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．     

无线传感器网络中适于协作定位的全局节点选择

为了有效解决无线传感器网络(WSN)节点定位精度和测距技术复杂性之间的矛盾,基于WSN随机分布特性和天线阵列几何结构约束,通过节点协同形成的虚拟天线阵列对WSN进行定位,提出了一种适于定位的虚拟阵列节点选择方法.仿真结果和理论分析表明,当波达角估计算法的性能满足要求时,该方法具有很强的可行性和优良的定位性能.     

基于证据理论的协同频谱感知算法

针对认知无线电系统中的有效检测授权用户需求,研究了中心节点未知先验信息时的协同频谱感知问题。为了在中心节点未知先验信息的条件下实现对授权用户的有效检测,基于证据理论,对认知用户的本地感知结果提取证据,在中心节点进行融合并判决,提出了一种新的协同频谱感知算法。仿真表明,该算法能够在中心节点未知先验信息情况下,获得很好的频谱感知性能,在先验信息和感知性能之间取得了很好的折中。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法.算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理.指出了该定位算法的关键技术,并对其进行了仿真验证.仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率.     

衰落信道下的无线传感器网络虚拟MIMO传输优化设计

针对基于虚拟多进多出技术的无线传感器网络系统,分析了在信道衰落下的平均误码率,并提出了使用各协作节点最优传输功率的新方案,推导出基于Nt×1虚拟多进多出系统的最优传输功率表达式.理论分析和仿真表明：与等功率传输相比,传输功率优化方案可获得更低的误码率.同时,对协作节点数与传输效能的折中设计进行了探讨.仿真结果表明：低功率传输时,应适当降低协作节点数,以降低有效传输能耗.     

无线传感器网络中用于定位和目标跟踪的全局节点选择

定位和跟踪在无线传感器网络中具有重要研究意义,它们直接影响无线传感器网络的应用和发展。本文在WSN随机分布特性和天线阵列几何结构约束的基础上,通过节点协同形成的虚拟天线阵列对WSN进行定位和目标跟踪,从而提出一种适于定位和跟踪的虚拟阵列节点选择方法。仿真结果和理论分析表明,在DOA估计算法性能满足要求时,该方法具有很强的可行性和优良的定位性能。     

三维虚拟骨干网络算法优化

由于ad hoc网络的实际应用环境多数为三维空间,该文将二维平面虚拟骨干算法推广到三维空间.首先利用图论中连通支配节点集(CDS)的概念,给出三维空间中虚拟骨干网络成形算法.然后通过推导给出该算法生成的三维虚拟骨干网络保持二维平面中传输跳数稀疏比率为3, 链路长度稀疏比率为6的性质,以及该算法所构建的连通支配节点集(CDS)的节点数目与理论最优数目的比率上限为16的结论.并通过大规模的随机仿真实验,验证了三维虚拟骨干网络算法的性能.     

节点删除法的虚拟网络映射算法

虚拟网络映射是虚拟网络研究的关键内容,传统的贪婪算法在映射成功率和降低网络负载方面存在不足.将系统科学研究方法引入到虚拟网映射中,提出一种基于节点删除法的虚拟网络映射算法,根据节点删除对网络连通的影响程度来对网络节点进行排序,同时不断更新节点的状态,优先选择空闲节点进行资源分配.仿真实验表明,该文算法不仅能提高映射成功率,同时也能显著提升网络负载的均衡性能.     

基于ElevationGrid节点的虚拟现实仿真

讨论并归纳了VRML下使用ElevationGrid节点的应用范式,总结了利用该节点构造复杂的虚拟仿真模型的方法,并根据具体方法进行了程序验证,从而有效应用归纳于大场景的复杂造型研发。     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

针对证据冲突状态的图像融合技术

为解决D-S（Dempster-Shafer）证据理论在较大证据冲突下的结果失效问题,根据最大信息熵原理,提出一种基于马尔可夫过程的证据冲突处理方法.当证据间表现出冲突特性时,通过马尔可夫过程平稳分布获得冲突证据的一致性输出,再与后续证据进一步融合,获取客观科学的融合结果.红外序列图像融合仿真表明：提出的融合方法的收敛性与融合结果均优于经典D-S证据理论,对消除证据融合过程中的主观因素起到一定的作用.     

多传感器信息融合技术在侦察系统中的应用

分别阐述信息融合的基本概念和多传感器侦察系统中信息融合的模型设计,重点分析Dempster-Shafer证据推理理论在多传感器侦察系统信息融合中的应用。     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观结果相悖的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。     

基于Dempster-Shafer证据理论的虹膜图像分类方法

为了提高虹膜图像的分类率，提出了一种基于证据理论的虹膜图像分类方法．该方法利用虹膜图像的纹理变化信息来提取虹膜灰度信号的比率特征，并结合证据理论实现了虹膜图像的决策分类，降低了不确定性因素对图像分类的影响，提高了分类率．在相同的实验条件下，对不同数量的虹膜图像进行了实验验证，结果表明，该方法在保持了分类稳定性的同时，其分类率比直方图交叉分类方法和直方图比率特征分类方法分别提高了6．96％和4．44％．     

一种基于相关证据的数据融合算法

根据Dempster-Shafer证据理论和相关证据合成方法，将证据合成算法应用于神经网络分类器中，以提高分类器的分类精度。在UCI数据库的分类中的应用结果，证明了该方法的有效性。     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观相悖的结果的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。     

基于Dempster-Shafer证据理论的组合基因预测

使用Dempster-Shafer证据推理理论组合多个基因预测程序可以组合来自多个信息源的基因预测信息,多个基因预测程序组合后的预测效果明显好于单个基因预测程序的效果.     

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.     

用Dempster-Shafer理论建立不确定性的计算方法

本文介绍了Dempster-Shafer关于证据的数学理论以及根据该理论发展的一种新的推理方法。在实际问题如人工智能、信号检测和图像识别等领域内,具有十分精确和完整的信息和知识的情况是很少遇见的,大部分实际问题都带有一定程度的不确定性。本文阐述了如何利用Dempster-Shafer理论表征和结合不确定信息,说明了该理论是处理不确定信息的一个强有力的工具。最后给出了几个应用的例子。