冲突再分配DSmT及解决证据间矛盾的新方法

ＤＳｍＴ 在处理多证据信源融合时,存在冲突焦元置信指派不合理增长,主焦元基本置信指派不合理收敛的问题,使决策困难．首先分析问题产生的原因,对ＤＳｍＴ 组合公式给出了改进意见,提出一种冲突再分配的ＤＳｍＴ 组合公式;然后针对多证据融合时证据间存在矛盾的问题,提出一种基于冲突率的折扣算法,修正置信指派．算例分析表明,采用上述算法可使主焦元基本置信指派得到合理收敛,冲突焦元得到合理处置,融合结果有利于决策．     

计算机智能图像识别算法研究

复杂环境下，要做到对物体进行准确识别，要求计算机视觉系统具有智能化。文中将D-S证据推理与不变矩理论相结合，提出了智能图像识别算法，并应用于飞机图像的识别。首先构造了基本置信指派函数，建立了分类规则，然后针对Dempster组合规则只适用于高置信度、低冲突性的情况，应用可解决证据冲突的加权分配冲突法及吸收法，完成了计算机飞机图像识别的仿真，比较了三种组合规则的识别效果，结果表明吸收法识别率最高。     

冲突再分配ＤＳｍＴ及解决证据间矛盾的新方法

ＤＳｍＴ 在处理多证据信源融合时,存在冲突焦元置信指派不合理增长,主焦元基本置信指派不合理收敛的问题,使决策困难．首先分析问题产生的原因,对ＤＳｍＴ 组合公式给出了改进意见,提出一种冲突再分配的ＤＳｍＴ 组合公式;然后针对多证据融合时证据间存在矛盾的问题,提出一种基于冲突率的折扣算法,修正置信指派．算例分析表明,采用上述算法可使主焦元基本置信指派得到合理收敛,冲突焦元得到合理处置,融合结果有利于决策．

     

基于分解思想的导航星座多目标优化

导航星座多目标优化是寻找既能满足设计指标又能使代价最小的理想导航星座。首先,建立了一种由中轨道卫星(MEO)、地球静止轨道卫星(GEO)和倾斜同步轨道卫星(IGSO)组成的混合星座构型模型,并提出一种将星座性能和星座成本作为目标函数的多目标导航星座优化方法,其次,分析了优化目标函数加权几何精度因子WGDOP、可见星数目M和导航星座成本的选择及计算方法,并将基于分解思想的多目标优化算法(MOEA/D)引入导航星座优化中。最后,建立了导航星座多目标优化的数学模型,对基于北斗系统的混合星座进行优化,提出一种新的北斗系统的优化方案。     

基于证据推理的联合故障检测方法

针对卡方故障检测方法对软故障的检测性能较差, 甚至会导致滤波器发散的问题, 提出一种基于证据推理的联合故障检测方法. 将组合导航中的各子滤波器作为证据, 利用每个子滤波器的状态及协方差构造联合故障检测函数, 并利用联合故障检测函数的概率分布计算基本置信指派, 再将多个证据按D-S 规则进行融合, 根据融合结果进行故障检测. 仿真结果表明, 所提出的方法对硬故障的检测性能与卡方故障检测性能相当, 但对软故障的检测性能要优于卡方故障检测, 可提高组合导航系统的可靠性和精度.

     

基于决策级融合的图像传感系统目标交接

目标交接是图像传感系统中的关键技术,针对基于特征融合目标交接算法中特征提取的不准确,提出基于决策级融合的多摄像机目标交接算法。将目标的每个特征作为一个证据,给出每个证据基本置信指派函数的构造方式。利用Dempster组合规则得到融合多个证据后的基本置信指派。利用融合决策规则来判断当前目标是否和辨识框架中的某个目标为同一个目标,完成目标交接,并给出目标在系统中唯一标识。多种场景仿真实验表明该算法可以准确地完成多摄像机目标交接。     

北斗Ⅱ卫星导航系统星座仿真分析研究

针对北斗Ⅱ卫星导航星座中卫星位置不确定问题,改进并完善了正在筹建中的北斗Ⅱ卫星导航星座布局,在此基础上仿真分析了我国区域性导航系统以及北斗Ⅱ卫星导航星座的多星覆盖、位置精度衰减因子(position dilution of preci-sion,PDOP),给出了覆盖性能、导航定位精度等导航星座系统性能。仿真结果表明,北斗Ⅱ卫星导航系统多星覆盖及PDOP性能相对优于GPS导航星座,尤其适用于我国及周边地区。通过对不同最低仰角下北斗II导航星座及GPS星座多星覆盖变化分析,确定了各星座多星覆盖与仰角的关系以及变化特征,为北斗II导航系统组建工作以及应用终端设计提供了依据。     

GPS多星故障识别改进算法的仿真研究

为了能够识别多颗卫星故障,提高卫星导航定位系统的可靠性,提出了一种专门针对多故障情况的MHSS(多假设分组)算法。首先介绍了MHSS算法的基本原理,并对其仿真,表明其较传统算法更能满足更高导航完好性的需求;然后提出了MHSS-FDE改进算法,该算法与传统算法比较类似,需要计算检测门限进行有/无故障判决,将MHss方法中不受伪距测量影响的项排除,构造假设验证法的识别判别函数进行故障卫星识别;最后以多颗故障卫星条件为例对改进的MHSS-FDE算法故障识别率进行计算机仿真,并与现有的可用于多星故障识别的FDE算法进行仿真比较,结果显示:改进的MHSS-FDE算法具有较高的故障识别率。     

基于冲突再分配DSmT的多尺度融合边缘检测算法

由于实际景象地物特征复杂,单一尺度边缘检测算子提取的边缘与噪声点测度差异小,因此将导致细小地物与噪声相互掺杂,边缘提取不准确的现象。针对此问题,提出了一种基于冲突再分配DSmT的多尺度融合边缘检测算法。首先提取图像多尺度边缘测度,接着提出双向指数映射基本置信指派构造方法构造多尺度边缘测度基本置信指派,然后采用冲突再分配DSmT组合规则对多尺度边缘置信指派进行融合,最后根据融合后的边缘置信指派图通过双阈值法确定边缘像素。通过对可见光和合成孔径雷达（SAR）图像的仿真实验表明,该算法相比单一尺度的Canny算子在边缘提取过程减小了误检和漏检边缘点数目,在抑制噪声的同时,大量保留了景象细节信息。     

基于多元线性回归的GPS-IR积雪深度反演研究

利用全球导航卫星系统反射干涉遥感技术（GPS-Interferometric Reflectometry, GPS-IR）可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系,针对目前已有研究较少的考虑多星融合对反演效果的影响,提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性,利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明：反演结果与积雪深度参考值具有显著相关性;多星融合能够有效综合各单颗卫星的反演性能,相关系数均大于0.940,相比单星提高了13.6%;RMSE和MAE均小于0.08和0.165。     

基于循环神经网络的通信卫星故障检测

随着现代航天事业的飞速发展,通信卫星的结构日益复杂,其故障也逐渐增多,通信卫星的故障检测已成为当前航天领域关注的重点问题。目前,各大航天机构对故障的检测仍以简单的上下限阈值检测为主,只能检测出少部分特定的故障。早期利用传统机器学习算法进行检测的研究也仅能检测出数量特征上的故障。针对传统的机器学习算法难以有效学习遥测数据趋势变化的问题,文中提出了基于长短时记忆(Long Short-term Memory,LSTM)网络的阈值化方法。通过LSTM预测模型来学习卫星遥测数据的趋势变化,同时以最大化相关系数与F1分数的方式为多维遥测数据的故障判定确定合适的阈值,此方式能够有效地通过卫星遥测数据的趋势变化来判断故障。实验数据采用某航天机构提供的时长为2年的24维通信卫星遥测数据,其核心模型LSTM网络在NVIDIA Corporation GP102[TITAN Xp]上训练,最终整体模型的准确率为99.34%,查准率为81.93%,查全率为94.62%。同时,与传统机器学习算法以及基于LSTM的非阈值方法进行对比,该模型的精度明显更高。实验结果表明,LSTM网络能够高效地学习到卫星遥测数据的趋势变化特征;同时,采用合适的方法选定阈值,能够有效地检测出通信卫星发生的故障,在很大程度上成功地解决航天领域中通信卫星的故障检测难题。     

Multiple-observer scheme for safe navigation

The paper presents a method for obtaining a fault-free estimate of the state of motion, which is especially suited for coping with temporary faults like ramps or jumps that are, for example, encountered in position data obtained from GPS receivers. The navigation filter is based upon a bank of observers whose structure is dynamically adapted to the physically available set of sensors. The benefits of this observer scheme are the uninterrupted availability of a filtered state of motion, and the large set of innovations which is the basis for fault detection and isolation.     

数据驱动的多星任务网络预测调度算法

多星任务调度是具有NP-hard特性的优化问题,随着卫星资源规模和任务需求规模的双重增长,传统调度方法求解效率不高.在轨卫星在常年运行过程中积累了丰富的调度数据.针对大规模多星任务调度场景,建立多星多波束任务调度模型,并提出数据驱动的多星任务网络预测调度算法对其求解.以分割的思想,实现多星场景下任务可调度性预测.从历史调度数据中,提取设定的3个静态特征和5个动态特征,构建并训练预测网络,预测任务被不同卫星完成的概率,并以冲突避免、负载均衡等为原则,得到初始任务和资源卫星的分配方案.进一步设计双链结构的进化算法,以双链编码形式表征上述关系,配合设计的交叉、修复等进化算子,优化初始方案中的任务序列与资源分配关系,输出最终任务调度方案.仿真结果表明,与改进蚁群算法、混合遗传算法和数据驱动并行调度算法相比,所提出算法在运行时间、方案收益和卫星负载均衡3方面均有较好的表现.     

基于联邦滤波的卫星容错组合导航算法

多模卫星组合导航能够充分发挥多种卫星体系的优势,有效提高导航可靠性和精度,已成为导航领域重要的发展方向;为解决多模卫星系统可能存在故障卫星而导致系统定位失效的问题,文中提出一种基于联邦滤波的多模卫星容错组合导航算法,并引入了改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计;实验结果验证了该算法对于故障卫星检测和隔离的有效性;该算法对于多模卫星组合导航的应用具有较好的实用价值。     

Adaptive fault detection and isolation approach for actuator stuck faults in closed-loop systems

This paper addresses the fault detection and isolation (FDI) problem for linear time-invariant (LTI) systems under feedback control. Considered all the possible actuator stuck faults, the closed-loop systems are modeled via multiple models, i.e., fault-free model and faulty models. A fault detection observer and a bank of fault isolation observers are designed by using adaptive estimation techniques. The explicit fault detectability and isolability conditions are derived for determining the class of faults that are detectable and isolable. An F-18 aircraft model is employed to illustrate the effectiveness of the proposed FDI approach.     

多模卫星组合导航容错滤波算法

多模卫星组合导航技术目前是导航领域重要的发展方向.针对多模卫星系统可能存在故障卫星而导致系统定位失效的问题,提出了一种基于联邦滤波的多模卫星容错组合导航算法,并提出了一种改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计.通过仿真验证了该算法对于故障卫星检测和隔离的有效性.     

基于D-S理论的故障诊断融合算法及应用研究

针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,提出了一种基于RBF神经网络和证据理论的两级信息融合方法。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,解决了D-S证据理论确定基本信任分配函数困难的问题;基于D—S证据理论的传感器故障诊断方法,可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明,基于RBF神经网络和证据理论的两级信息融合方法可正确定位并准确分离出失效传感器。