信息融合算法管理系统决策支持研究

论文摘要

多传感器信息融合（MSIF）是指对来自多个传感器或多源的信息进行分析、处理、综合,从而产生新的更加有效的合成信息的过程。多传感器信息融合通过各类融合算法相互组合实现,针对特定机动目标,不同算法组合表现出的融合性能差异很大。本文的研究重点为信息融合算法管理系统的决策支持方法,信息融合算法管理系统决策支持的目的是希望通过一定的方式,使系统能够根据不同机动目标的运动特点决策反馈最优的算法组合,达到算法自动选择和辅助决策的目的。本文首先对传统的决策支持方法进行分析,指出其局限性。然后使用不同于传统决策支持的方法——多目标决策方法进行基于信息融合算法管理系统的多目标决策研究。采用的多目标决策方法为基于Pareto的快速非支配排序遗传算法（NSGA-Ⅱ）, NSGA-Ⅱ算法利用快速非支配排序机制,使其具有逼近问题Pareto前端的能力；同时采用拥挤距离排序操作,保证得到的Pareto最优解具有良好的多样性。最后,针对NSGA-Ⅱ算法在产生子种群时的缺陷,提出了带有分布函数的精英保留策略对NSGA-Ⅱ算法进行优化,经实验表明,采用带有分布函数的精英保留策略能够使算法具有更好的种群多样性和收敛性,并且能够在相同条件下搜索出更加适合指定机动目标的算法组合。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景与意义
• 1.2 国内外研究现状
• 1.3 课题研究目标与研究内容
• 1.4 本文的主要内容和安排
• 第2章 多传感器信息融合系统简介
• 2.1 多传感器信息融合的定义
• 2.2 信息融合的分类
• 2.3 信息融合的功能模型
• 2.4 信息融合的主要方法
• 2.5 信息融合的算法
• 2.6 信息融合系统性能评估
• 2.7 本章小结
• 第3章 基于PARETO最优的信息融合算法管理系统多目标决策
• 3.1 信息融合算法管理系统算法特性分析
• 3.1.1 门限算法分析
• 3.1.2 点关联算法分析
• 3.1.3 滤波算法分析
• 3.1.4 航迹关联算法分析
• 3.1.5 航迹融合算法分析
• 3.2 单目标决策支持方法
• 3.3 多目标决策问题原理与解决方法
• 3.3.1 多目标决策问题原理
• 3.3.2 多目标决策问题解决方法
• 3.4 信息融合算法管理系统多目标决策模型建立
• 3.5 基于PARETO最优的信息融合算法管理系统多目标决策
• 3.5.1 多目标决策初始化
• 3.5.2 初始种群的产生与函数赋值
• 3.5.3 快速非支配排序
• 3.5.4 遗传操作
• 3.5.5 确立非支配前端
• 3.5.6 拥挤距离排序
• 3.6 多目标决策实验结果分析
• 3.7 本章小结
• 第4章 基于分布函数精英保留策略的NSGA-Ⅱ算法
• 4.1 NSGA-Ⅱ算法精英保留机制策略
• 4.2 基于分布函数精英保留策略的NSGA-Ⅱ算法
• 4.2.1 带有分布函数的精英保留策略
• 4.2.2 基于分布函数精英保留策略的NSGA-Ⅱ算法实现过程
• 4.3 基于分布函数精英保留策略的NSGA-Ⅱ算法仿真与性能分析
• 4.3.1 多目标遗传算法性能评估指标与测试函数
• 4.3.2 多样性性能分析
• 4.4 引入分布精英保留策略的信息融合算法管理系统多目标决策
• 4.4.1 多目标决策模型与实验方法
• 4.4.2 多目标决策实验结果分析
• 4.5 本章小结
• 第5章 总结与展望
• 参考文献
• 致谢