动态模糊积分在多传感器决策层融合识别中的应用

"基于动态模糊积分的决策层融合识别算法 (2014年)，模糊积分在多传感器目标识别中的应用，动态模糊积分的自适应修正方法" 在多传感器目标识别系统中，信息融合是一个关键的技术，它能提高系统的整体性能和可靠性。模糊积分作为一种有效的信息融合方法，尤其在处理不确定性信息时，扮演着重要的角色。模糊积分通过模糊测度来衡量各个传感器在识别过程中的相对重要性，将传感器的独立判断结果整合成一个综合决策。 Choquet模糊积分是模糊积分的一种形式，它引入了模糊测度的概念。模糊测度可以量化传感器对目标识别贡献的程度，从而在决策层面上进行信息融合。模糊测度的合理选择直接影响融合结果的质量。Tahani首次将模糊积分应用于计算机视觉的信息融合，开启了其在模式识别领域的应用。然而，如何准确地确定模糊测度仍然是一个挑战，因为它需要考虑到传感器的性能、环境因素以及目标的特性。 现有的模糊测度确定方法往往依赖于训练样本的先验知识，这在应对不断变化的环境或未知情况时可能不足。因此，文章提出了一种基于动态模糊积分的决策层融合识别算法。这个算法的特点在于能够动态地自适应修正模糊测度，根据识别过程中的实时信息调整各传感器的权重，使得融合结果更加适应当前环境和任务需求。 在动态模糊积分的框架下，识别模型被构建为各传感器识别结果的广义Lebesgue积分，这个过程允许算法在融合过程中不断学习和优化。通过这种方式，不仅可以充分利用每个传感器的特性，还可以有效地处理不确定性，增强系统的鲁棒性。 该文的作者吴东娅、卢焕章和李鑫来自国防科技大学自动目标识别重点实验室，他们的研究工作强调了动态模糊积分在不确定性处理中的优势，为多传感器目标识别提供了新的思路。这种方法对于提升复杂环境下目标识别的准确性和效率具有重要意义，尤其是在军事、安全和自动化监控等领域。 基于动态模糊积分的决策层融合识别算法是对传统模糊积分方法的一种改进，它通过动态调整模糊测度，增强了算法的自适应性和融合效果，为不确定性和变化环境下的多传感器信息融合提供了更优的解决方案。