基于D-S证据和模糊集理论的多源信息融合算法研究

摘要

多源信息融合技术源于早期的军事应用,该技术能够把多个不同信息源收集的不完整信息进行综合加工和处理,使各信息之间优势互补,从而削弱信息源包含的不确定成份,刻画出对系统环境相对全面的一致性描述过程。这个过程能够支持和帮助人们完成某种决策,进一步深层次的感知信息的完整内涵,最终完成对某种态势或行为的精确预测。
　　 本文在研究多传感器信息融合的基本理论及典型的信息融合方法的基础上,把Dempster-Shafe证据理论的信息融合方法和Fuzzy set理论的信息融合方法作为核心探讨内容。
　　 针对Dempster-Shafe证据理论的冲突问题,引入证据提供的信息容量概念,求出每条证据信息容量的大小,然后对其适当归一化处理;再结合“支持证据冲突的概率按各个命题的平均支持程度加权进行分配”的原则,获取证据对各焦元的平均支持度。得到一种修正的D-S合成公式。
　　 在充分研究Fuzzy set理论的基础上,借助Fuzzy set相似矩阵构建证据支持度、可信度函数,求出每个证据的权重系数及其加权平均后的基本分配函数值,即对冲突证据的数据模型结构给予适当的改变。再引入D-S证据理论基本合成规则,提出了基于模糊相似矩阵的多传感器信息融合加权平均算法。结合Fuzzy set理论.提出了模糊综合评判的多传感器信息融合方法。
　　 最后,以多感觉智能机器人传感器信息融合为背景,分析验证了D-S证据理论的信息融合应用过程的正确性。

目录

文摘

英文文摘

论文说明:图表目录

第1章 绪论

1.1 多传感器信息融合的定义及其特点

1.1.1 多传感器信息融合的定义

1.1.2 多传感器信息融合的优势

1.2 多传感器信息融合的国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 多传感器信息融合的研究背景及意义

1.4 多传感器信息融合的基本理论

1.4.1 多传感器信息融合的基本形式

1.4.2 多传感器信息融合的基本模型

1.5 论文安排

1.6 本章小结

第2章 多传感器信息融合的基本方法

2.1 多传感器信息融合的基本方法简介

2.2 常用的几种多传感器信息融合方法

2.2.1 基于Bayse估计的的信息融合方法

2.2.2 基于D-S证据理论的信息融合方法

2.2.3 基于神经网络的信息融合方法

2.2.4 基于粗糙集的信息融合方法

2.3 多传感器信息融合的数学模型

2.4 本章小结

第3章 D-S证据理论冲突问题

3.1 D-S证据理论的冲突问题及其解决方法

3.1.1 D-S证据理论的冲突问题

3.1.2 D-S冲突问题的解决方法

3.2 一种基于D-S基本合成规则的改进方法

3.3 本章小结

第4章 基于模糊集理论的多传感器信息融合方法

4.1 模糊集基本理论

4.1.1 模糊集合与隶属函数的概念

4.1.2 模糊集合的格运算及其性质

4.2 模糊综合评判与模糊相似矩阵的原理

4.2.1 模糊综合评判的原理

4.2.2 模糊贴进度的概念

4.2.3 模糊相似矩阵的概念

4.3 传感器测量信息的模糊化

4.4 基于模糊相似矩阵的多源信息融合加权平均算法

4.4.1 冲突证据数据模型处理

4.4.2 信息融合方法

4.4.3 仿真实验

4.5 基于模糊综合评判的多传感器信息融合技术

4.5.1 模糊综合评判原理应用于信息融合的方法

4.5.2 模型结构及算法描述

4.5.3 仿真实验

4.6 本章小结

第5章 D-S证据在热党和力觉传感器信息融合中应用

5.1 基于D-S证据多感觉机器人的热觉和力觉信息融合技术

5.1.1 多感觉智能机器人的系统组成

5.1.2 D-S证据理论实现热觉和力觉传感器信息融合实现材质分类

5.2 本章小结

总结与展望

1 总结

2 研究工作展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文