多传感器决策融合

本文讨论了一个由许多传感器及一个融合中心组成的多传感器决策融合系统。每个传感器综合以前一系列的目标分类决策及当前实时的目标分类决策,提出此传感器目标分类的综合决策。每个传感器把各自的综合决策传送给融合中心,融合中心再次综合各个传感器的综合决策,得出系统的最终决策。     

多传感器目标的模糊识别

根据模糊理论，采用信息融合技术和模糊识别技术，讨论了在多类传感器网内进行多目标模糊识别的一般原理和方法。     

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率.     

串联多传感器信息融合

本文讨论了多传感器信息融合的串联形式和在两重假设下的信息融合算法及性能,分析了串联形式的特殊性,与并联形式进行了比较,提出了实现串联形式的步骤,并讨论了一种应用情况。     

基于目标识别的光电多传感器信息融合技术

针对军事上的目标识别问题，论述了光电多传感器信息融合技术，包括光电多传感器信息融合的概念，原理，算法及应用。指出了光电多传感器信息融 存在的主要问题及解决方法，并预测了发展趋势。     

多传感器检测系统中的多元假设数据融合方法

提出一种分布式检测系统中的多元假设数据融合方法,将多传感器数据融合规则扩展到更一般的情况。文中给系统的数据融合算法,决策规则和系统性能的计算公式,并给出系统性能的仿真计算结果。     

多传感器目标识别的数据融合

本文针对军事上的目标识别问题，论述了多传感器的属性融合技术，包括属性融合的概念，原理，处理结构，算法及应用举例，指出属性融合中存在的主要问题，难点及可能解决的途径，并预测了未来发展趋势。     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

分布式多传感器目标检测中的数据融合

多传感器目标检测，是近十多年来的一个研究热点。然而运用多传感器实施对目标的检测同时带来了一个新的问题，即如何能由多个传感器所提供的信息实时作了准确的判决？文章证明运用（Ｋ／Ｎ）规则于分布式多传感器目标检测时，存在最佳Ｋ值，使得系统的检测概率高于任一传感器的检测概率，虚警概率低于任一传感器的虚警概率。     

一种自适应模糊密度赋值的决策层融合目标识别算法

模糊积分是一种有效的决策层融合目标识别方法.应用模糊积分进行融合的核心问题就是确定反映各传感器重要性的模糊密度.目前确定模糊密度的方法主要有利用混淆矩阵或者采用遗传算法对模糊密度赋值.这些方法在对模糊密度赋值时,利用的都是训练样本的先验静态信息.本文提出了一种利用训练样本先验静态信息结合各传感器判决包含的动态信息对模糊密度进行自适应动态赋值的方法.仿真实验结果表明该方法能得到更好的融合效果.     

一种机载多传感器融合架构的设计

通过对机载多传感器融合技术及现代机载平台的分析,提出一种以跟踪为核心功能的机载多传感器融合架构,在载机平台之间采用无融合中心的分布式融合结构,在载机平台内部通过传感器管理构成闭环系统,针对不同的系统性能需求,将目标跟踪划分为主动跟踪、被动跟踪、主/被动协同跟踪三种跟踪模式,并给出各跟踪模式的详细结构.     

基于Dempster-Shafer证据推理的多传感器信息融合技术及应用

本文详细阐明了基于D-S证据推理的多传感器信息融合的原理及目标识别的方法.同时,介绍了其在雷达目标融合识别中的应用.     

先验概率和代价函数均模糊时基于贝叶斯最小风险准则的分布式决策融合

当先验概率和代价函数均为梯形模糊数时,在贝叶斯最小风险准则意义下,研究了在融合中心对多个独立传感器的决策进行最优融合的问题,给出了四种决策融合算法,通过仿真和比较这四种融合算法的结果,找到了一种最适用于这种场合的最优决策融合算法。结果表明,在先验概率和代价函数均为梯形模糊情况下所导出的最优决策融合规则是各检测器决策的加权和与一门限之比较,权重是各检测器检测概率和虚警概率的函数,门限除与最优融合准则     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

基于模糊综合函数的目标识别融合算法研究

基于对目标识别特点的研究，给出目标识别的可能性分布描述方法。运用模糊集理论，讨论基于模糊综合函数的目标识别决策级融合算法，并举例说明该方法的直观合意性。     

一种多传感器数据融合系统方案研究

随着科学技术的飞速发展,战场中传感器的种类和数量不断增加,战场的环境也变得越来越恶劣,迫切地需要多传感器的数据融合来为指挥员提供高可信度的数据,供指挥员参考。通过对融合源数据进行分析,提出基于表决法和证据理论的多传感器融合系统方案。对框架的各部分功能模块进行分析,针对性的选择二阶预测、证据理论等算法。在融合模块中,对于不同性质的数据也选用不同的算法。通过仿真验证了系统的有效性。     

一种基于模糊理论的雷达与视频融合交通目标跟踪方法

为了解决单传感器在道路监测中存在的局限性以及交通环境多样化等问题,基于模糊集理论的一种目标决策标准对传统的数据融合算法进行改进。该方法利用决策层模糊集理论的多传感器融合算法对交通目标进行跟踪,采用Z型隶属函数用于决策分支的优化。与传统的算法相比,改进后的数据融合算法对雷达航迹冗余、视频干扰和目标分割等问题都有所改善,并且进一步提高了跟踪精度。收集了大量的实际交通数据来验证雷达和视频跟踪算法的有效性,实验结果表明多传感器融合算法优于单传感器的目标跟踪算法。     

动态模糊密度的多分类器融合算法

在分析现有模糊密度计算方法的基础上,本文从分类器的隶属度分布和输出一致性两方面探索计算模糊密度的新方法,提出一种基于决策信任度和支持度的动态模糊密度赋值方法,旨在根据各分类器识别具体目标时输出的客观信息,实时地刻画分类器在融合系统中的可靠性.在表情识别上的实验结果表明,本文方法可以有效提高模糊积分融合的决策性能,降低单分类器输出不可靠决策信息的干扰,是一种有效的多分类器融合方法.     

基于纯方位信息的多传感器航迹融合仿真分析

对于现代战场环境来说,多传感器信息融合越来越重要。但是由于不同传感器性能存在差异,使用不同的关联方法会造成航迹关联正确率不同,航迹关联正确是航迹融合有效的基础,因此需要深入研究。首先理论分析了异类传感器航迹融合性能的主要影响因素及其影响程度,提出了异类传感器航迹关联方法。仿真结果表明,提高传感器测量精度、降低异类传感器测量精度差异、提高异类传感器航迹关联正确率将会改善航迹融合的效果。