基于粗糙集理论的目标识别方法。该方法利用粗糙集理论对数据进行分析,通过决策系统的可辨识矩阵导出分类识别规则,建立目标识别规则库。实例分析表明,该方法的是可行的。     

图像融合研究新进展

数字图像融合是对多幅源图像的信息进行综合,以获得对某一地区或目标更准确、更全面和更可靠的描述,从而有利于图像后续的分析和理解,如图像分割,分类和目标的检测,识别.该文给出了数字图像融合的形成及其发展过程,比较了不同层次图像融合的特点,重点阐述了图像融合方法的新进展,总结了目前被研究者广泛采用的图像融合效果评价指标,提出了把图像融合机理和融合目的考虑在内的融合模型,并对图像融合目前存在问题以及未来的发展进行了展望.     

D-S理论在开放识别框架下的推广

针对无法获取完备识别框架的应用背景,把证据模型建立在一个随着证据组合而不断完善的开放识别框架上,提出一种推广的Dempster-Shafer(D-S)证据理论--开放框架D-S理论(OFDST).基于DFDST定义证据的支持函数与反对函数,对证据的信任函数模型进行全新诠释,揭示Dempster组合规则的线性实质.最后通过一个实例验证了该理论的合理性与有效性.