基于模糊RBF神经网络的非线性滤波

该文从基本的智能技术——神经网络(NN)和模糊系统(FS)技术出发,探讨了神经网络与模糊系统相结合的基本理论,提出了一种基于模糊RBF神经网络的非线性滤波的方法。该方法将模糊逻辑的知识表达以及推理能力和RBF网络的快速学习和泛化能力结合起来,网络结构参数可按实际问题调整,对信号中有色噪声进行较高精度的逼近,来达到非线性滤波的目的。该滤波方法显示出很强的处理问题的能力,学习速度快,仿真结果表明了这种方法的有效性和可性行。     

基于置信度的MANETs主观信任管理模型

移动自组织网络(MANETs)中,移动节点具有匿名性和高度自治的特点;并且由于缺乏对与之交互的节点的可信程度的知识,节点需应对交互过程中可能出现的威胁.另外,网络拓扑结构的改变或无线冲突的发生都可能导致作为信任值评估证据的样本空间不一定完整和可靠,使得现有的信任评估模型不太适用.提出了一种基于置信度的MANETs环境下的主观信任管理模型(CFSTrust),用于量化和评估节点的可信程度;给出了模型的数学表述和实现方法.运用模糊似然度和置信度对信任管理问题进行了建模,给出信任的评价机制,并提出了推荐信任关系的推导规则,构造了一个完整的主观信任管理模型.分析及仿真实验结果表明,CFSTrust模型较已有的基于证据理论的信任评估模型(TrustNet)更为有效,并为MANETs环境中的信任管理研究提供了一个有价值的新思路.     

基于数据融合的目标检测方法综述

随着基于数据融合的目标检测在军事以及自然防护等领域广泛应用,越来越多的研究希望通过对检测融合系统进行优化或引入新的检测融合方法来更好地进行目标检测,从而推动相关领域的发展.基于数据融合的目标检测具有重要的学术意义和应用价值,为此,从先进的检测技术到优化创新的前沿论文等方面详细介绍基于数据融合的目标检测方法的最新研究进展.首先对融合定义、模式及其优缺点展开讨论,并总结目前该领域所面临的挑战;然后从传感器辅助方法、融合层次方法两个方面对相关研究方法进行详细的分类阐述,综述该领域的研究现状,并对所介绍的文献从检测性能、复杂程度、成本大小、检测目标(数量、动态、维度)等方面展开归纳总结;最后进行全文总结并对该领域的研究前景进行展望.     

无人机探测与对抗技术发展及应用综述

无人机的任意使用对公共安全和个人隐私构成了极大威胁,因此近年来反无人机已成为一个非常重要的新兴领域,越来越多的研究希望通过更精确的无人机探测跟踪技术和引进新机能、新概念技术来更好地反制无人机,从而保证国防安全、公共安全和个人隐私等.基于此,对国内外反无人机技术进展进行分析总结,首先,对基于雷达、光电、无线和声传感器以及...     

物联网网关系统设计

物联网网关在物联网中起着关键作用。本文旨在研究一种能应用于各种传感器网络及接入网络的异构网络的网关设备,能为中间件或者应用程序提供统一的数据格式,从而为应用屏蔽不同的传感器网络及接入网络,使得应用程序只需要关注应用环境的数据处理。     

物联网RFID的主动营销式智慧金融

挖掘客户资源,采取主动营销,对金融业的发展至关重要,金融业作为物联网的重要应用领域之一,对物联网的发展具有积极的推动作用。在物联网和RFID技术的基础上,构建了智慧金融系统模型,提出一种双队列智能排号算法,有效避免错号、飞号、恶意排号的情况,并实现智能排号;进一步发现解决主动营销问题的实质是解决指数分布族问题,提出一种基于广义多元线性回归分析的主动营销算法,利用Softmax回归算法实现智能分析,挖掘客户潜力,进行主动营销。     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法。利用模糊逻辑和RBF神经网络的等价性将模糊逻辑和神经网络有机的结合来构成模糊神经网络,并对BP神经网络、RBF神经网络和模糊神经网络三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,模糊神经网络算法具有良好的收敛性能,除收敛速度快于BP神经网络算法和RBF神经网络算法以及稳定性强外,而且具有更高的起始收敛速率,更小的权噪声,更大的抑噪能力。     

基于低秩稀疏分解的红外弱小目标检测算法研究进展

红外探测系统具有隐蔽性好、抗干扰能力强等特点，广泛应用于军事和民用领域，红外弱小目标的检测是红外探测系统中的重要组成部分，已成为了当前的研究热点。近年来，学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果，为此，重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束，其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束，然后分析了联合时域信息约束，将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比，最后讨论了该领域下一步的研究方向。