基于優(yōu)化BP網(wǎng)絡(luò)與D-S證據(jù)理論的多傳感器目標(biāo)識別.pdf

1、隨著信息技術(shù)的發(fā)展和現(xiàn)代戰(zhàn)爭的需要，目標(biāo)識別作為信息融合技術(shù)的重要組成部分，在近年來得到了廣泛關(guān)注。D-S證據(jù)理論和神經(jīng)網(wǎng)絡(luò)是兩種處理不確定性信息的有效推理方法，在多傳感器目標(biāo)識別系統(tǒng)中得到了廣泛應(yīng)用。但D-S證據(jù)的基本概率賦值難以獲取，BP網(wǎng)絡(luò)存在訓(xùn)練速度慢，易陷入局部最優(yōu)等缺陷。
　　 本文針對以上兩種方法各自在處理不確定性信息方面的不足，提出了一種遺傳算法優(yōu)化的BP網(wǎng)絡(luò)(GA-BP)與D-S證據(jù)相結(jié)合的多傳感器目標(biāo)識別方法

2、。一方面利用GA-BP網(wǎng)絡(luò)獲取基本概率賦值，另一方面通過D-S證據(jù)理論對神經(jīng)網(wǎng)絡(luò)的輸出進行融合。將此方法應(yīng)用于高壓電器設(shè)備故障診斷，仿真結(jié)果表明：該方法能克服傳統(tǒng)BP網(wǎng)絡(luò)易陷入局部最優(yōu)問題，同時具有更好的識別結(jié)果。首先，比較系統(tǒng)地介紹了多傳感器信息融合的基本原理，討論了多傳感器目標(biāo)識別級融合的三種結(jié)構(gòu)，給出了多傳感器信息融合的方法，為論文后面的研究工作奠定了基礎(chǔ)。其次，介紹了證據(jù)理論的基本概念，歸納了現(xiàn)有幾種依照經(jīng)驗獲取基本概率賦值的方

3、法。將D-S推理方法應(yīng)用于多傳感器目標(biāo)識別融合，仿真實驗證明了這種推理方法的有效性。再次，重點介紹了BP網(wǎng)絡(luò)學(xué)習(xí)算法流程、算法的缺陷和幾種改進算法、遺傳算法流程和遺傳算法優(yōu)化BP網(wǎng)絡(luò)權(quán)值的方法。仿真實例表明遺傳算法優(yōu)化后的BP網(wǎng)絡(luò)能夠克服傳統(tǒng)BP網(wǎng)絡(luò)訓(xùn)練過程中收斂速度慢和容易陷入局部最小的缺陷。最后，針對D-S證據(jù)和BP網(wǎng)絡(luò)各自在處理不確定性問題方面的缺點，提出了一種將遺傳算法優(yōu)化后的BP網(wǎng)絡(luò)與D-S證據(jù)理論結(jié)合的多傳感器目標(biāo)識別方法。