扩展的证据合成规则及其在多目标跟踪中的应用

针对多传感器多目标跟踪问题,利用随机集理论对证据合成规则进行了扩展,并基于“OR”合成规则提出了一种多传感器多目标跟踪的新方法.首先,将观测数据作为证据,目标状态作为识别对象,依据证据与识别对象间的相关度确立它们间的基本概率赋值.然后利用“OR”证据合成规则对证据进行合成.最后将合成的基本概率赋值作为权重因子对目标状态进行更新.仿真实验表明,与全局最近邻域方法相比,新方法能提高目标状态估计的精度.     

基于STPA-ANP模型的民机系统安全性分析

随着民机系统复杂程度不断提高, 传统的安全性分析方法已不能完全满足危险源高效识别的要求, 为有效分析和评估民机系统安全性, 提出系统理论过程分析(system-theory process analysis, STPA)和网络分析法(analytic network process, ANP)相结合的安全性分析方法。针对STPA没有给出完整的关键致因分析与评估过程, 将STPA与ANP关键结构对应结合, 对危险控制动作进行致因分析和评估, 得到危险控制动作关键致因。以某型民机数字式飞控系统为例展开分析, 通过形式化建模验证及仿真验证, 证明该模型方法可以准确和完整地识别分析系统潜在危险并确定危险关键致因, 为民机系统安全性分析提供支持。     

系统仿真在载人航天中的应用

探讨了系统仿真的各个发展阶段在载人航天中的应用,介绍了在航天员能力评估、研究空间运动病、训练及研究用模拟器等方面的应用情况,并提出重视方案论证阶段仿真,强调仿真的集成化和智能化以及拓展仿真应用的几点思考。     

概率风险评估(PRA)方法在我国某型号运载火箭安全性分析中的应用

根据中国航天系统安全性分析的现状 ,对在美国国家航空航天管理局 ( NASA )、欧洲空间局( ESA )均得到广泛应用的航天系统安全性分析概率风险评估 ( PRA)方法加以改进 ,使其适用于我国的航天系统 ,并且将改进后的 PRA方法 (简称为 CPRA)运用于我国某一型号运载火箭的重要子系统的具体安全性分析 ,今后将进一步推广到全箭的安全性分析.     

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。     

基于STPA-Bayes模型的机载平视显示系统安全性分析与评价

机载平视显示(head-up display, HUD)系统可以大幅提高恶劣天气下的飞机起降成功率,已成为我国民航重点推广的安全提升技术。构建低能见度下飞机使用HUD系统进行特殊Ⅰ/Ⅱ进近场景,利用系统理论过程分析(system-theoretic process analysis, STPA)方法识别该场景下潜在的不安全控制行为,通过严格的形式化语言对其进行验证与致因分析,并给出了包含21条通用因素的致因场景分析框架。同时,为弥补STPA方法缺少定量分析的缺点,引入贝叶斯网络计算不安全控制行为发生概率,提出了STPA-Bayes安全性分析与评价模型。结果表明,该方法能有效地识别并分析系统潜在的危险,减少人为因素对分析结果的影响,为机载显示系统的安全性分析提供支持。     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

航天系统安全性分析的概率风险评估方法

在对航天系统进行安全性分析的定性、定量、综合方法的基础上,主要介绍了以定量风险评估为主的、在ＮＡＳＡ和ＥＳＡ均得到广泛应用的概率风险评估（ＰｒｏｂａｂｉｌｉｓｔｉｃＲｉｓｋＡｓｓｅｓｓｍｅｎｔ,ＰＲＡ）方法．着重介绍了该方法的基本思想和具体实施过程,并探讨了在我国航天系统安全性分析中使用ＰＲＡ方法的可行性。     

一个证据推理模型及其在专家意见综合中的应用

表达为概率分布的专家意见的综合是许多决策过程的基本问题 ,也是在贝叶斯概率框架内难以处理的问题 .本文基于 Depster-Shafer证据理论研究了这类问题的一种处理方法 .首先提出了一个特别的证据推理模型及相应的推理算法 ,然后基于该模型描述了专家意见综合问题的建模和求解方法.     

证据冲突下D-S融合算法的改进

针对D-S证据理论在处理高冲突证据时会出现悖论这一情况,在D-S理论框架下,给出冲突程度的判别方法,并提出一种改进的相对加权融合算法.该算法根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,并求得各证据的相对折扣因子,对各证据信息进行折扣处理后用D-S规则融合,消除了信息冲突环境下D-S合成法则悖论.为验证改进算法的有效性,给出了仿真分析,验证了该算法在证据冲突的情况下能有效地减小冲突对组合结果的影响,降低了决策风险.     

证据网络模型及其推理算法

本文在证据理论与图模型研究的基础上,针对不确定性与关联性相结合的系统建模问题,提出并建立了证据网络模型,定义了证据网络的参数,总结了证据网络的建模特点;分析了证据网络模型的推理问题,建立了其推理策略和推理过程,推导出其正向推理算法和反向推理算法,并通过示例进行了计算验证;证据网络模型将为管理决策分析、系统工程管理等领域的问题分析和求解提供一种有效的技术方法支持.     

基于模糊逻辑和D-S证据理论的一种态势估计方法

战场态势分析是指挥决策的基础 ,如何进行合理的态势估计是C4ISR数据融合系统中的一个重要环节。分析了态势估计问题的本质特征和推理模式 ,提出了一种基于模糊逻辑和D -S证据理论的综合推理方法 ,并构造了一个对战场态势进行分析、推理和预测的求解模型。该模型能够通过融合推理得到态势假设和事件之间的潜在关系 ,为决策提供依据。     

量测噪声情况下基于自适应D-S证据推理的滑模控制

在滑模控制中 ,当状态量测传感器存在噪声时 ,控制器不能获得准确的滑模函数信息。面向一类不确定非线性系统 ,根据滑模控制依赖滑模函数符号的特点 ,提出利用基于Dempster Shafer证据推理的多传感器信息融合方法 ,其作用是压缩滑模函数符号的不确定性 ,并基于闭环原理给出了对信息融合结果进行自适应补偿的改进方法。仿真表明了该方法的有效性。     

不完全信息条件下可生存网络存储系统方案优选研究

提出了一种不完全信息条件下的可生存网络存储系统方案优选模型.该模型基于可生存性指标构建了证据源,给出了存在空缺值的决策评估矩阵,针对传统方法无法处理不完全信息情况,提出了基于DS证据理论的方案评估方法;同时,为了处理决策评估矩阵中以不同形式描述的取值情况,给出了点值、区间值、模糊值等取值形式的隶属度函数,采用了基于信任区间的多属性决策规则,以获得方案优劣排序结果.最后,通过网络存储系统方案优选实例证明了该模型具备处理不完全信息能力,方法有效合理.     

Caveman网络及其在复杂网络熵分析中的应用

熵可以有效反映复杂系统内网络结构的异质性.针对熵指标在刻画网络全局异构上是否适用这一问题,目前仍缺少用以评测的基准网络.对此,在已有结构熵研究的基础上,提出一种Caveman网络构造及其演化规则,为网络复杂性的度量提供新的思路。通过数理分析和仿真实验验证该Caveman网络可以有效评测各类结构熵指标对其演化过程的敏感性,反映熵指标对网络复杂特征识别能力的差异。同时由于Caveman网络可以更好地探索信息空间和抵御攻击,将有助于设计鲁棒、高效的系统结构。     

空天信息支持反导武器系统拦截作战效果分析

应用武器系统杀伤区计算方法,研究空天信息支持反导武器拦截弹道导弹作战效果的评估问题。根据空天信息支持反导武器系统的导弹拦截作战流程和系统间的相互作用关系,设计了衡量空天信息支持反导武器系统导弹拦截作战效果的拦截窗口计算模型。有效地把空天信息引导的及时性和精确性与反导武器系统的作战效果有机结合,能够实现空天信息支持反导武器系统导弹拦截作战效果的综合整体分析和空天信息对反导武器的引导时机和引导精度等关键要素分析。数值仿真实例进一步说明了所取得的主要结果。     

证据冲突:丢弃,发现或化解?

组合可能冲突的信息是智能推理中重要的研究内容,其中,证据理论是一种典型的不确定性智能推理方法。在证据理论中,用以融合和更新证据信息的推理组合规则是其理论基石。Dempster组合规则通过合取运算来构造信息结构,得到了广泛的应用。然而,当证据冲突比较大、证据源不完全可靠或辨识框架不完备时,Dempster组合规则得到的结果并不符合常理。为此,改进组合规则和处理证据冲突,成为证据理论中一个重要的研究课题。将全面回顾和比较国内外现有的主要推理组合方法,基于不同的冲突处理机制,建立相应的理论框架,涵盖绝大多数推理方法,从理论上对证据推理方法的研究,进行一个全面的总结,并剖析各种组合方法的优缺点和相互关系,指出最新的研究趋势。     

Data fusion of radar and IFF for aircraft identification

The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor(FNNP),multi-level fuzzy comprehensive evaluation and the DempsterShafer(D-S) theory is proposed.This hybrid algorithm constructs a complete process from generating the fuzzy database to the final identification,realizes the identification of friend-or-foe automatically if the training samples or expert’s experience can be obtained,and reduces the effect of uncertainties in the process of identification.At the same time,the whole algorithm can update the identification result with the augment of observations.The performance of the proposed algorithm is assessed by simulations.Results show that the proposed algorithm can successfully deduce the aircraft’s identity even if the observations have measurement errors.     

基于本征向量和Jousselme距离的高冲突证据融合方法

针对传统Dempster-Shafer (D-S)理论无法有效融合高冲突证据的问题, 提出了基于本征向量和Jousselme距离的证据修改方法。首先, 由决策者结合主观经验根据原始证据的重要性给出判断矩阵, 并利用本征向量法解得主观权重。接着, 由原始证据间的Jousselme距离得到客观权重, 然后, 综合主客观权重对原始证据进行修改。最后, 对修改后的证据体使用D-S理论进行融合。仿真结果表明, 该方法在对高冲突证据进行融合时收敛速度快, 准确度高, 同时具备良好的适应能力, 很好地解决了高冲突证据的融合问题。     

基于Lance距离和信度熵的冲突证据融合方法

针对D-S(Dempster-Shafer)证据理论中证据融合可能存在冲突的问题,通过考虑证据之间的关系及其本身的特性,提出一种基于Lance距离和信度熵的冲突证据融合方法。首先,利用Lance距离来度量证据之间的差异和冲突程度,并通过矩阵形式表示证据的可信度,再通过计算信度熵来度量证据的信息量,并以此表示证据的不确定度。其次,综合考虑证据的可信度和不确定度来衡量证据最终融合的折扣系数,并通过折扣系数修正原始证据。最后,采用Dempster合成规则进行证据融合得到最终结果。算例分析结果表明,所提方法较其他方法而言,收敛速度更快,融合结果更准确、可靠。