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。     

基于相关性函数和模糊综合函数的多传感器数据融合

针对多传感器数据融合过程中,各传感器可靠度估计的困难和如何对不同类型的传感器数据进行融合,提出了一种基于相关性函数和模糊综合函数的多传感器数据融合方法。该方法首先利用相关性函数计算多传感器的相互支持程度,然后由隶属函数得到每个传感器提供信息的可信度,最后用模糊综合函数获得多传感器对目标属性的融合结果。该方法计算简单,客观地反映了各传感器的可靠程度及相互关系。将该方法用于一个目标识别任务的仿真实验,结果表明应用该方法能确定地识别出目标,是一种有效可行的多传感器数据融合方法。     

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。     

多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

一种基于D-S证据理论的红外小目标融合识别方法

为了提高低信噪比弱小目标识别的可信度 ,提出了一种基于D S证据合成理论的多传感器信息融合识别方法。并使用该方法对来自多个红外成像传感器的实际图像进行了信息融合仿真处理。仿真结果证明 ,该方法对低信噪比条件下的红外弱小目标具有良好的识别效果     

基于模糊综合函数的故障诊断

在决策级信息融合的故障诊断中,根据各传感器所作决策不可避免地带有主观性和模糊性。针对这种情况,如何准确地判断是否存在故障并尽快找到故障源就取决于合适的融合方法。提出了一种新的属于决策级的信息融合方法,即:先求出各传感器所作决策的可能性分布,然后利用模糊综合函数来进行融合故障识别与诊断,从而可解决多信息源信息融合中普遍关心的信息可信度以及融合准则问题。     

多传感器基于证据理论的机载雷达用途识别

雷达用途识别是分析雷达型号和进行威胁评估的基础。在简要阐述D S证据理论基本概念的基础上 ,较系统地论述了基于D S证据理论的多传感器机载雷达用途识别的信息融合方法。该方法同时采用多个传感器 ,并且每个传感器进行多个周期的测量 ,然后利用多传感器多测量周期的信息 ,基于Dempster组合规则 ,采用中心式融合算法 ,对机载雷达用途进行识别。识别实例表明 ,该方法识别结果令人满意 ,使原来采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善。     

基于熵权的多传感器目标识别方法

针对具有多个特征指标的多目标识别问题,提出了一种基于熵权的多传感器信息融合方法。该方法根据熵论的基本原理定义熵权,通过引入优异度、次异度的概念,采用相对接近度来评判距离的大小,从而给出目标识别规则。该方法利用熵权避免了特征指标权重选取的主观性,提高了目标识别结果的客观性和准确性。工件识别实例验证了算法的有效性和可操作性。     

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。     

一种基于证据理论和条件规则的目标识别方法

针对多源信息融合识别目标属性的问题,提出了一种将先验条件规则应用于多传感器目标识别方法。该方法根据证据理论(D-S theory)和可传递信任模型(TBM)中证据所对应的信度传递规则,将不同辨识框架之间的条件规则映射成辨识框架的改变,并通过计算pignistic概率,得到利于决策的单命题结论。在此基础上,总结了多传感器融合识别目标的基本步骤,仿真结果说明了方法的有效性。     

基于一维堆叠池化融合卷积自编码器的HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别中特征提取及识别问题, 提出了一种基于一维堆叠池化融合卷积自编码器(one-dimensional stacked pooling fusion convolutional autoencoder, 1D SPF-CAE)的识别方法。首先构造一维池化融合卷积自编码器(one-dimensional pooling fusion convolutional auto-encoder, 1D PF-CAE), 在编码阶段, 采用最大池化和平均池化同时提取不同的编码特征并进行融合来提取HRRP的结构特征; 然后堆叠多个1D PF-CAE形成1D SPF-CAE; 最后使用标签数据对网络进行微调, 实现HRRP目标识别。并使用AdaBound算法优化网络训练来提高识别性能。基于弹道中段目标仿真数据的实验结果表明, 该方法具有较强的特征提取能力, 对于HRRP目标识别准确率高、鲁棒性强。     

一种基于机载航电的信息融合仿真系统

信息融合是现代机载航空电子系统的关键技术之一。对此作了探讨，提出一种基于机载航电的信息融合仿真系统框架，进一步提出并详细分析了其中的信息融合功能模型。该系统采用集中式结构，包含信息采集、跟踪、识别、态势评估与威胁估计、传感器管理等功能。仿真初步验证了框架的可行性。     

基于改进时域证据融合的目标识别

为了实现防空反导目标识别,根据证据折扣理论和证据可靠性评估的思想,提出了一种改进的时域证据组合方法。首先,提出了具有时域信息累积的信息融合模型;然后,通过基于信任度和虚假度的方法对累积的时域信息进行预处理,用可信度衰减模型和基于Einstein算子改进的冲突因子分别进行实时可靠性和相对可靠性评估;最后,基于Dempster准则和证据折扣准则对证据进行合成。仿真分析表明,该方法能够充分利用历史信息,体现了时域信息融合的动态性,能够有效处理信息冲突,具有较强的抗干扰能力。     

基于自适应直觉模糊推理的目标识别方法

将自适应神经网络--直觉模糊推理系统(adaptive neuro intuitionistic fuzzy inference system, ANIFIS)引入信息融合领域,提出一种基于自适应直觉模糊推理的目标识别方法。首先,分析了现有目标识别方法的特点与局限性,建立了基于ANIFIS的Takagi Sugeno型目标识别模型。其次,设计了系统变量属性函数和推理规则,确定了各层输入输出计算关系及合成计算表达式。再次,设计了学习算法对网络和规则进行训练修改。最后,以20批典型目标的类型识别为例,分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法.     

基于贝叶斯网络的目标融合识别方法研究

利用贝叶斯网络模型进行目标融合识别是近年来的一个研究热点。以电子战环境中的数据融合为背景，提出了一种以朴素贝叶斯分类器和扩展的朴素贝叶斯分类器为基本结构的目标融合识别模型，采用同质传感器数据优先融合原则对雷达侦察、通信侦察和红外成像侦察数据进行融合。仿真实验表明，该模型可以有效地提高识别系统的准确率、可靠性和稳健性。     

决策层时空信息融合的神经网络模型研究

融合目标识别可以获得比任意单传感器更加准确的目标识别结果。决策层融合由于其在信息处理方面具有很高的灵活性,成为信息融合研究的一个热点。针对传统融合算法环境适应性较差的缺点,提出了一种决策层时空信息序贯融合的神经网络模型,讨论了利用各传感器所处环境和专家知识等先验信息确定网络初始权值的方法,研究了网络权值的在线学习算法。仿真实验证明该网络模型的有效性。     

弹道目标空间反识别措施发展态势浅析

弹道目标空间反识别技术的研究具有重要意义。隐身和诱饵技术虽然在减小探测距离和拖延识别时间上具有一定作用 ,但是现代防御系统的天基和地基探测与识别系统通过对一段时间内累积信息的融合分析 ,仍能判别出真实目标的特征。因此 ,提倡对基于机动和近炸的双模式主动反识别技术进行探讨 ,并提出了若干问题以待研究。