提出了一种基于改进的灰色关联分析和证明理论的振动目标识别方法，该方法定义了灰度与区间的相关系数，恒温阀芯实时计算了灰度与区间的相关度。据信息的熵理论。后，将基本的概率分配函数与每个传感器的证明相结合，以基于证据理论和基于分配的决策标准的组合来识别不同类型的振动源。本概率。论分析和仿真结果表明，该方法是切实可行的，具有较高的效率和实用性。标识别是振动传感器在监控桥梁和仓库以及战场检测中应用的重要环节之一。于到达传感器阵列的信号的持续时间和幅度是不同的，即使由相同目标运动引起的振动信号在相同检测范围内，该信号也会有很大不同。果，每个传感器提供的信息通常包含很多不确定性，这使得快速识别目标类型非常困难。
息融合技术可以整合来自多个传感器的数据来确定目标的目标参数，恒温阀芯但是单一的数据融合方法存在局限性，无法正确解决数据的分类和识别问题。标在存在干扰的情况下。
了提高目标识别的准确性，提出了一种基于灰色关联分析和证据理论的振动目标识别方法。
先，通过改进的灰色分析方法获得每个传感器的基本概率分配，然后使用基于基本概率分配的决策标准来识别传感器的类型。动源。色关联分析基于发展趋势，样本量要求不高，分析中不需要典型的分布规律，因为分析结果总体上是一致的定性分析。此，采用灰色关联分析法对现有的少量调查数据进行详尽的分析，可以为准确，实时地识别来源提供理论依据和数学依据。射。
是传统的灰色关联算法也有其自身的局限性。如，人为地选择特征指标的权重，主观因素很重要，也太经验和绝对。色关联分析以精确的数据为目标，不能反映传感器获得的模糊和不确定信息的特征。
此，本文使用间隔号来表征目标类型传感器的特征指标值和测量值，并提出了一种使用间隔灰色相关性和目标类型权重的不确定融合算法。证据与证据理论相结合后如何做出决策是与特定应用密切相关的问题。见的决策方法包括基于信任函数的决策和基于基本次要风险的决策。本文中，在结合了不同振动传感器的证据之后，基于基本概率分配的决策被用来识别不同类型的辐射源。设U是识别帧，m是使用Dempster组合规则合并n个不同的电子识别传感器的证明后的基本概率分配。中，m（U）是不确定结果的基本概率归因。那里开始，上述方法可用于计算每种目标类型的每个传感器的基本概率分配以及证据合并的结果，如表2所示。表2中，证明的融合是在三个传感器的基本概率分配的基础上进行的，最终判断的结果是一篮子。
以看出，该算法利用灰色关联理论和DS证明理论对多个传感器的数据进行合并，确定目标的特征参数，克服了融合方法的局限性。特的数据，可以在存在干扰的情况下有效解决目标的分类和识别。
题本文提出了一种获取灰度多传感器灰度相关算法的基本近似函数的方法，基于证据理论合并来自多个传感器的证据，并使用基于根据基本的概率分配来识别振动源。方法掩盖了传感器的测量值和目标特征参数，用区间数表示不确定性，并提出了一种基于灰度与区间相关性的数据融合方法，并使用熵权法解决了该问题。统方法中属性权重选择的主观性问题。使目标识别结果更加可靠，方便，为解决多传感器信息融合问题提供了一种新途径。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com