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。     

一种解决D-S理论证据冲突的有效方法

D-S证据理论是一种有用的不确定性推理方法,由于证据合成公式存在不足,影响了证据理论的应用。针对有效融合高度冲突的证据,提出了一种新的有效加权冲突证据组合方法。该方法通过引入一个证据体距离函数,利用证据之间的相对距离确定了证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合。与其他方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标,实例表明了该方法的有效性。     

基于相控阵雷达组网的多传感器管理算法

信息化条件下的防空作战,建立一体的探测预警网络是夺取信息优势的技术保证,而实现传感器资源科学合理的分配则是提高防空探测预警网络信息获取效率的重要手段。为了充分发挥防空探测预警网络的功能及性能,必须在环境条件容许的情况下,对相控阵雷达组网有限的传感器资源进行科学合理的分配,提高探测预警网络的整体效能,进而提高防空作战效能。针对相控阵雷达组网的多传感器资源管理优化问题,介绍了相控阵雷达的特性和组网的意义,提出了基于相控阵雷达组网的相对熵多传感器管理算法。该算法通过计算传感器对目标的相对熵不确定性,获得每个传感器对每个目标最大的信息量,以此作为代价函数,进行多传感器对多目标的优化分配,仿真结果表明该算法的有效性。     

基于粗糙熵和目标威胁等级的多传感器管理方法

随着现代化武器平台的快速发展,多传感器管理在信息融合系统中所占据的地位越来越重要,因此,需要对有限的传感器资源进行科学合理的管理,提高防空作战能力.针对多传感器资源管理优化问题,分析了粗糙熵的定义,提出了基于粗糙熵和目标威胁等级的多传感器管理方法.该方法通过计算传感器对目标的粗糙熵,获得每个传感器对每个目标最大的信息增益,以此作为代价函数,考虑目标的威胁等级,利用线性规划思想进行多传感器对多目标的优化分配,实例分析表明了该方法的有效性.