基于MEBN的战术意图识别

战术意图识别是不确定性战场环境中理解战场态势、预测敌军将来行动过程的关键。意图识别模型的构建是作战仿真系统中实体行为建模的难点之一,如何表示不确定的意图元素及其不确定性关系并进行有效推理是意图识别的核心问题。分析了影响敌人战术意图的因素及各因素之间不确定性表示途径,提出了采用多实体贝叶斯网（multi-entity Bayesian network, MEBN）来描述敌人的战术意图,采用一阶谓词来表示意图影响因素,大大扩展了贝叶斯网表示不确定性问题的能力。MEBN采用实体片断集描述敌人的作战知识,方便重用。基于描述的敌人意图知识库,给出了基于知识的模型构建算法来动态构建战术意图识别模型。最后,通过仿真实验,对基于MEBN的战术意图识别方法进行了实验验证,结果表明该方法是有效可行的。     

证据独立性及其对目标识别的影响研究

证据理论在不确定信息的表达和处理上有独特的优势,而证据独立是很多组合方法应用的前提,但目前没有完全有效的判断方法.针对这一问题,首先研究了证据组合的内涵和证据对识别框架的解释.然后从Smets证据独立性定义出发,分析了Dempster组合规则中的独立性问题,并针对小样本或无样本情形,提出了一种证据独立性判断方法.同时,...     

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。     

态势评估中的作战群体类型识别

针对类型识别所处理的情报和使用的知识的不确定性,尤其是情报与知识在观点上的不明确性,提出了基于证据理论的情报表示及组合方法,并给出了群体类型的模板表示方法,进而提出了基于组合情报与模板模糊匹配的作战群体类型识别方法。该方法可应用于各个层次的兵力聚合过程,以辅助各个指挥层次的军事决策,提高决策的速度及效率。     

海上目标数据融合实例研究

在应用D S证据理论识别海面目标的过程中,重点研究了如何通过传感器数据实测值来确定基本概率分配函数(BPA)的方法。首先,对侦察雷达所能探测到的目标雷达信号的载频、脉宽、重频,应用证据理论将其组合,得到雷达参数的联合概率分配函数。根据雷达和舰船的对应关系,由雷达概率分配函数推导出目标平台的基本概率分配函数。再用测得的舰船目标的航速得到目标平台关于航速的基本概率分配函数,并最终用D S证据理论识别了海面目标,具有较大的实际应用价值。     

多传感器自动目标识别中的冲突证据组合方法

针对决策级信息融合中的冲突证据组合问题进行了深入的研究。在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法。该方法首先计算证据之间的相似度矩阵,其次计算各个证据之间的可信度,最后采用归一化的可信度对证据进行加权平均,再进行n-1次DS组合。仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果。     

基于证据理论的交互式目标识别算法

在充分利用信息处理中心的人工情报和其它信息源数据的基础上,提出了基于证据理论的交互式二级融合算法。对数据融合系统获得的不同信息源数据进行了详细分类,并阐明了非实时信息和半实时信息在数据融合前期及中期的不同作用。首先在多传感器数据时域融合的基础上,获得对目标的初步判定值;其次在信任加权的基础上接收其它识别单元对目标的判别概率,通过信息处理中心传来的目标数据,对不同识别单元的目标数据融合的结果进行修正,解决了问题规模扩大时计算量快速增长的问题。仿真结果证明,该算法能有效实现对目标的快速、准确性判别     

改进的证据理论在目标识别中的应用

针对传统证据理论用于目标识别时基本概率指派(basic probability assignment,BPA)难以确定的问题,提出一种基于灰色关联度的改进的证据理论并将其用于空袭目标识别。即通过对获取信息与参考模式的灰色关联度进行折衷归一化,确定证据对空袭目标集的BPA,进而使用证据合成规则对传感器获取信息进行融合得到目标识别结果。实例证明了此方法的有效性。     

一种基于电子侦察和光学成像侦察的目标综合识别算法

利用电子支援措施(electronicsupportmeasure,ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。提出了一种基于模糊集理论和D S证据理论的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。     

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。     

基于分层贝叶斯网络的计划识别方法

分析了态势估计中计划识别问题。采用分层贝叶斯网络对计划进行分级表示,依据发生的战场事件和目标行为,动态构建分层贝叶斯网络结构,并将其作为证据进行推理。为了解决动态构建贝叶斯网络的推理问题,提出构建虚拟节点的方法,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。最后,文中通过仿真实验,对基于分层贝叶斯网络的计划识别方法进行了实验验证,结果表明该方法是有效可行的。     

一种基于D-S推理的异源信息目标识别方法

讨论了多帧异类信源的目标识别问题,将D-S证据推理应用于多传感器的数据融合,将异类辨识框架下的证据体组合得到新置信指派,利用多个传感器共同或联合操作的优势来提高目标识别的有效性和精确性。同时给出基于基本概率赋值决策的目标识别时序累积方法。最后通过仿真验证了该方法的有效性,可信度及准确性得到提高,具有比累积前更可信的特点。     

Target recognition based on modified combination rule

1 .INTRODUCTIONThe evidence theory also known as D-S theory isan approach handling of uncertainty .It was firstput forward by Dempster A.P.in 1968 and thenmodified by his student G. Shafer in 1971[1 ~2].This theoryis the extension of Bayesiantheory andfurthermore it can deal with uncertainty caused bythe inaccurate or unknown of knowledge . So ,ithas been extremely wide used in data fusion field.However ,everything has its own weakness .It isinvalid when dealing with highly conflict e…     

基于协同战术识别的双机编队威胁评估方法

双机组成编队采用协同战术攻击目标是多机协同空战的一种主要形式。针对蓝方为双机编队的超视距空战威胁评估问题,提出了一种基于协同战术识别的威胁评估方法。首先,根据双机编队协同战术的分析、双机的空间占位与机动特性信息,采用动态贝叶斯网络建立目标双机编队协同战术识别模型。然后,根据目标飞行状态信息和目标机动动作识别结果,进行目标轨迹预测。最后,综合空间占位、探测、攻击、协同战术等威胁因子,考虑目标轨迹变化对战场态势演变的影响,建立威胁评估模型。仿真结果表明,所提方法能够准确识别双机编队的协同战术,实现合理化威胁评估。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。     

一种基于证据理论的中国手语单手静态词识别方法

单手静态词是中国手语词汇库的一个重要组成部分,该类词主要借助于单手的固定姿态和手同身体之间的相对位置关系进行表达。结合单手静态词的特点,提出了一种基于D-S证据理论的中国手语单手静态词汇识别方法:利用数据手套CAS_Glove获取手姿信息,借助于视觉和肘部弯曲传感器融合确定出手在人体空间中的相对位置;在对单手词进行模糊特征空间划分的基础上,利用D-S证据理论实现了多种特征匹配结果的融合。为减少计算复杂度,增强系统实时性,对Dempster规则在特定条件下进行了简化,并从理论的角度对其进行了证明。最后通过实验比较证实了该方法的有效性。