基于自适应卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪过程中,由于目标运动的不确定性,雷达系统接收的数据存在噪声,使预置目标运动模型通常很难得到较高的跟踪精度。为此,以自适应卡尔曼滤波为基础,将直角坐标系和球坐标系相结合,提出了一种混合坐标系下的自适应卡尔曼滤波算法。算法避免了两个坐标系变换引起的噪声统计规律变化问题,并针对目标发生大机动运动的情况,自适应的调整动态模型中机动目标运动参数。蒙特卡洛仿真结果表明,改进算法的收敛速度和对状态的估计精度均得到优化,并对机动目标具有较好的跟踪性能。     

基于混合加权的双门限能量协作检测算法研究

研究无线电系统能量优化问题,由于路径损耗导致检测到的信号能量值减小,信号干扰增大,门限值减小,从而使双门限能量协作检测算法的检测概率降低。针对此问题提出混合自适应加权双门限检测算法。首先利用两个门限值将认知用户检测到的能量值划分为不同的区域,然后对位于两个门限值之间的认知用户检测能量值引入信噪比权重因子和距离权重因子进行混合加权,依此来自适应调整其双门限权值,以减小能量损耗较大的信号对门限值的影响,最后融合中心采用"或"准则做出最终的检测结果。仿真结果表明混合自适应加权双门限检测算法比传统等权值的双门限能量协作检测算法具有更高的检测概率,使通信系统能量检测准确性大大提高。     

水平阻尼作为干扰的平台式惯导统一控制方程

研究惯导系统统一控制的优化设计。传统的统一控制采用一体化设计方案,通用性不强。为简捷高效地实现惯导计算机的程序编排,提出了将水平阻尼作为干扰项的平台式惯导统一控制。通过改变系统框图结构,将无阻尼惯导系统和阻尼网络人为分离,水平阻尼网络的输出可视为干扰项。系统控制方程始终采用无阻尼条件下的表达式,惯导系统控制和阻尼网络可以实现模块化设计,使控制的实现形式和推导过程大为简化。给出了惯导计算机的运算流程,并分别在静、动基座条件下,对无阻尼、内水平阻尼和外水平阻尼状态的惯导系统做了仿真。结果表明新的统一控制模型有效体现了惯导系统的参数变化,且设计简便,具有更好的实用性。     

基于聚类优化主动模型人脸识别算法研究

研究人脸识别和跟踪准确度问题。针对在使用大数据样本进行训练前提下,以往AAM算法人脸识别与定位不准确的缺陷,提出了一种新的利用聚类算法对样本空间进行划分,并在此基础上训练多个AAM的分层人脸识别和跟踪算法。首先利用所有训练样本训练得到初始AAM,然后利用一个全新的相似度计算公式,将所有训练样本划分成若干个子类别,在此基础上,针对每个子类别,训练一个相对稳定的AAM。在识别与跟踪过程中,先使用初始AAM进行定位,然后根据子类AAM进行精细化定位,从而得到比以往算法更为精确的定位效果。仿真结果显示改进的算法能准确定位出人脸所在位置,并且具有很高的运算效率,可以方便的实现实时监控系统的人脸跟踪定位及识别等目标。     

PSONN在可编程控制系统PID参数优化中的应用

研究可编程控制系统优化问题,可编程控制系统具有非线性、时变性等特点,传统PID控制器优化方法难以建立精确的数学模型,使得系统参数设定困难,导致可编程控制系统的控制效果不理想。为了解决传统的PID算法所带来的问题,利用RBF神经网络非线性、自学习能力,提出一种基于粒子群神经网络的PID参数优化算法。将粒子群和神经网络相结合,形成了一种智能控制算法,并将应用于可编程控制系统。测试结果表明,粒子群神经网络提高了PID控制参数优化速度,提高了可编程控制系统可靠性和鲁棒性,具有一定的理论和实用价值。     

基于联合模型的人脸识别定位算法仿真研究

研究人脸定位和识别精度问题。由于人脸在拍摄过程中可能出现的形变,位置变化,光照变换等因素影响,造成人脸模糊不清,为了提高人脸识别定位的精确度,提出了一种新的ASM和AAM联合模型迭代的人脸定位和识别算法。首先利用ASM提取人脸轮廓上关键点特征,并对人脸定位。在初始定位的基础上,利用AAM对人脸进行投影,产生训练集合中没有出现的合成人脸数据。以上两步交替进行,产生足够的、稳定的人脸形变图像。识别过程中,将变换矩阵与原始合成数据进行比对。仿真结果显示,改进的方法能稳定地提取人脸轮廓,并准确定位,具有很高的识别效率。     

基于遗传算法的联合火力WTA问题研究

研究联合火力优化分配问题.联合火力是多种作战力量参战条件下的多武器-多目标对抗.由于火力分配受到多种条件的限制,分配方案又决定作战效果,而武器-目标分配(Weapon Target Assignment,WTA)是多个装备同类型武器的作战单元联合抗击多个目标进行的分配方法.针对WTA问题求解规模大和精度高的特点,传统算法均不能满足速度和精度的要求,在基本遗传算法的基础上,采用精英选择和动态遗传算子的改进算法,避免了过早收敛.利用WTA的数学模型进行仿真.仿真结果验证了算法的有效性.     

基于多模型变权重组合的软件可靠性仿真研究

研究提高软件可靠性预测精度问题,对软件可靠性研究已成为当前软件工程的一个研究热点,传统的单一软件可靠性模型由于使用的技术及提取的信息有限,软件可靠性预测精度不高。为提高软件可靠性预测精度,在建立多种单一软件可靠性预测模型的基础上,提出一种样本点的多模型变权重组合模型。将多种预测技术有效地聚合在一起,取长补短,在样本数据有限的情况下,不仅改善了样本内学习能力也增强了样本外的泛化能力,提高了综合预测精度。仿真验证模型无论在样本内还是样本外都较优于经过模拟退火算法优化的BP神经网络(SA-BP)及经过遗传算法优化的最小二乘支持向量机(GA-LSVM),说明变权重组合模型是一种精度更高的软件可靠性失效数据预测模型,具有较好的应用推广价值。     

栅栏覆盖最大化生存周期调度算法

栅栏覆盖是近年来无线传感器网络的研究热点之一,如何延长生存周期是无线传感器网络研究的一个重要问题。针对无线传感器网络的栅栏覆盖应用,设计了两种最大化网络生存周期的调度算法:集中式的Greedy调度算法和分布式的DBCS调度算法。仿真实验表明:两种算法显著地延长了网络的生存周期;在较稀疏的网络中,DBCS算法与Greedy算法性能接近,分布式的DBCS算法适合应用于大规模传感器网络。     

基于遗传算法的防止无线移动网络路由攻击策略

在无线移动网络中,恶意节点可以通过发送虚假信息和假路由信息、广播假链接等中断路由操作对网络进行攻击。本文在分析了几种常见路由攻击的基础上,提出了一种基于遗传算法的路由优化策略。实验数据表明,这种优化策略可以较好地预防路由攻击,提高网络的整体性能。