针对多传感器目标识别中证据存在非一致性问题, 提出一种面向目标识别的基于证据置信熵与相似性的多传感器证据融合算法。首先, 利用传感器证据非一致性不确定度与非特异性不确定度, 提出了一种基于置信熵的传感器证据不确定性度量模型; 在此基础上, 结合传感器证据距离与证据冲突, 设计了一种基于置信熵与相似性的传感器证据权重生成方法; 最后, 构建了一种多传感器证据融合模型。仿真结果表明, 所提出的多传感器信息融合方法进行目标识别时, 相较于传统算法具有更好的有效性。

随着多功能相控阵雷达不断发展, 其展现的多功能状态和自适应能力强的特性使得传统行为辨识方法无法适应现代战争需求。对此, 提出一种基于改进 D-S证据理论的雷达行为状态识别方法,该方法将空间运动状态和天线扫描方式作为辅助特征, 通过改进D-S证据理论将双链HMM估计结果进行融合, 得到最终识别结果。仿真实验结果表明, 所提方法能有效解决传统 D-S 证据理论不能处理的证据冲突问题, 且在雷达字提取准确率下降的情况下表现出更强的鲁棒性。

针对空中目标敌我识别研究较少同空中战场管理结合的问题, 提出了一种基于模糊推理和证据理论的空中目标敌我识别方法。首先, 分析了空中目标敌我识别与战场空域控制的联系, 介绍了该框架下的敌我识别流程和判别逻辑。然后, 通过设计直觉模糊推理系统, 建立相应的推理规则和解模糊算法对该方法进行建模。接着, 使用证据理论对模糊推理结果进行修正和融合, 以实现连续识别。最后, 通过实例验证了该方法的有效性和合理性, 可为相关研究提供参考。

为了使设计的弹道导弹中段识别预案更加贴近实战场景, 必须对预案进行评估分析。结合实际作战场景和已具备的探测能力水平, 建立了反导预警中段识别预案评估指标体系, 并对不同的指标进行解释说明。之后, 邀请专家对待评估预案进行指标打分, 利用物元理论的方法求出待评估预案各项指标的关联度。在此基础上, 通过归一化的处理方法将物元理论与证据理论有机结合, 并利用证据理论合成规则公式确立了预案所属等级。经实验证明, 该方法可有效解决证据理论中mass函数获取困难且主观性较强的问题, 从而使合成结果更加客观、准确, 评估结论更具有说服力。

针对传统DS证据理论无法解决的高冲突问题，提出一种改进的DS证据理论新方法。首先，使用类哈利熵和Shannon熵衡量证据的综合不确定度，描述证据中的不具体性和随机性问题; 其次，使用皮尔逊相关系数衡量证据间的相似度; 接着，基于博弈理论对二者进行组合赋权，保证修正权重的准确合理; 最后，使用DS组合规则计算修正后的基本概率分配(BPA)，得到融合结果。通过与其他方法进行多组案例比较分析，证明所提算法融合精度更高、识别常理命题速度更快、考虑问题更为科学有效。

针对间歇采样转发干扰识别问题, 提出一种多域识别融合算法。首先分析了真实目标回波和间歇采样干扰(直接转发、重复转发、循环转发)4类信号在时域、频域和分数阶域的内部差异, 并对各域进行奇异谱分析(SSA), 得出的SSA结果可作为区分信号差异的依据; 其次构造时、频、分数阶域3个基分类器, 提取4类信号时、频、分数阶域奇异谱峰度与斜度作为基分类器的特征因子进行训练验证; 最后联合后验概率和局部可信度构造基本概率赋值函数, 对各基分类器识别结果进行DS融合判决。仿真结果表明, 融合识别方法能够平衡各基分类器识别结果, 当SNR为0 dB、JSR大于5 dB时, 平均识别率超过95%。

针对传统DS证据理论无法有效解决高冲突证据融合的问题, 提出基于平均证据和焦元距离的高冲突证据融合方法。首先, 利用皮尔逊相关系数计算证据体相关性, 并由此定义证据权重计算平均证据。然后, 利用平均证据计算各证据焦元距离, 根据焦元距离将冲突重新分配给各焦元的BPA, 构造新证据体。最后, 对新证据体进行传统Dempster组合, 得到融合结果。仿真实验表明, 新方法在处理高冲突证据时准确度高、收敛速度快, 较好地解决了高冲突证据融合问题。

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%。

针对装备维修性评估时现场数据样本量不足的问题,建立一种基于D-S证据理论的多源数据融合方法,充分利用装备前期各阶段或其他来源的维修性试验数据。首先对传统的Bayes Bootstrap法进行改进,较为精确地拟合离散化的各源维修性试验数据的分布参数,再从数据源中挖掘样本量和分布特征等信息构建证据,采用D-S理论合成证据作为权重,建立维修性多源数据融合模型,最后采用某坦克的维修性试验数据进行实例分析,验证了该融合方法的有效性。

地物纹理的复杂性,使地物分类一直是遥感领域研究的热点和难点。机载激光技术可以直接获取地物的三维点云信息,影像数据可以提供丰富的波谱信息,因此,结合机载激光点云和航空影像主被动遥感数据对地物进行分类。首先,将三维点云数据转换成网格数据,并利用顶帽变换算子去除噪声点;然后,对网格数据进行区域分割,引入植被区域限制的分水岭算法生成聚类区域;最后,利用模糊证据理论对不同聚类区域进行地物类型识别。用ISPRS数据集中的机载激光点云和航空影像数据作为实验数据,对本方法进行精度评价。结果表明,与基于单点的证据理论分类方法相比,本方法的分类效果较好。