1 空军工程大学, 西安 710000
2 西安财经大学, 西安 710000
3 中国人民解放军94810部队, 南京 211000
为解决航空安全风险评价过程中指标难以定量描述, 且存在指标数据不确定性的问题, 提出了航空安全风险评价的模糊证据推理方法。基于“人-机-环”系统安全理论, 从“人员、飞机、环境、管理”4个方面构建了航空安全风险评价指标体系。在此基础上, 以三角模糊数及其运算规则为逻辑基础, 确定每个评价指标的安全风险值和信度结构表示, 进而运用证据推理算法综合计算总体安全风险值, 以确定航空系统安全风险等级。最后通过实例分析验证了该方法的有效性和合理性。
安全风险评价 证据推理 三角模糊数 信度结构 safety risk evaluation evidence reasoning triangular fuzzy numbers reliability structure
空中目标意图识别是战场态势评估的一个重要部分, 它直接关系到指挥员的作战决策。针对复杂战场环境下目标信息的多源性和不确定性, 提出了一种基于置信规则库(BRB)和证据推理(ER)的目标意图识别方法。首先, 建立了一种新的融合目标多源信息的BRB-ER意图识别模型; 其次, 建立了多参数优化模型优化系统初始参数, 以提高识别精度。最后, 采用某舰艇实际测得的目标信息对该方法进行了验证, 结果表明, 提出的方法能有效对空中目标意图进行识别。
目标意图识别 置信规则库 证据推理 多传感器信息融合 target intention recognition belief-rule-base evidential reasoning multi-sensor data fusion
1 西北工业大学，西安 710072
2 中国运载火箭技术研究院，北京 100076
阐述了体系贡献度的概念内涵, 针对当前体系贡献度评估方法的缺陷, 通过研究体系作战下的天基对地**攻防对抗能力及其对作战结果的影响作用, 构建天基对地**体系贡献度评估指标体系; 对于数学含义明确的指标, 建立相应的数学量化模型, 对于数学含义不明确的指标, 提出了一种基于模糊综合的证据推理方法进行评估; 建立典型天基对地**作战体系, 针对不同的作战模式, 仿真分析天基对地**的作战过程, 进行天基对地**体系贡献度的评估和分析。仿真结果表明, 所建立天基对地**体系贡献度指标体系完善合理, 在所给定的作战体系中可有效地评估天基对地**的体系贡献度, 结果可靠有效。
天基对地** 体系贡献度 定量模型 模糊证据推理 space-based weapon system-of-systems contribution quantitative model fuzzy evidential reasoning
1 空军工程大学防空反导学院,西安 710051
2 中国人民解放军94907部队, 南昌 330013
针对现有反TBM威胁评估方法很难在指标信息不完全的情况下进行评估的问题, 提出了一种基于证据推理的反TBM威胁评估方法。对处于助推段飞行TBM的威胁评估影响因素进行了深入分析, 建立了相应的威胁评估层次结构模型, 并分析了指标信息不完全的问题; 将证据推理方法应用于不完全信息下的反TBM威胁评估, 给出了相应的方法步骤; 通过算例分析, 证明了所提方法可有效解决指标信息不完全的反TBM威胁评估问题。
反战术弹道导弹 威胁评估 不完全信息 证据推理 anti-TBM threat assessment incomplete information evidential reasoning
空中交通管制系统能力评估存在底层指标类型多样、评估信息不确定的问题。为此，提出一种基于 D-S证据理论推理的评估方法。该方法构造信度规则库，将多种类型的不确定性数据换成统一的信度结构，通过证据推理方法获得空中交通管制系统的能力满足度分布。以某空中交通管制中心系统能力评估为例说明方法的可行性和有效性。
空中交通管制系统 能力评估 证据推理 信度规则库 信度结构 air traffic control capability evaluation evidential reasoning belief rule base belief structure 太赫兹科学与电子信息学报
2015, 13(2): 316
为解决高可靠性设备的剩余寿命预测问题,针对寿命数据缺少、物理模型难以建立的情况,结合单调退化数据,采用逆高斯退化模型,对设备的退化过程进行建模;通过参数估计的方法得到退化模型,进而预测设备的剩余寿命。在有同批次多组数据都能对逆高斯模型进行参数估计的情况下,将会面临数据融合问题。采用基于证据推理(ER)的方法对多源数据进行融合处理,引入属性权重的概念,以此更加准确地估计逆高斯模型的参数。最后,通过实验仿真,证明了所提方法能够得到较为可信的参数估计结果。
寿命预测 退化建模 逆高斯过程 证据推理 数据融合 life prediction degradation modeling inverse Gaussian process evidential reasoning data fusion
一般的边缘加权Hausdorff算法，由于单尺度边缘检测算子本身对噪音敏感，会造成真实和虚假边缘显著性差异小，从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后，引入证据推理理论，提出一种双向指数基本置信指派构造方法，并构造出多尺度边缘测度的基本置信指派函数，然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音，对加权Hausdorff公式进行了一些改进，给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.
加权Hausdorff距离 证据推理 多尺度边缘 景象匹配 Weighted Hausdorff distance Evidence theory Multi-scale edge Scene match
哈尔滨工业大学光电子技术研究所,可调谐激光技术国家级重点实验室, 黑龙江 哈尔滨 150001
激光成像雷达主动发射激光,接收其反射回波,能成角-角-距离-强度像,较易于实现目标识别。激光雷达与被动红外(IR)成像结合可获取更多信息,并提高目标识别能力和抗干扰性。提出结合激光雷达距离像-强度像的像素级融合的相干激光雷达距离像与被动红外成像复合的目标分类方法,利用Dempster-Shafer(D-S)证据理论,采用八值距离像模板进行仿真研究。其中,模板匹配的相关系数采用基于最多近邻点距离(MCD)的方法求得。研究结果表明,结合激光雷达距离像-强度像的像素级融合的目标分类的不确定度降低,降幅达40%,并提高了不易分类目标类的识别能力;距离像八值模板比二值模板分类效果好,物体质量函数差提高60%。
激光技术 相干激光成像雷达 数据融合 D-S证据推理 目标分类 被动红外成像
华中科技大学光电子科学与工程学院,武汉,430074
在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.
模糊神经网络 D-S证据推理 数据融合 目标识别
高光谱图像分析中,对未知环境下伪装目标的检测识别具有较大难度,因为缺乏背景与目标的先验光谱信息.针对这一问题,提出一种高光谱图像异常检测算法.将高光谱图像分成波段子集进行特征提取,利用对图像中噪声程度及目标、背景之间可分性敏感的特征样本高阶统计量构造基本置信指派函数,通过D-S证据推理实现特征层智能融合异常检测.理论分析及仿真实验结果表明了算法的有效性.
高光谱图像处理 目标检测 特征融合 证据推理 波段子集 Hyperspectral imagery processing Target detection Feature fusion Evidence reasoning Band subsets
