基于粗糙集、神经网络和证据理论的融合识别方法

来源 :第十四届全国信号处理学术年会 | 被引量 : 0次 | 上传用户:charles8025
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对特征层的融合识别问题,提出一种基于粗糙集(RS)、神经网络(NN)、证据理论(DS)的雷达与红外目标联合识别方法。该方法利用粗糙集对雷达和红外特征集进行约简,利用神经网络对约简后的各个特征子集进行分类识别,利用证据理论对每个特征子集的分类识别结果进行融合决策。仿真结果验证了该算法在提高目标识别率和抗噪声干扰能力等方面的有效性。
其他文献
最大似然算法能保证检测符号获得全分集,具有最佳的检测性能,但其复杂度随发射天线数和星座大小呈指数增长;低复杂度的排序连续干扰抵消算法因分集增益的损失而致性能有限。针
会议
传统的Turbo码一般是二进制的。相应地其解码算法也要求从接受符号中提取每个比特的似然比。这个似然比提取过程中一般会有近似失真。本文提出基于符号的Turbo码及其解码算法
结合空时干扰子空间估计算法和空时盲MMSE检测器,提出一种改进的基于信号子空间的空时盲多用户检测算法。理论分析和仿真结果表明:与基于空时结构的经典子空间MMSE检测相比,该改
在部分频带干扰环境下,详细分析了差分跳频通信系统分别采用逐符号检测和序列检测算法时的性能,讨论了在不同的信干比条件下,最佳的干扰策略,比较了在相同的条件下差分跳频系统和
本文提出了一种路由选择和比例公平性联合调度算法。通过将自适应的选择路由和比例公平性调度相结合的策略,同时获得多用户分集增益和路由选择增益,提升了系统性能。
GMSK信号的解调算法中,基于最大似然准则的Viterbi算法性能非常优越,但该算法对于噪声比较敏感,为了获得较好的GMSK系统性能,本文采用了小波去噪联合Viterbi算法的解调技术,在介绍
本文推导出了一种更有效的盲均衡准则,利用更多优秀的青蛙个体信息用于搜索更新,利用小生境的竞争策略优化青蛙个体,利用拉伸技术细化最优解附近的搜索空间避免算法早熟,以改进蛙
粗糙集是一种建立在分类机制基础上的刻划不完整性和不确定性的数学工具,能有效地分析不精确、不一致、不完整等各种不确定性信息,通过知识约简从中发现隐含的知识,揭示潜在的规
会议
在数据处理中,高斯混合模型是一种非常有效的概率模型并对此已经建立了一些有效的参数学习算法,如EM算法。但随着数据的不断积累,出现了大尺度数据源。如果直接使用这些大尺度的
会议
在实际应用中,用常规CB5009.8-85法和CB5009.9-85酸水解法测定多糖类食品及饮料中总糖含量较实际偏低。为此,我们在上二法基础上进行改进,其结果较上二法为高,与实际含量接近