下载文档原格式
基于D-S证据理论的目标识别融合应用作者：方怡王先全李杰李俊霖徐粮周锡祥来源：《电脑知识与技术》2020年第12期摘要：基于D-S证据理论的目标识别融合系统，可以充分发挥多传感器信息的优势，提高目标识别结果的准确性。
本文结合工程实践，分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题，发现使用D-S证据理论对于高冲突证据融合结果准确性较低。
因此提出一种基于D-S证据理论的改进数据融合方法，将冲突因子与支持度标准偏差的相反数相乘，再与所有证据和乘积的正交相加，然后减去证据的基本概率的最大差。
如果证据的冲突越大，这种方法的优势就越明显。
如果证据中不存在冲突，则融合结果与原始D-S证据理论的项目一致。
实验的比较数据表明，改进的信息融合方法对于改进解决冲突问题必不可少，并且是有效的。
关键字：多传感器信息融合;目标识别;D-S证据理论;证据支持度;冲突证据中图分类号：TP391 文献标识码：A文章编号：1009-3044（2020）12-0190-030引言目标识别融合系统是现代科技战争指挥系统中达到高效控制与指挥的重要设备和手段，要做到正确、及时地对局势进行决策、指挥，就需要对多源实时信息进行快速合理的处理，提高指挥员对局面的感知程度和反应能力，从而提高决策质量和水平。
随着各类先进电子信息设备的广泛应用，仅依靠人工进行信息分析判断以及指挥的方法已经无法适应信息化系统的要求。
对于来自不同类型、不同精度的多源传感器数据进行快速、准确处理是目标识别融合系统使用的主要技术，因此，多传感器数据融合技术已成为现代目标识别融合系统的核心技术之一，相关领域研究人员高度重视该项技术的发展。
在多传感器目标识别融合系统中，因为不同传感器准确度存在一定差异，以及环境噪声和人为干扰等因素，造成数据融合时出现不确定性。
Yager提出取消不完全可靠性证据的正则化过程，将未知情况分配给原有识别框架，有效解决了对高冲突证据的融合问题，但对于对冲突证据的完全否定问题没有得到改善。
《改进D-S证据理论的决策融合算法研究及应用》篇一一、引言决策融合算法在多源信息处理和决策支持系统中发挥着重要作用。
D-S（Dempster-Shafer）证据理论作为一种重要的决策融合方法，能够有效地融合来自不同信息源的数据，提高决策的准确性和可靠性。
然而，传统的D-S证据理论在处理复杂决策问题时仍存在一定局限性。
本文旨在研究改进D-S证据理论的决策融合算法，并探讨其在实际应用中的效果。
二、D-S证据理论概述D-S证据理论是一种基于概率的决策融合方法，通过将不同信息源的证据进行融合，得到一个综合的决策结果。
该方法具有简单、直观、易于实现等优点，在多源信息处理和决策支持系统中得到广泛应用。
然而，传统的D-S证据理论在处理复杂决策问题时，可能存在信息丢失、计算复杂度高、对先验概率敏感等问题。
三、改进D-S证据理论的决策融合算法针对传统D-S证据理论的局限性，本文提出一种改进的决策融合算法。
该算法通过引入新的信息度量方式、优化融合规则和降低计算复杂度等手段，提高决策融合的准确性和效率。
1. 引入新的信息度量方式：传统的D-S证据理论主要基于概率进行信息度量，容易受到主观因素的影响。
本文提出一种基于熵的信息度量方式，能够更准确地反映信息的价值和不确定性。
2. 优化融合规则：针对传统D-S证据理论中融合规则的局限性，本文提出一种基于加权平均的融合规则。
通过引入权重因子，对不同信息源的证据进行加权平均，以更好地反映各信息源的重要性和可靠性。
3. 降低计算复杂度：针对传统D-S证据理论计算复杂度高的问题，本文采用一些优化手段降低计算复杂度。
例如，通过减少迭代次数、优化数据结构、并行计算等方式，提高算法的计算效率。
四、改进D-S证据理论的应用改进的D-S证据理论在多个领域得到应用，如军事决策、智能系统、医疗诊断等。
本文以智能系统为例，探讨改进D-S证据理论在智能系统中的应用效果。
在智能系统中，多个传感器和算法可以提供关于同一目标的多种信息。
D-S证据理论在目标识别与检测中的应用研究的开题报告一、研究背景目标识别与检测一直是计算机视觉领域的研究热点和难点之一。
在实际应用中，目标的形态、尺寸、角度等因素的变化、遮挡、噪声的干扰以及光照变化等因素，均会影响目标识别与检测的精度和有效性。
因此，如何提高目标识别与检测的鲁棒性和准确性一直是该领域研究的难点之一。
在目标识别与检测中，D-S证据理论被广泛应用。
该理论可以有效地解决遮挡、多尺度、多视角等问题，提高目标检测与识别的准确性和鲁棒性。
因此，本研究将探究D-S证据理论在目标识别与检测中的应用。
二、研究内容本研究旨在探究D-S证据理论在目标识别与检测中的应用，并针对该领域中存在的一些问题进行探讨。
具体研究内容如下：（1）D-S证据理论的原理与基本概念。
（2）研究目标识别与检测中存在的问题，并探讨D-S证据理论如何解决这些问题。
（3）在实际应用中，通过实验对D-S证据理论在目标识别与检测中的应用进行验证。
（4）对研究结果进行总结和分析。
三、研究目标本研究的目标是深入阐述D-S证据理论在目标识别与检测中的应用，并从理论和实践两个层面，解决目标识别与检测中的常见问题，论证D-S证据理论的有效性。
同时，本研究旨在推动目标识别与检测领域的研究进展。
四、研究方法本研究采用理论分析和实验验证相结合的研究方法。
首先，通过文献综述分析目标识别与检测中存在的问题及D-S证据理论的研究现状。
然后，探讨D-S证据理论在目标识别与检测中的应用。
最后，设计实验验证D-S证据理论在目标识别与检测中的有效性。
五、研究意义本研究旨在提高目标识别与检测的准确性和鲁棒性，更好地满足实际应用需求。
通过探讨D-S证据理论在目标识别与检测中的应用，本研究为相关领域的研究提供理论基础和实验验证结果，推动该领域的研究进展。
基于CNN和D-S证据理论的多站协同多功能雷达工作模式
识别方法
于旺;石艳;宋吉烨;黄子纯
【期刊名称】《电子信息对抗技术》
【年(卷),期】2024(39)2
【摘要】传统的多功能雷达工作模式识别方法主要利用单一电子侦察设备侦收的
脉冲数据完成特征提取,其模型或算法的泛化能力不强。
因此,提出基于卷积神经网
络(Convolutional Neural Network,CNN)和D-S(Dempster-Shafer)证据理论的多站协同多功能雷达工作模式识别方法。
首先,利用轻量级CNN模型对不同方位、不同俯仰下侦察截获分选的脉冲幅度/波形单元数据进行自适应特征提取。
其次,利用多站协同侦察系统通过D-S证据理论融合多站协同下不同侦察站点的Softmax
分类器的分类结果,实现在差侦察条件下对不同空间方向上的多功能雷达工作模式
快速准确识别。
仿真验证结果表明,该方法相比于单侦察站条件下具有更好的识别
性能。
【总页数】7页(P33-39)
【作者】于旺;石艳;宋吉烨;黄子纯
【作者单位】桂林长海发展有限责任公司;绿盟科技股份集团有限公司;西安电子科
技大学电子工程学院
【正文语种】中文
【中图分类】TN974
【相关文献】
1.应用D-S证据理论的雷达工作模式特征层融合识别
2.基于D-S证据理论的机载雷达模糊识别方法
3.基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法
4.一种基于D-S证据理论的雷达辐射源识别方法
5.多功能雷达工作模式识别方法综述
因版权原因，仅展示原文概要，查看原文内容请购买。
基于时域模糊决策融合的雷达工作模式识别方法董晓璇;程嗣怡;周一鹏;王玉冰【摘要】在雷达工作模式识别中,侦察设备对雷达信号参数的测量误差严重影响了识别效果,针对这一问题文中提出时域模糊决策融合(TFDF)的雷达工作模式识别方法.首先分析了雷达脉冲组特征,在脉冲组层次提取雷达信号的脉冲组描述字(PGDW);然后基于联合隶属度函数改进传统的神经网络硬判决方式,实现雷达信号识别的模糊决策;最后运用DS证据理论将多个时刻的模糊决策融合,从而完成雷达工作模式的最终识别.基于时域模糊决策融合的识别方法可以有效改善参数测量误差对工作模式识别效果的影响.仿真结果以及对比实验表明,文中所提算法具有更好的抗噪性能,在雷达信号的参数测量误差为15％时仍具有90％以上的识别率.【期刊名称】《空军工程大学学报（自然科学版）》【年(卷),期】2018(019)006【总页数】7页(P59-65)【关键词】雷达;神经网络;模糊决策;融合识别;时域【作者】董晓璇;程嗣怡;周一鹏;王玉冰【作者单位】空军工程大学航空工程学院,西安,710038;空军工程大学航空工程学院,西安,710038;空军工程大学航空工程学院,西安,710038;空军工程大学航空工程学院,西安,710038【正文语种】中文【中图分类】TN97实现对雷达的工作模式正确识别是进行威胁等级判断的重要依据，更决定着下一步的智能化干扰决策，对于空战中提高我方载机的生存率具有重要意义[1-2]。
但是随着多功能雷达的发展，雷达工作模式日趋复杂，传统的基于脉冲序列参数的方法[3-6]已经难以胜任，而机器学习的方法凭借其优秀的性能越来越多地应用到模式识别领域。
在已有的研究中，文献[7]通过矢量神经网络运用区间参数实现对雷达工作模式的识别，文献[8]和文献[9]分别应用模糊神经网络以及半监督学习完成识别，文献[10]以雷达信号的熵作为特征，利用SVM进行分类识别。
这些方法都是选取单时刻特征对雷达工作模式进行识别，但是对于复杂电磁战场中参数测量误差较大的信号，凭借单个时刻的特征进行识别很难适应，容错性以及识别率都有所下降。
