基于改进D-S证据折扣理论的海上目标融合识别模型研究

论文摘要

论文重点构造了一个融合识别模型对舰载传感器输出识别向量进行融合处理。模型建立在改进D-S证据折扣理论的基础上。现有D-S证据折扣理论在融合具有信度的证据时存在如下问题:①融合结果的信度随着参与融合的证据的内容不同而变化;②仅限于证据的线性折扣处理,有时难以适应战场实际情况。论文针对上述两点不足给出了改进算法。在求取证据信度时,根据传感器证据信度与其影响因素的单调关系,构建了一类特殊的模糊神经网络——模糊内插计算网络。这一网络可用于模拟专家经验,求取证据信度,论文给出了网络的学习算法。在融合识别输出部分,提出了基于风险函数的决策规则,在一定条件下可用于辅助决策。最后以海上舰船目标为例使用仿真方法对该模型进行了验证,结果表明,所建模型能有效地融合具有信度的证据,作出适当的决策。本模型对于海上目标识别具有一定的理论指导意义和实践意义。完善模型细节和提高模型融合的层次是本文进一步研究的方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究的意义
• 1.2 识别问题研究概况
• 1.2.1 识别模型简介
• 1.2.2 D-S证据理论与目标识别
• 1.3 论文主要工作
• 第2章 D-S证据折扣理论改进算法
• 2.1 D-S证据理论简介
• 2.2 D-S证据理论在多传感器融合识别中的应用
• 2.3 D-S证据理论对证据信度的处理
• 2.3.1 证据折扣理论
• 2.3.2 D-S 证据折扣理论改进算法
• 2.4 改进 D-S证据折扣理论性能仿真
• 2.4.1 证据完全冲突时的仿真
• 2.4.2 不确定性证据融合仿真
• 2.5 非线性证据折扣
• 2.6 非线性证据折扣仿真
• 2.7 本章小结
• 第3章 FNN在证据信度求取中的应用研究
• 3.1 证据信度求取规则
• 3.2 FNN构建
• 3.3 网络训练算法
• 3.4 FNN仿真验证
• 3.5 本章小结
• 第4章 融合识别决策规则
• 4.1 决策的预处理
• 4.2 决策规则
• 4.3 风险决策仿真
• 4.4 本章小结
• 第5章 模型综合仿真
• 5.1 证据来源与格式
• 5.1.1 主动雷达
• 5.1.2 ESM
• 5.2 模型综合仿真
• 5.2.1 仿真条件
• 5.2.2 传感器输出仿真
• 5.2.3 融合识别模型验证
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 附录