基于Dempster-Shafer证据理论的通信辐射源个体识别算法
Individual Communication Transmitter Identification Based on Dempster-Shafer Evidence Theory
查看参考文献16篇
|
文摘
|
针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。 |
|
其他语种文摘
|
A novel multi-sensor information fusion identification method is proposed for the low accurate rate of the transmitter individual identification caused by the various jamming signals and sensor error, which can enhance the stability and accurate recognition rate of the transmitter individual identification in the complicated environment. The proposed method integrates the Dempster-Shafer evidence theory and feature extraction to get the utmost out of feature information and decrease the influence of uncertain factors in the signal processing. The features are extracted from the detected signals. The self-adaptive fusion rule based on the decision vector is utilized to fuse the evidences transformed by features. The recognition results can be obtained by judgment rules. The simulation analyses of self-adaptive fusion rule and fusion identification method are performed, respectively. The results show that the self-adaptive fusion rule can achieve a great balance between computational efficiency and accurate identification rate. Compared with other identification methods, the proposed fusion identification method can provide more accurate and stable recognition results. |
|
来源
|
兵工学报
,2016,37(10):1844-1851 【核心库】
|
|
DOI
|
10.3969/j.issn.1000-1093.2016.10.011
|
|
关键词
|
兵器科学与技术
;
辐射源识别
;
信息融合
;
Dempster-Shafer证据理论
;
特征提取
;
自适应证据组合
|
|
地址
|
空军工程大学航空航天工程学院, 陕西, 西安, 710038
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-1093 |
|
学科
|
电子技术、通信技术 |
|
基金
|
中国航空科学基金
|
|
文献收藏号
|
CSCD:5859082
|
参考文献 共
16
共1页
|
|
1.
张旻. 通信电台个体识别技术研究.
电子学报,2009,37(10):2125-2153
|
CSCD被引
16
次
|
|
|
|
|
2.
李程. 基于多源信息融合的有源雷达组网方式序贯识别方法.
电子与信息学报,2014,36(10):2456-2463
|
CSCD被引
8
次
|
|
|
|
|
3.
张美璟. 基于扩展原理的混合型证据推理不确定决策方法.
控制与决策,2015,30(4):670-676
|
CSCD被引
5
次
|
|
|
|
|
4.
康兵义. 基于区间数的基本概率指派生成方法及应用.
电子学报,2012,40(6):1092-1096
|
CSCD被引
29
次
|
|
|
|
|
5.
Han D Q. Novel approaches for the transformation of fuzzy membership function into basic probability assignment based on uncertain optimization.
International Journal of Uncertainty, Fuzziness and Knowledge-based Systems,2013,21(2):289-322
|
CSCD被引
6
次
|
|
|
|
|
6.
权文. 一种基于置信最大熵模型的证据推理方法.
控制与决策,2012,27(6):899-903
|
CSCD被引
7
次
|
|
|
|
|
7.
Yang Y. Discounted combination of unreliable evidence using degree of disagreement.
International Journal of Approximate Reasoning,2013,54(8):1197-1216
|
CSCD被引
24
次
|
|
|
|
|
8.
徐琰珂. 利用模糊证据理论的信息融合方法及其应用.
哈尔滨工业大学学报,2012,44(3):107-111
|
CSCD被引
5
次
|
|
|
|
|
9.
韩德强. DS证据理论研究进展及相关问题探讨.
控制与决策,2014,29(1):1-11
|
CSCD被引
62
次
|
|
|
|
|
10.
邓勇. 一种有效处理冲突证据的组合方法.
红外与毫米波学报,2004,23(1):27-32
|
CSCD被引
132
次
|
|
|
|
|
11.
蒋雯. D-S证据理论中的基本概率赋值转换概率方法硏究.
西北工业大学学报,2013,31(2):295-299
|
CSCD被引
9
次
|
|
|
|
|
12.
Donoho D L. Ideal spatial adaptation by wavelet shrinkage.
Biometrika,1994,81(3):425-455
|
CSCD被引
833
次
|
|
|
|
|
13.
Wei Y C. A novel D-S combination method of conflicting evidences based on Pearson correlation coefficient.
Telecommunication Engineering,2012,52(4):466-471
|
CSCD被引
1
次
|
|
|
|
|
14.
Yager R R. On the Dempster-Shafer framework and new combination rules.
Information System,1989,41(2):93-137
|
CSCD被引
332
次
|
|
|
|
|
15.
Pang J F. A new DS evidence fusion algorithm based on cosine similarity coefficient.
2013 International Conference on Measurement, Information and Control,2013:1487-1490
|
CSCD被引
1
次
|
|
|
|
|
16.
孙权. 一种新的基于证据理论的合成公式.
电子学报,2000,28(8):117-119
|
CSCD被引
3
次
|
|
|
|
|
了解气象卫星更多信息，请访问