新型雷达辐射源识别

目的 雷达辐射源识别是指先提取雷达辐射源信号特征,再将特征输入分类器进行识别。随着电子科技水平的提高,各种干扰技术应用于雷达辐射源信号中,使得信号个体特征差异越来越不明显,仅靠传统的模板匹配、分类器设计、决策匹配等辐射源识别技术难以提取信号可辨性特征。针对这一问题,利用深度学习良好的数据解析能力,提出了一种基于卷积神经网络的辐射源识别方法。方法 根据雷达辐射源信号的特点,对未知辐射源信号提取频域、功率谱、信号包络、模糊函数代表性切片等传统域特征,从中获得有效的训练样本特征集合,利用卷积神经网络自动获取训练样本深层个体特征得到辐射源识别模型,将其用于所有测试样本中,获得辐射源识别结果。结果 在不同域特征下对卷积神经网络的识别性能进行测试实验,并将本文方法与基于机器学习和基于深度强化学习的深度Q网络模型（depth Q network,DQN）识别算法进行对比,结果表明,当卷积神经网络的输入为频域特征时,本文方法的识别准确率达100%,相比支持向量机（support vector machine,SVM）提高了0.9%,当输入为模糊函数切片特征和频域时,本文方法的平均识别准确率与SVM模型、极限学习机（extreme learning machine,ELM）分类器和DQN算法相比,分别提高了16.13%、1.87%和0.15%。结论 实验结果表明本文方法能有效提高雷达辐射源信号的识别准确率。     

智能化雷达辐射源识别方法研究

提出了一种数据融合中雷达型号的识别模型。将人工神经网络、模糊匹配和证据理论有效的结合起来；用神经网络进行粗分类，识别出雷达的体制；用模糊匹配识别出该体制下的雷达型号；并用证据理论对不同空域和时域的数据进行融合。实验结果表明：该模型可以提高数据融合中的雷达型号识别率和可靠性，显示了强噪声环境下良好的应用前景。     

一种基本概率指派的模糊生成及其在数据融合中的应用

DS证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得DS证据理论在多传感器融合系统中应用非常广泛.但是各个证据的基本概率指派如何生成仍然是一个有待解决的问题.本文基于模糊匹配,提出了一种基本概率指派生成方法,并应用到多传感器目标识别中.用一个多传感器目标识别的实验表明:所提出的方法可以合理地生成基本概率指派,能够准确的识别目标.     

基于码元S函数匹配的PUE攻击检测研究

为对主用户(PU)与仿冒主用户(PUE)的辐射源进行有效识别,采用S函数对码元包络上升沿进行曲线拟合及参数提取,提出一种将拟合参数作为辐射源指纹特征进行用户识别的方法。通过模拟构造不同用户的辐射源码元信息,利用S函数模型匹配拟合码元上升沿,提取合适的码元上升沿特征参数构建辐射源指纹特征向量,并采用模糊C均值聚类区分PU与PUE的辐射源。实验结果表明,该方法能快速准确地实现PUE攻击信号的检测,并且可靠性高、运算量小。     

基于D-S证据理论的齿轮箱故障诊断

在分析模糊识别和证据理论应用于故障诊断特点的基础上.提出了一种应用D-S证据理论融合神经网络和模糊识别的方法,应用于某坦克发动机齿轮箱故障诊断,通过多次实验及仿真,证实这种方法能明显提高故障的正确诊断率,具有良好的实际应用价值.     

一种工程化的双门限辐射源目标识别方法

针对辐射源数量多、运动速度差异大、信息处理时效性要求高等特点,提出一类双门限辐射源目标识别方法;该方法首先构造信号与目标的相似度度量,通过双门限检测得到辐射源信号不属于任何目标、信号属于某个目标、模糊三类判定结论,对于模糊判定结果,构造差值门限进一步减小不确定性,提高目标识别能力;仿真结果表明所提出的方法能够快速有效地实现目标识别,便于工程化应用。     

一种基于ESM和红外传感器决策层信息融合的目标识别方法

针对异类传感器目标识别的问题,提出了一种融合ESM和红外传感器的互补信息进行目标识别的方法.该方法首先利用了神经网络在目标识别中的优越性,完成目标初步分类;其中对于ESM的输出结果,运用粗集理论的方法实现辐射源类型向目标类型的转化;最后将网络每次的输出作为一条证据,在决策层上利用改进的D-S理论方法实现数据的融合.最后飞机目标识别的仿真实验,验证了该方法可以获得较高的识别效率.     

基于数学形态学的模糊集理论在车牌字符识别中的运用

为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别,结合数学形态学和模糊集理论,提出基于数学形态学的模糊模板匹配方法。首先,对于二值图像的每个像素点及其8-邻域,以赋权的方式刻画中心像素点隶属于字符的程度;其次,加4×4窗口选取代表点,并有重叠地遍历整个字符图像,以构造字符图像的模糊隶属度矩阵;进而运用海明贴近度计算待识别字符的归类,实现对字符的识别;最后,使用Matlab对模糊模板匹配方法进行编程,并在实际字符图像中测试识别效果。与传统模板匹配方法相比较,测试的结果表明,车牌字符的识别准确率得到了显著的提高。     

证据理论与模糊函数相结合的弹道目标识别

以稳健性为原则,选定物理意义明确、提取难度较低、类别可分性强、特征值起伏度小的若干种特征进行弹道中段目标群的识别研究。通过建立各类特征的模糊隶属度函数,完成相应不同证据体的基本概率赋值。再利用重新定义的证据理论冲突系数,对冲突或较低可信度证据进行修正。最后,尝试将模糊函数与改进证据理论相结合的算法应用于弹道中段的目标识别,仿真结果表明该无监督模式识别方法能够可靠地识别出真实弹头,也更具有良好的泛化能力。     

基于图像质量加权的D-S证据理论多生物特征融合识别

对人脸和指静脉在决策层的融合识别,给出一种新的组合图像质量评价方法,并采用一种改进的基于图像质量加权的D-S证据理论融合这两种生物特征。首先,组合图像质量评价法采用清晰度和对比度、相关系数的组合方法来评价生物特征图像质量;其次,应用改进的基于图像质量的匹配值增强方法和D-S证据理论,减少了极大值图像质量指标的影响,使图像质量加权与实际情况更趋一致。实验结果表明,与没有考虑图像质量因素相比,考虑了图像质量信息的D-S证据理论融合方法提高了识别效果。     

基于视觉传达的多维彩色图像模糊区域特征识别方法

为了提高多维彩色图像的检测识别能力,提出一种基于视觉传达的多维彩色图像模糊区域特征识别方法。构建多维彩色图像模糊区域特征匹配模型,采用模板匹配方法进行多维彩色图像的多尺度结构二值模式分割处理,对分割后的彩色图像利用视觉传达方法进行模糊区域特征提取,获得适应于图像识别表达的像素特征集,采用零均值化的图像滤波方法进行多维彩色图像降噪处理,提高多维彩色图像模糊区域特征检测和识别能力,结合图像的旋转不变性和灰度不变性,实现多维彩色图像模糊区域特征识别。仿真结果表明,采用该方法进行多维彩色图像模糊区域特征识别的准确性较高,特征匹配能力较强。     

关系数据库中带语言值权重的模糊查询

在模糊理论的基础上,提出了将权重概念引入数据库模糊查询中,使用户对查询中各个属性的相对重视程度得以体现。为每条记录提供了一个匹配度,按匹配度的降序输出结果,方便用户选择。权重和匹配度都是语言变量［7］,其取值为语言值形式,更加贴近自然。     

基于神经网络与似然比决策理论相结合的雷达型号识别研究

提出了一种数据融合中雷达型号的识别模型。将人工神经网络、模糊匹配和似然比决策理论有效地结合起来用神经网络进行粗分类,识别出雷达的体制;用模糊匹配识别出该体制下的雷达型号;并用似然比决策理论对不同空域和时域的数据进行融合。实验结果表明:该模型可以提高数据融合中的雷达型号识别率和可靠性,显示了强噪声环境下良好的应用前景。     

基于D-S证据理论的掌纹识别

研究了掌纹识别问题,对掌纹图像特征提取、多特征的融合技术作了一定程度的探讨。采用数学形态学方法提取掌纹线特征;基于Gabor滤波器描述掌纹图像的纹理特征。利用掌纹的线特征和纹理特征两个信息分别作两个分类器的特征,利用模糊规则求出各分类器的基本概率分配函数,最后利用D-S证据理论的合成法则对两个分类器的结果进行融合判决。实验结果表明,这种方法是有效的,可行的。     

基于模糊C均值聚类的一种说话人识别方法的改进

模式匹配在整个说话人识别系统中具有重要的作用,其采取的方法将直接影响系统的识别率.本文介绍了一种模糊矢量量化(FVQ)方法,通过对模糊C均值(FCM)聚类算法的分析,提出了基于减法聚类和改进的模糊C均值聚类算法相结合的说话人识别方法,实验表明该方法提高了识别率,是一种行之有效的说话人识别方法.     

基于灰色关联分析和D-S证据理论的区间直觉模糊决策方法

针对方案的指标值为区间直觉模糊数的决策问题,提出了一种基于灰色关联分析和D-S证据理论的决策方法. 定义了区间记分函数和区间数点算子, 并通过其将区间直觉模糊数转化为记分函数;利用记分函数以及灰色关联方法确定各指标的不确信度, 进而构建出不同指标下各方案的Mass函数, 通过D-S合成法则进行信息融合,确定最优方案.最后,通过算例表明, 本文提出的方法可得到满意结果并显著降低决策的不确定性.     

Evaluation of urban taxi-carpooling matching schemes based on entropy weight fuzzy matter-element

The evaluation of urban taxi-carpooling matching is the key index for the success of taxi carpooling. In this research, matter-element theory is introduced. Moreover, a matter-element evaluation model is established, and a matter-element evaluation algorithm based on fuzzy entropy weight is proposed. In accordance with the characteristics of the matching data, the algorithm takes the distance to the carpool destination, the distance to the carpool starting point, the carpool distance and the time to the carpool starting point in the passenger-matching scheme as the characteristic indexes of the evaluation category. A compound fuzzy matter-element matrix is established through an index fuzzy value method, and a matter-element matrix of a preferred membership degree and a fuzzy matter-element matrix of standard deviation are constructed. An index weight is determined through entropy weight method, and the closeness degree of the matter-element matrix is calculated. It avoids the shortcoming of traditional matter-element method which uses artificial determination of an eigenvalue index and correlation degree calculation. Experimental results show that the evaluation result of this algorithm is close to the actual evaluation result. In addition, the evaluation effect is better in this algorithm than in the traditional matter-element algorithm.     

A multi-objective decision-making model with fuzzy rough coefficients and its application to the inventory problem

In this paper, we concentrate on developing a fuzzy rough multi-objective decision-making model according to uncertainty theory. We present some equivalent models and a traditional algorithm based on an interactive fuzzy satisfying method, which is similar to the interactive fuzzy rough satisfying method, in order to obtain a satisfying solution for the decision maker. In addition, the technique of fuzzy rough simulation is applied to deal with general fuzzy rough objective functions and fuzzy rough constraints which are usually difficult to convert into their equivalents. Furthermore, combined with the techniques of fuzzy rough simulation, a genetic algorithm using the compromise approach is designed for solving a fuzzy rough multi-objective programming problem. Finally, a model is applied to an inventory problem to illustrate the usefulness of the proposed model and algorithm, and then a sensitivity analysis is made.