DS证据理论在雷达体制识别中的应用
基于证据理论的雷达与通信侦察目标识别算法
Ｔａ ｇ ｔ ｉ ｅ ｉ ｉ ａ ｉ ｎ ａ ｇ ｒｔ ｍ ｆ ｒ ｄ ｒ ａ ｄ ｒ ｅ ｄ ｎｔｆ ｃ ｔｏ ｌ ｏ ｉｈ ｏ ａ ａ ｎ
（ Ｃｏｌｅ ｆＥｌ ｃ ｒ ｉ ｇｉ ｅ ｒｎｇ，Ｎａ ａ ｎ ｖ ｒ ｉｙ ｏ ｌｇｅ ｏ ｅ ｔ ｏｎ ｃ Ｅｎ ｎ ｅ ｉ ｖ ｌＵ ｉ ｅ ｓ ｔ ｆＥｎｇ ｎｅ ｒｎ ｉ ｅ ｉ ｇ， Ｗ ｕ ｎ ４３ ０３ Ｈ ｕ ｉ Ｃｈｉ ａ ｈａ ０ ３， ｂｅ ， ｎ）
Ｋｅ ｒ ： Ｓ ｅ ｉ ｎ ｅ ｔ ｏ ｙ； ａ ｇｅ ｄ ｎｔｆｃ ｔｏ ｒ ｄ ｒ ｒ ｃ ｎｎ ｓ ａ ｅ； ｏ ｍ ｕｎ ｃ ｔｏ ｅ ｏ ｙ ｗｏ ｄｓ Ｄ－ ｖｄｅ ｃ ｈｅ ｒ ｔ ｒ ｔｉｅ ｉｉａ ｉｎ； ａ ａ ｅ ｏ ａｉｓ ｎｃ ｃ ｍ ｉａ ｉｎ ｒ ｃ ｎｎａｓ ａｎ ｅ ｉｓ ｃ
０ 引言
目标 识 别是 属性 级 融 合 的 主要 内容 和 目的 ， 是进 行 态势估 计 和威胁 评估 的基 础［ 。雷 达与通 信 侦察设 １ ］ 备 目标识 别 的前 提是 敌方平 台的雷达 辐射 源与 通信 电 台的识 别 。雷达 侦察设 备 根据 所获敌 方平 台雷 达辐 射 源的载 频 、 冲重复 频 率 、 冲 宽 度 、 脉 脉 天线 扫 描 周 期 等 属性参 数识 别雷 达 辐射 源 。雷 达辐 射源 的识 别方法 很 多， 如基于 神经 网络 的雷 达辐 射 源智 能 识别 方 法＿ 、 ２ ］ 基 于模 糊 推理 的雷 达辐射 源识 别方 法［ 和基 于属性 测 ４ ］ 度 的辐 射 源识别 方 法［ 等 。通信 侦察 设备 根据 所 获敌 ５ ］ 方平 台通 信 电台 的 中心 频 率 、 宽 、 号 电平 、 台功 带 信 电 率 、 制方 式 等属 性 参 数识 别 敌 方 通 信 电 台 。通信 电 调 台 的识别 方 法有加 强 Ｋ最 近邻 分 类 方 法 、 于 Ｄ Ｓ ］基 － 证据 理论 的通信 电 台识 别方 法［ 和 Ｓ证 据理 论与 灰 ７ ］
DSmT在目标身份识别中的应用研究
Ａ ｎ ＝ Ｃ
对 于 ＞２个 证据 的组 合 ， 可用 合成 规则对 证 ３ 混合 Ｄ ｍ合 成规 则 ） Ｓ 混合 ＤＳ ｍ合成规 则是 建立 在选定 的混 合 Ｄ ｍ Ｓ 模 型 ＠ 上 的 ． 于 Ｋ ２个 独立 证据 源 ， ＠ ） 对 ）
定 义 为 Ａ ∈Ｄ ， 。有 ｍｅ 全 州， ） ） ） Ｉ ｓ ＋ ） ＋ ） ］ （） ２
据理论 会产生 与直觉 相反 的结论 ． Ｊ如何 在证据 高 度 冲突下实 现 多源信 息 的有 效融 合是 一个 迫切 需
要 解决 的问题 ．很 多文 献认 为这 是组 合 规则 造成 的并加 以改 进 ， 是 效果 不是 十分 理想 ＿ Ｊ 但 ４ ．针对 这 种情 况 ， ｅｅｔ Ｓ ａａｄｃ ｅ 人在 ２０ Ｄ ｚｒ和 ｍ ｒｎ ａｈ 等 ０ ２年提
应用的有效性 ， 为其 在 工程 实践 中 的应 用 提 供 了有 力 的 支 撑 ．
关键词 ： ｍ ； ＤＳ Ｔ 目标 身份识别 ； 冲突证据
中 图分 类 号 ：Ｎ ５ Ｔ ９７ 文献标志码 ： Ａ Ｄ ：０ ９ ９ｊｓ ． ７ —６ １ ００ ４ ０ ＯＩ１． ６／．ｓ １ ３８９ ． １． ． ５ ３ ｉｎ ６ ２ ００
第２ 卷 第４ ４ 期 ２１年 ８ ００ 月
文 章 编 Leabharlann ：１７ —６ １ ０ ０ —２ １ ３ ６ ３８ ９ （ １ ）４０ ５ － ２ ０ ０
空 军 雷 达 学 院 学 报
Ｊ ｕｎ ｌ ｆ ｒ ｏ ｃ ｄ ｒ ａ ｅ ｏ ｒ ａ ｏ Ａｉ Ｆ ｒｅＲａ ａ ｄ ｍ Ａｃ
D—S证据理论信息融合方法在目标识别中的应用,信息融合参考
在Ｄ—Ｓ证据理论中，ＢＰＡ分布只需满足其 和为１这个简单的约束条件，如（１）式所示。在工 程应用中，ＢＰＡ的分布还必须满足这样的约束： 允许一个证据提供不同抽象命题的ＢＰＡ值，但 除去未知之外，其余焦元相交为空。Ｂａｙｅｓ结构 就是满足这一约束的特例。
ｌ引 言
信息融合不同层次对应不同的算法， Ｄｅｍｐｓｔｅｒ—Ｓｈａｒｅｒ（Ｄ—Ｓ）证据理论是适合于目标 识别领域应用的一种不精确推理方法［１￣４］。它的 最大特点是对不确定信息的描述采用“区间估 计”，而不是“点估计”，在区分不知道与不精确方 在以及精确反映证据收集方面显示同很大的灵 活性。
但是，利用Ｄ—Ｓ证据理论时，基本概率赋值 函数（Ｂａｓｉｃ Ｐｒｏｂａｂｉｌｉｔｙ Ａｓｓｉｇｎｍｅｎｔ Ｆｕｎｃｔｉｏｎ， ＢＰＡＦ）的获得是一个与应用密切相关的课题，
ｆ
∑棚。（Ａｊ）埘：（Ｂ，）
ＪＤｅｍｐｓｔｅｒ组合规则满足结合律和交 换律嘲，故对于多个证据的组合，可采用（５）式的 Ｄｅｍｐｓｔｅｒ组合规则对证据进行两两综合。
３ 目标识别的Ｄ—Ｓ理论融合方法
对于目标识别的多传感器信息融合系统来 说，目标的种类就是命题，由各传感器获得信息， 并由此产生对基本些命题的度量，就构成了该理 论中的证据。然后利用这些证据通过构造相应的 ＢＰＡＦ，对所有的命题赋予一个可信度。
·８４·
弹箭与制导学报
Ｄ—Ｓ证据理论信息融合方法在 目标识别中的应用＊
徐俊艳１’２
基于D-S证据理论的目标识别融合应用
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》范文
《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
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。
一种基于D-S证据理论的雷达辐射源识别方法
义加权 关 联度 为 ：
＝
２ （ ） （）ｉ＝１２…， （） 邑 ｋ 。 ｋ ， ，， Ⅳ ２
ｋ＝ ｌ
通 常关 联度 的大小会 因数据处 理 的方式 不 同 而不 同 ， 关联 序一 般不 会变 ， 但 因为系 统 中因子 间
２ … ， 且 ，
ｋ＝ １
０ｋ （ ）： １， 中 ０ ｋ ＞０ 则 可定 其 （） ， １
而得 到 了广 泛 的应 用 。在 多 传 感 器 数 据 融 合 中 ， 属性 融 合 层 最 常 用 的算 法 是 贝 叶斯 方 法 ， 贝 叶 但
斯 方法 需 要 先 验概 率 ， 这在 某 些 情 况 下是 很 麻 烦 甚至 是 不 可 能 的 事 ｌ ７ ， —Ｓ证 据 理 论 采 用 ５ Ｄ ＩＪ ＢＡ Ｐ Ｆ而不 是 概 率 作 为 量 度 ， 效 解 决 了上 述 问 有
或相异 程 度来衡 量 因素 间接 近 的程 度 。 由于 关联
０ 引 言
雷达辐 射源 识 别 是 电子 情 报 侦 察 、 电子 对 抗
分析是 按发 展 趋 势 做 出分 析 ， 样 本 量 的 大 小 没 对
有太 高 的要求 ， 分析 时也 不需 要典 型 的分 布规 律 ，
而且分 析 的结 果 一 般 与 定性 分 析 相 吻合 。 因此 ，
￡（ ）１ 。 ｋ －＂ ７１
置信度 函数 ， 果这 几个证 据 不是 完全 冲 突 的 ， 如 那 么就 可 以利用 Ｄ ｍ ｓｒ 成 法则计 算 出一 个 总 的 ｅ ｐｔ 合 ｅ 置信度 函数 ， 为 那 几 个 证 据联 合作 用 下 产 生 的 作 置 信度 函数 。该 函数 称为 原来 那几 个 置信度 函数
D-S证据理论在目标身份识别中的应用
【 关键 词 】 身份属 性 ，Ｄ— Ｓ理论 ，基 本概 率指派 ，合成规 则
中 图 分 类 号 ：Ｔ １ Ｐ３ 文 献 标 识 码 ：Ａ
ＡＢ Ｔ Ｓ ＲＡＣＴ Ｔｏ ｃ ｕ ｔ ｒ ｔ ｅ ｑ ｅ ｔｏ ｆｍｕ ｔ ｓ ｕ ｃ ｎ ｏ ｍａ ｉ ｎ ｆ ｓｏ ｏ ｉ ｅ ｔｆ ｈ ｔ ｒｂ ｔ ｎ ｏ ａ ｇ ｔ ，Ｄ－ ｖｄ ｎ ｅ ｔ ｅ ｒ ｏ ｎ ｅ ｈ ｕ ｓｉ ｎ ｏ ｌｉ ｏ ｒ ｅｉ ｆ ｒ ｔｏ ｕ ｉ ｎ ｔ ｄ ｎ ｉ ｔ ｅａ ｔ ｉ ｕ ｉ ｆｔ ｒ ｅ ｓ － ｙ ｏ Ｓ ｅ ｉ ｅ ｃ ｈ ｏ ｙ
Ｄ Ｓ证据 理论 在 目标 身 份 识 别 中 的应 用 －
文 章 编 号 ： ０ ３ ５ ５ （ ０ １ １ － ０ ８０ １０ －８ ０ ２１ ）２００ －３
２ １ 燕 ０１
Ｄ— 据 理论 在 目标 身份 识 别 中的应 用 Ｓ证
Ａｐ ｌｃ ｔｏ ｆ Ｄ－ ｉ ｅ ｅ Ｔｈｅ ｒ ｏ Ｔａ ｇ ｔＩ ｅ ｉ ｉ ａ ｉ ｎ ｐ ｉ ａ ｉ ｎ ｏ Ｓ Ｅｖ ｄ ｎｃ ｏ ｙ ｔ ｒ ｅ ｄ ｎｔｆ ｃ ｔＯ
对传 感 器观测 实体 的身份识 别 与判断是 信息 融合 技 术 的 一个 非常 重要 的任 务 ， Ｃ Ｉ系统 的一个 关 键 是 。 功 能Ｃ引。利 用多 传感器 完成 目标检 测和 定位 之后 ， 卜 目
策 略是 将 证 据集 合 划 分成 两 个 或 多个 不 相关 的部 分 ， 并 利 用 它 们 分 别 对 辨 识 框 架 独 立 进 行 判 断 ， 后 用 然
势 与威 胁评 估有着 非常重要 的意义 。
一
个 通 用传感 器所包 含 的身份信 息是有 限的 。如
一
部 搜 索雷 达 ， 管在很 远 的距 离上 就能够 发现 目标 ， 尽
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
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
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。
基于D-S证据理论的机载雷达模糊识别方法
（ ｌｃｒｎ ｃ ｎ ｉ ｅ ｒ ｇＩ ｓ ｔｔ ｆ Ｌ Ｈｅｅ ２ ０ ３ ， ｈｎ ） Ｅ ｅ ｔ ｉ Ｅ ｇｎ ｅｉ ｔ ｕ ｅ Ｐ Ａ， ｆ ｉ ３ ０ ７ Ｃ ｉａ ｏ ｎ ｎ ｉ ｏ
Ａｂ ｔ ａ ｔ ａ ｉ ｇ ｔ ｅ ｃ ｍｐ ｅ ｉ ｎ ｕ ｚ ｎ ｓ ｆ ｔ ｅ ａ ｒ ｏ ｎ ａ ａ ｉ ｎ ｌ ， ｈ ｓｐ ｐ ｒ ｐ ｅ ｅ ｔ ｔ ｏ ｉ ｈ ｓ ｒ ｃ ：Ｆ ｃ ｎ ｈ ｏ ｌ ｘ ｔ ａ ｄ ｆ ｚ ｉ ｅ ｓ ｏ ｉｂ ｒ ｅ ｒ ｄ ｒｓ ｇ ａ ｓ ｔ ｉ ａ ｅ ｒ ｓ ｎ ｓ ａ ｍｅ ｈ ｄ ｗｈ ｃ ｙ ｈ
及 时 、有 效 的参考 。由于战 场的 环境 复杂 ，加之 敌
基 本 可信度 分配及 其扩展形 式进 行说 明 。 设 Ｑ 为样本 空间 ， Ａ为样 本空 间里 的一个命 题 ， 且领域 内的命 题都 可 以用 Ｑ 的子集 表示 。
设 函数 Ｍ ： ２ －０ 】 ｎ－ ［ ，ｌ ，且满 足 ， 】０； ＝
ａ ｐ ｉｓｔ ｅｃ ｍ ｂｎ ｔ ｎｏ ｍｐ ｔｒＳ ａｅ ｖ ｄ ｎ ｅｔｅ ｒ ｎ ｕ ｚ ｈ ｏ ｅ ｏ ｎ ｚｎ ｉｂ ｒ ｅｒ ｄ ｒ ｉｎ ｌ， ｐ ｌ ｈ ｏ ｉ ａｉ ｆＤｅ ｓｅ－ ｈ ｆｒｅ ｉｅ ｃ ｈ ｏｙ ａ ｄｆｚ ｙｔ ｅ ｒ ｉ ｒ ｃ ｇ ｉｉｇ ａｒ ｏ ｎ ａ ａ ｇ ａｓ ｅ ｏ ｙ ｎ ｓ Ｔｈ ｔ ｏ ｏｖ ｓ ｔｅ ｐｏ ｌｍ ｆｉｄ ｔｒ ｉａ ｙ ａ ｄ ｈ ｗ ｏ ｕ ｉ ｚ ｈ ｅ ｏ ａ ｅ ｕ ｄ ｎ ｙ ｏ ａ ａ ｉｎ ｌ ｅ ｍｅｈ ｄ ｓ ｌｅ ｈ ｒ ｂ ｅ ｏ ｎ ｅｅｍ ｎ ｃ ｎ ｏ ｔ ｔ ｉｅ ｔｅ ｔｍｐ ｒ ｌｒ ｄ ｎ ａ ｃ ｆｒ ｄ ｒｓｇ ａｓ ｌ
D-S证据理论在空中目标识别中的应用现状与展望
D-S证据理论在空中目标识别中的应用现状与展望
余付平;黄益恒;沈堤;李靖宇;房瑞跃
【期刊名称】《电光与控制》
【年(卷),期】2024(31)4
【摘要】D-S证据理论作为一种多源信息融合工具,在空中目标识别领域中得到了广泛应用。
对D-S证据理论进行了概述;简要梳理了D-S证据理论在空中目标识别领域中的发展脉络,并提出应用中需要解决的三类关键问题;围绕上述问题,重点对该领域中的BPA获取、证据冲突度量、证据融合的应用现状进行综述;最后,基于空域控制视角,对D-S证据理论在该领域中的应用进行了展望。
研究可为空中目标识别领域的理论发展和工程应用提供参考。
【总页数】12页(P75-86)
【作者】余付平;黄益恒;沈堤;李靖宇;房瑞跃
【作者单位】空军工程大学空管领航学院;中国人民解放军66137部队;中国人民解放军95026部队
【正文语种】中文
【中图分类】V21
【相关文献】
1.基于模糊集和D-S证据理论的空中作战目标识别∗
2.改进的D-S证据理论在战场目标识别中的应用∗
3.D-S证据理论在舰机目标识别中的应用
4.D-S证据理论在振源目标识别中的应用
5.D-S证据理论在探地雷达目标识别中的应用
因版权原因，仅展示原文概要，查看原文内容请购买。
D-S证据理论在空中目标识别中的应用现状与展望
D-S证据理论在空中目标识别中的应用现状与展望D-S证据理论在空中目标识别中的应用现状与展望摘要：随着现代军事技术的快速发展，空中目标识别的准确性和效率对军事行动的成功至关重要。
D-S证据理论作为一种基于不确定性的推理方法，逐渐被应用于空中目标识别领域。
本文将探讨D-S证据理论在空中目标识别中的应用现状，并对其未来的发展进行展望。
1. 引言：空中目标识别是现代战争中的重要组成部分，对于军队的作战能力和作战效果具有重要影响。
然而，由于空中目标识别任务的复杂性和不确定性，传统的识别方法往往难以满足精确识别的要求。
D-S证据理论作为一种有效的不确定性推理方法，可以对空中目标进行高效准确的识别，因此在空中目标识别中得到了广泛的应用。
2. D-S证据理论及其基本原理：D-S证据理论是由杜春涛教授于1988年提出的，它是建立在贝叶斯推理和随机集合理论基础上的一种推理方法。
其基本思想是将各种可能性划分为互斥、完备的证据源，并根据证据的可靠程度进行权重分配和组合，从而得出最终的推断结果。
3. D-S证据理论在空中目标识别中的应用现状：目前，D-S证据理论在空中目标识别中的应用主要集中在以下几个方面：3.1 传感器数据融合：空中目标识别中常常需要通过多个传感器获取目标信息，例如红外传感器、雷达等。
D-S证据理论可以对不同传感器获取的信息进行融合，提高目标识别的准确性和鲁棒性。
3.2 不确定性推理：空中目标识别任务中存在许多不确定性因素，例如目标位置、目标形状等。
D-S证据理论可以对这些不确定性因素进行推理，提供准确的目标识别结果。
3.3 表征与分类：D-S证据理论可以将目标的各种特征以及相应的分类信息进行有效的表征，从而提高目标识别的效率和准确性。
4. D-S证据理论在空中目标识别中的展望：尽管D-S证据理论在空中目标识别中已经取得了一定的应用成果，但仍存在一些挑战和问题。
下面是对D-S证据理论在空中目标识别中的未来发展进行的展望：4.1 模型优化：目前，D-S证据理论在空中目标识别中的模型还可以进一步优化，提高识别的准确性和鲁棒性。
基于D—S证据理论的多传感器雷达体制识别
现 代 雷 达
第 １期
基 于 Ｄ— Ｓ证 据 理 论 的 多传 感 器 雷 达 体 制 识 别
王杰 贵 罗景 青 尹 成 友
（ 子Ｉ程 学院 电 合肥 ２０ ３ ） ３ ０ ７
【 要 】 在 阐 述 Ｄ ｍｐ ｔｒ ｈ ｒ（ ） 据理 论 的 基 础 上， 系 统 地 论 述 了基 于 Ｄ Ｓ证 据 理 论 的 多 传 感 雷 摘 ｅ ｓｅ— Ｍｅ Ｄ ｓ 证 Ｓ 较 — 达 体 制 识 别 的数 据 融台 方法 ， 并绐 出 ｒ具体 的 识别 实例
【 关键 词】 数 据 融 台 ， — Ｄ Ｓ证 据 理 论 ， 车 可信 度 赋 值 函数 ， 达 体 制识 别 基 雷
Ｍ ｕ ｔｓ ｎ ｏ ｄ ｒＳ ｓ ｏ Ｉ ｅ ｔ ｉａ ｉ ｎ ｌｉｅ ｓ ｒＲａ ａ ｙ ｔ ｍ ｄ ｎ ｉ ｃ ｔｏ ｆ Ｂａ ｅ ｎ Ｄｅ ｓｅ — ｈ ｒ ｒ Ｅｖ ｄ ｎ ｅ Ｔｈ ｏ ｙ ｓ ｄ ｏ ｍｐ ｔ ｒ Ｓ ａ ｅ ｉ ｅ ｃ ｅ ｒ
Ｗ ＡＮＧ ｉ — ｕ Ｌ Ｊ ｅ－ ｉ ｇ ＵＯ ， ｎ — ｉ ｇ Ｙ１ Ｃｈ ｎ — ｏ ｌ ｇ－ ｎ ｉ ｑ Ｎ ｅ ｇ－ ｕ ｙ （ ｅ ｔ ｏ ｉ Ｅ ｇ ｎ ｅ ｉ ｇ Ｉ ｓ ｉｕ ｅ Ｈｅ ｅ ３ ０ ７ Ｅｌ ｃ ｒ ｎ ｃ ｎ ｉ ｅ ｒｎ ｎ ｔ ｔ ｔ ｆｉ ０ ３ ） ２ ［ ￣ｔ ｔ Ａ ｍｅ］ Ｔ ｉ ｐ ｐ ｒｉｔｏ ｕ ｅ ｈ ｅ ｐ ｔｒＳ ａｅ ｅ ｉｅ ｃ ｈ ｏｙ ａ ｄ ｆ ｒ ｅ ｎ ｌｚ ｓｔ ｅｄ ｔ ｆｓ ｎ ｈｓ ａ ｅ ｒ ｄ ｃ ｓｔ ｅ Ｄ ｍ ｓｅ ｈ ｆｒ ｖ ｎ ｅ ｔｅ ｒ ｎ ｕ ｔ ｒａ ａｙ ｅ ｈ ａａ ｕ ｉ ｎ ｄ ｈ ｏ
次 的综合处 理“ 。
基于D-S证据融合的相控阵雷达状态识别
Ｅｌｃｒ ｎ ｃ Ｓ ｉ ＆ Ｔ ｃ ． Ｏｃ ． ５．２ ２ ｅ ｔ ｉ ｃ． ｏ ｅ ｈ ／ ｔ１ ０１
基 于 Ｄ ．Ｓ证 据 融 合 的相 控 阵 雷 达 状 态 识 别
陈 凯
（ 西安 电子科 技大学 电子工程学 院，陕西 西安
困难 ， 时甚 至不 切 实 际。如 果 采用 Ｄ ｍｐｔ —Ｓ ａｅ 有 ｅ ｓ ｒ ｈｆ ｅ ｒ
∑ ｍＡ ＝１ （） ；
命题 Ａ为 的非空 子集 ， 为 焦 元 ， Ａ） 为基 称 ｍ（ 称
本可信数 ， 表示对命题 Ａ的精确信任程度 ， 表示 了对 Ａ 的直接 支持 。置 信 函数 ＢｌＡ） 示 对 命 题 的信 任 程 ｅ（ 表
相控 阵雷达状 态的方法。并用典型相控阵 雷达参数进行 了仿 真 实验 ，实验结果表 明，这种 方法具 有较 高的识别概率。
关键词 中图分类号
Ｐ ａｅ ｒ ｙ Ｒ ｄ ｒＳａｅＩ ｅ ｔ ｃ ｔ ｎＢａｅ ｎ Ｄ ｍｐ ｔｒＳ ａｅ ｖｄ ｎ ｅＦ ｓ ｎ ｈ ｓｄＡｒａ ａ ａ ｔｔ ｄ ｎ ｉ ａｉ ｓｄ ｏ ｅ ｓ —ｈ ｆｒＥ ｉｅ ｃ ｕ ｉ ｉ ｆ ｏ ｅ ｏ
满 足条 件 ｍ（ ）＝０ ； ｒ
】
争局势起到 了主导性的作用 ， 雷达方要对不 同威胁程 度 的 目标 选 择不 同 的工 作 方 式 ， 扰 方 要 根 据雷 达 的 干 状态 实施 相 应 的干扰 样式 。雷 达 的不 同状态 也 从 侧 面
体现 了对 目标 信 号 的不 同威 胁 等级 ， 雷 达状 态 的变 使 化体 现 了于 扰效果 的优劣 。 文 中利 用特 征参 数 ， 行 信息 融合 ， 而对 相 控 阵 进 从 雷达 工作 状 态 进 行 识 别 。在 雷 达 状 态 识 别 数 据 融 合 时， 如果 采用 Ｂ ｙｓ方法 ， 需 要 一 些 先 验 概 率 ， 要 ａｅ 则 并 求所 有 的概 率都 是 独 立 的 ， 给 实 际 系 统 带 来 了 较 大 这
基于时序的DS证据理论雷达辐射源识别
1 引言
随着信息化时代的来临，现代化的战场变得日 益纷繁复杂，对信息的控制权已成为决定战争成败 的重要因素。雷达作为感知战场态势的“眼睛”，发 挥着举足轻重的作用。目前在雷达对抗领域，雷达 辐射源识别是一个制约雷达对抗装备发挥效能的 重要因素。对雷达辐射源信号识别技术已成为目 标识别技术的重要组成部分。对雷达辐射源的识 别是指在利用专门的接收机截获目标辐射源信号 的基础上，对这些信号进行检测分析，提取特征参 数和技术体制，进而识别其雷达辐射源的类型。它 可以简洁反应目标的类型及其搭载平台的属性，为 我参谋人员方制定相应作战决策方略提供一定的
证据理论又称普斯特-谢弗（D-S）理论或信任 （Belief）函 数 理 论［2］，是 经 典 概 率 理 论 的 扩 展 。 Dempster 提出了构建不确定推理模型的一般框架， 建立了命题和集合之间一一对应，把命题的不确定 问题转化为集合的不确定问题，20 世纪 70 年代中
∗ 收稿日期：2018 年 7 月 17 日，修回日期：2018 年 8 月 19 日 作者简介：姚宏洋，男，研究方向:电子对抗。林晓烘，男，博士，讲师，研究方向：合成孔径雷达干扰与抗干扰，新体制 雷达侦察与干扰。宗思光，男，副教授，研究方向:光电对抗，激光探测。
定 义 1 设 Θ 为 辨 识 框 架 ，函 数 M ：
2Θ ® [01] 称之为概率分配函数，假设对于空集 ϕ ，
m(ϕ) = 0 ；对于 "Aห้องสมุดไป่ตู้Î 2θåm(A) = 1 。
m(A) 称为 A 的基本概率分配，表示对命题 A 的精度信任程度。若 M (A) > 0 ，则称 A 为函数的 一个焦元。
《改进D-S证据理论的决策融合算法研究及应用》
《改进D-S证据理论的决策融合算法研究及应用》篇一一、引言随着人工智能和大数据的飞速发展，决策融合算法成为了当前研究的热点之一。
决策融合算法是指利用不同信息源所提供的数据或信息进行融合，进而对同一目标或问题作出综合判断。
在众多的决策融合算法中，Dempster-Shafer（D-S）证据理论因其严谨的数学基础和广泛的应用领域而备受关注。
然而，D-S证据理论仍存在一些问题，如证据间的冲突处理以及融合过程中可能出现的信任分配过度平滑等问题。
针对这些问题，本文旨在提出一种改进的D-S证据理论的决策融合算法，并对其实施应用进行探讨。
二、D-S证据理论概述D-S证据理论是一种基于概率论的决策融合算法，其核心思想是将每个证据的信任度分配到各个命题上，并通过合并规则对不同证据的信任度进行融合。
D-S证据理论具有处理不确定性、处理不同类型证据的能力等优点，因此在目标识别、图像处理、信息融合等领域得到了广泛应用。
然而，传统的D-S证据理论在处理证据冲突和信任分配过度平滑等问题时仍存在局限性。
三、改进的决策融合算法为了解决传统D-S证据理论中存在的问题，本文提出了一种改进的决策融合算法。
该算法基于对证据间的冲突度和信任分配的精细化管理。
具体而言，该算法通过引入一种新的冲突度量方法，能够更准确地衡量不同证据之间的冲突程度。
同时，在信任分配过程中，采用了一种新的平滑策略，以避免过度平滑问题。
此外，该算法还引入了动态调整机制，根据不同场景下的数据特点自适应地调整算法参数。
四、算法实现及性能分析在算法实现方面，本文详细阐述了改进的决策融合算法的步骤和实现过程。
首先，通过计算不同证据之间的冲突度来评估它们之间的相似性和差异程度。
然后，根据冲突度调整信任分配策略，确保在保持一定不确定性的同时尽可能地保留原始信息的特征。
最后，通过动态调整机制对算法参数进行优化，以适应不同场景下的数据特点。
在性能分析方面，本文将改进的决策融合算法与传统的D-S 证据理论进行了对比实验。
《基于DS证据理论的多传感器数据融合算法研究与应用》范文
《基于DS证据理论的多传感器数据融合算法研究与应用》篇一一、引言随着传感器技术的快速发展，多传感器数据融合技术已成为现代信息处理领域的重要研究方向。
多传感器数据融合技术能够有效地整合来自不同传感器的信息，提高系统的可靠性和准确性。
其中，DS（Dempster-Shafer）证据理论作为一种重要的融合方法，因其能够处理不确定性和不完全性信息而备受关注。
本文旨在研究基于DS证据理论的多传感器数据融合算法，并探讨其在实际应用中的效果。
二、DS证据理论概述DS证据理论是一种用于处理不确定性和不完全性信息的理论框架。
它通过将每个传感器的观测数据视为一个基本概率分配函数（BPAF），然后利用组合规则将多个BPAF进行合并，从而得到一个综合的决策结果。
DS证据理论具有以下优点：能够处理不同传感器之间的信息冗余和互补；能够处理不确定性和不完全性信息；能够有效地融合不同类型的数据。
三、基于DS证据理论的多传感器数据融合算法基于DS证据理论的多传感器数据融合算法主要包括以下步骤：1. 数据预处理：对来自不同传感器的原始数据进行预处理，包括去噪、滤波、特征提取等操作，以提高数据的可靠性和准确性。
2. 构建基本概率分配函数：根据预处理后的数据，为每个传感器构建一个基本概率分配函数（BPAF），表示该传感器对不同决策的支持程度。
3. 组合基本概率分配函数：利用DS组合规则，将多个基本概率分配函数进行合并，得到一个综合的基本概率分配函数。
4. 决策融合：根据综合的基本概率分配函数，采用合适的决策规则（如最大置信度准则、阈值决策等）进行决策融合，得到最终的决策结果。
四、算法应用与实验分析本文以目标跟踪为例，研究了基于DS证据理论的多传感器数据融合算法在实际情况中的应用效果。
具体实现步骤如下：1. 选择多个传感器进行目标跟踪，如雷达、摄像头、红外传感器等。
2. 对每个传感器的数据进行预处理，提取目标的位置、速度等特征信息。
3. 为每个传感器构建基本概率分配函数，表示该传感器对目标位置的判断概率。
D-S证据理论在雷达目标识别中的应用
The app lication of Dempster2 Shafer evidence theory in radar target recognition
M IAO Chong 2 da , GAO Gu i2 m ing
( 1. N an jing PR I D E Tech nology Co. , L td. , N anjing 211153, Ch ina;
2 D 2 S证据理论的基本理论
Dempster和 Shafer在 20 世纪 70 年代提出了 D 2S 证据理论 。该理论在概率的基础上对概率论的概念进 行了扩展 。把概率论中的事件扩展成了命题 , 把事件 的集合扩展成了命题的集合 , 并提出了基础概率分配 、 信任函数和似然函数 (又称合理性函数 ) 的概念 , 建立
3收稿日期 : 2 008 2 07 2 15 3 3作者简介 :缪崇大 ,男 , 1 983 年生 , 硕士 ,从事信号与信息处理研究 。
D 2S证据理论具有较强的理论基础 , 既能处理随 机性所导致的不确定性 , 又能处理模糊性所导致的不 确定性 。它可以不需要先验概率和条件概率密度 , 依 靠证据的积累 , 不断地缩小假设集 , 能将不知道和不确 定区分开来 。本文应用 D 2S 证据理论对多传感器雷达 目标信息进行识别 , 计算结果证实了该方法的有效性 。
23
雷达与对抗 2008年 第 3期
D2 S证 据 理 论 在 雷 达 目 标 识 别 中 的 应 用
缪崇大 1 , 高贵明 2
(1. 南京 鹏力科技有限公司 , 江苏 南京 211153; 2. 南京船舶雷达研究所 , 江苏 南京 210003)
摘 要 :为解决雷达终端目标识别问题 ,采用基于推理的数据融合方法 。分析了 Dempster 2Shafer (D 2S) 证据理论用于多传感器数据融合的基本概念和理论 , 并结合最小风险准则将其应用于雷 达终端目标识别的数据融合中 。实验结果证明了基于融合后的识别结果较单传感器单周期的识 别结果好 , 验证了这一方法的正确性和有效性 。 关键词 :证据理论 ;数据融合 ; 目标识别 中图分类号 : T N959. 17 文献标识码 : A 文章编号 : 1009 20401 ( 2008 ) 0320032203