基于三角模融合准则的滤波算法

本文针对线性和非线性混合滤波技术的不足,提出了一种基于三角模融合算子的混合滤波算法.此算法根据信息融合的竞争性、互补性、冗余性的特点,运用三角模算子对边界点进行融合判断,从而根据融合结果,进行混合滤波.本算法很好地克服了单源判别边界点误报风险大、可靠性和容错性差的弊端,改进了滤波性能.后续实验证明了本算法的有效性,为图像滤波的技术发展提供了一个新的探索途径.     

D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

基于D-S证据理论的传感器网络数据融合算法

传感器网络对于多个传感器在不同目标的识别过程中,各种技术冲突便随之接踵而至,并对传感器网络的科学体制产生了能动性的影响,使得系统的实时性和同步性的效能受到很大的负面影响。基于此,文章以D-S证据理论为核心要素,通过矩阵分析在融合算法中的理论地位,辅之以数学归纳法的精要,力求得到与融合结果与D-S证据组合公式相同的结果。     

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

基于D-S证据理论的空中目标识别

提出了一种基于D-S证据理论的空中目标识别方法.该方法首先对目标特征进行提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用D-S组合公式进行融合识别.实例验证了算法的有效性.     

基于D-S证据理论的信息融合技术在指控系统中的应用

本文针对靶场测试信息种类多、数据量大和实时性强的特点,提出了将数据融合技术应用于指控及数据处理系统的方案;重点分析了D-S证据理论多传感器识别、应用联合卡尔曼滤波的数据融合等目标识别方法,并通过仿真结果的分析,证明了方案的有效性,可以有效提高系统的综合处理能力。     

基于改进型的三角模准则的融合滤波算法

基于三角模融合算子的混合滤波算法运用三角模算子对边界点进行融合判断,从而运用融合结果,进行混合滤波,该算法在一定程度上改善了单纯的混合滤波器的性能.但该滤波器,只是运用融合技术对图像边界点进行判决,在像元点的处理上还是采用单一的或是线性或是非线性滤波技术,存在着其不可避免的缺陷.为此,本文提出了一种基于改进型的三角模准...     

D-S证据理论在舰机目标识别中的应用

介绍了D-S(Dempster-Shafer)证据理论的基本概念及其应用特点,分析了舰船和飞机目标识别的需求以及基于搭载辐射源识别舰机目标平台的可行性,结合需求背景,阐明了D-S证据理论在舰机目标识别中的应用方法,详细说明了识别框架的构建和基本概率赋值过程,并在试验环境下验证了该应用方法的可用性和有效性。     

基于D-S证据理论的多模态医学影像融合方法

针对多模态医学影像融合后存在边缘模糊、纹理不清晰的问题,提出了一种基于D-S证据理论的影像融合方法。首先对待融合的医学影像进行小波分解,在高频域,取纹理属性和边缘属性作为证据,根据Dempster证据合成和判决规则,得到高频域各点属性,从而确定融合规则;在小波分解的低频域,采用基于区域梯度的融合规则。实验结果表明,融合后医学影像较为完整地保留了源医学影像的边缘和纹理细节信息,有效提高了融合性能,优于同类方法。     

基于D-S证据理论多传感器信息融合的辐射源及平台识别

本文深入研究了基于D-S证据理论的多传感器信息融合方法,将其应用于单个辐射源识别,并在此基础上将其推广到辐射源平台识别,提出了一种应用于平台识别的可行方法,仿真结果表明,这种基于D-S证据理论信息融合识别方法是适用有效的.     

基于D-S证据理论的近岸舰船目标识别

在深入分析和提取近岸舰船目标红外特性和微波特性的基础之上,提出一种基于D-S证据理论的红外图像和微波特性融合方法来实现近岸舰船目标的识别.一方面,对红外图像进行小波去噪、边缘提取、海天线识别与对消等红外预处理和特征提取后,可以得到若干个待选目标;另一方面,对目标回波进行衰减、低噪声放大、滤波和线性放大等处理后,可以得到信号幅度大于一定阈值若干个待选目标.最后,通过对红外和微波得到的待选目标运用D-s证据理论的融合规则进行数据融合,得到最终识别结果.算法易于硬件实现.实验表明,该方法能达到较好的识别效果.     

基于D-S证据理论的网络表示融合方法

随着网络表示学习技术的发展,在网络结构信息的基础上,越来越多的研究者考虑融入额外辅助信息来提升网络表示效果.针对现有网络表示学习方法中对于多属性特征融合缺乏冲突判别与评价指标的问题,本文在已有研究基础上,提出一种基于D-S证据理论的网络表示融合方法.本方法首先通过SVM算法给出不同属性信息对融合表示结果的支持度,然后利用证据组合规则计算网络表示学习中的融合评价指标,并依据混淆矩阵考虑各类别在节点分类中的局部可信度.在3类数据集上的仿真实验表明：本方法对于检测网络表示融合中的冲突,提高表示融合效果具有一定的指导意义.     

基于改进D-S证据理论的数据融合目标分类

首先采用分类算法对MSTAR数据集进行十类目标分类识别、三类目标的变体分类识别,然后根据分类调参过程中的先验知识修正证据即分类器输出,构造基本置信函数,并采用改进的合成规则即基于冲突系数K和Pignistic概率距离相结合的冲突度量方法,对冲突证据采用按比例分配冲突度的合成规则进行合成。未融合时,三类目标的变体分类准确率最高为93.553%,融合后三类目标变体分类识别率为95.092%,提升幅度约是理想状态的37%。     

基于D-S证据理论的协作频谱感知算法

在无线传播过程中,主用户信号经常会受到路径损耗、阴影衰落等影响,导致无线通信环境中单个认知用户对主用户的感知结果存在不确定性。因此,结合D-S证据理论方法,提出了一种新的协作频谱感知算法。以能量检测作为基础,将证据间冲突变化程度平均性的概念结合其中,根据这一方式设计了一种新的证据理论合成法则,将多个D-S融合结果送到融合中心进行数据融合,得出最终判决。仿真实验结果表明,该算法能够很好地解决证据间的高度冲突并较为合理地减轻不确定性因素的影响,在信噪比比较低的情况下,获得较好的检测性能。     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

基于ROI和证据理论的目标融合检测算法

考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest, ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。      

基于D-S证据理论的组合数据融合算法

针对在无线传感器网络中传感器节点本身能量有限的特性,提出一种基于D-S证据理论的组合数据融合算法.先对传感器网络的当前值依据各组数据的标准差进行聚类,然后对每一类数据组,用D-S证据推理算法进行融合,将其结果看成一个虚拟传感器节点数据,最后通过计算马哈诺比斯距离得出虚拟节点数据向量的异常值,把它作为加权权重进行加权融合.仿真试验表明:该算法识别目标的可信度高于D-S推理法,且在计算复杂度上也有明显优势.