基于粒子滤波的网络安全态势预测方法研究

为了使网络管理由被动防御转为主动防御,需对网络安全态势进行预测。针对已有态势预测方法存在的准确性不高、需要样本训练问题,提出基于粒子滤波的网络安全态势预测方法。该方法利用带权粒子集逼近系统的后验概率密度函数,通过重要性采样、权值更新、状态估计等近似积分操作来实现非线性状态预测。实验结果表明,该方法不仅能体现网络安全状态的非线性,也预测了网络安全态势值。对比其他态势预测模型,该方法准确性更高,且适应于复杂网络环境。     

一种基于小生境技术的群智能粒子滤波算法

针对基本粒子滤波存在严重的退化问题和重采样技术导致粒子枯竭的问题,提出一种新型粒子滤波算法——基于小生境技术的群智能优化粒子滤波算法.通过多模寻优增强粒子的多样性和寻优能力,使得采样后的粒子向高似然区域移动,从而有效地提高了系统状态估计精度.仿真实验表明,该算法是有效而稳定的.     

混合系统二维离散与连续状态同步估计研究

在混合系统中,需要同时估计出系统的离散状态与连续状态.针对混合系统出现二维离散状态下的混合状态估计问题进行研究,根据系统特性,采用跳变马尔可夫线性系统建模,并应用Rao-Blackwellised粒子滤波算法对二维离散状态与连续状态进行同步估计.由于算法一定程度上缓解了粒子滤波算法在高维状态空间估计中的失效问题,并对离散状态单独采样,能提高系统状态的估计精度.仿真试验证明,方法能有效地同步估计出系统的二维离散状态与连续状态,其中,二维离散状态的估计准确率达到了96%.     

一种用于解决非线性滤波问题的新型粒子滤波算法

粒子滤波算法受到许多领域的研究人员的重视,该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度.在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上,该文提出一种新型粒子滤波算法.首先用Unscented卡尔曼滤波器产生系统的状态估计,然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计.在实验中,针对非线性程度不同的两种系统,分别采用5种粒子滤波算法进行实验.结果证明,文中所提出的算法的各方面性能都明显优于其他4种粒子滤波算法.     

基于粒子滤波与线性自回归的故障预测算法

粒子退化是粒子滤波在故障预测应用中存在的主要问题.针对粒子滤波算法样本贫化问题,提出一种基于粒子滤波与线性自回归的故障预测算法.在算法的状态估计阶段,使用混合状态系统模型和粒子滤波算法对系统状态的概率密度函数进行估计,并实时给出故障发生概率;在算法的状态预测阶段,采用线性自回归模型对故障征兆随时间的演化情况进行估计及修正,同时给出剩余使用寿命的概率密度函数.故障预测仿真实验结果证明了算法的有效性.     

非高斯噪声中的粒子滤波算法研究

在非线性非高斯动态系统中,粒子滤波已成为解决系统参数估计和状态滤波的主流方法。然而,粒子退化是粒子滤波中不可避免的现象,粒子重采样是解决方法之一。本文针对粒子退化现象,在扩展卡尔曼滤波器的基础上研究了一种基于支持向量机粒子滤波算法,算法实现中扩展卡尔曼粒子滤波器结合支持向量机对当前时刻的重要性采样,再对粒子样本进行重采样。该算法能有效地利用量测值的最新信息,状态估计误差较小,同时避免了粒子匮乏。理论分析和仿真结果表明,新算法在双模噪声非线性系统估计的精度优于标准粒子滤波算法与扩展卡尔曼粒子滤波算法。     

基于带输入估计变维滤波的多传感器信息融合

带输入估计变维滤波利用最小二乘法对系统未知输入进行估计,同时对机动运行开始时刻给出估计,从而有效地克服了输入估计算法和变维滤波各自在系统模型单一和机动运行开始时刻估计不精确方面的缺陷。考虑到多传感器信息融合系统可给出比单传感器更为精确的结果,基于带输入估计变维滤波,将系统状态融合和确定性输入融合相结合,提出了一种多传感器带输入估计变维滤波融合算法。系统仿真结果表明,该算法可以有效地提高估计精度,适用于机动目标跟踪。     

基于粒子滤波的交通仿真系统

针对现有多数交通仿真系统在交通状态估计问题精确度不高的缺陷,引入粒子滤波方法对交通状态进行预测估计,设计并实现基于粒子滤波的交通仿真系统。首先介绍系统粒子滤波的初始化、粒子状态转移过程、权值计算及归一化和重采样操作的设计,然后将实测交通数据通过粒子滤波算法引入模型以提高状态估计的能力,最后基于微观交通仿真软件MovSim实现该系统。实验表明：基于粒子滤波的交通仿真系统具有较强的预测稳定性和准确性。     

基于Kalman算法的网络安全态势预测

网络安全态势预测是网络安全领域的研究热点之一,在分析当前网络安全态势预测方法的基础上,论文利用Kalman滤波理论建立了网络安全态势预测模型,利用当前和过去时段的攻击强度和网络安全态势值对下一时段的网络安全态势进行预测.实验结果表明该算法的预测精度优于传统的GM（1,1）算法和普通卡尔曼算法（即未结合影响因素）,算法适应性和实时性优于RBF算法.     

工控网络安全态势感知算法实现

为了探知工控系统的网络安全态势,准确判断系统运行状况,提出了安全态势感知方法.针对已有的完整性攻击研究,建立基于拜占庭将军问题的工控网络安全态势感知模型以及相应的安全态势感知算法.本文提出的算法主要通过三个部分实现:首先对控制回路内的各节点信息进行采集与处理,得到系统中各节点状态;然后,利用所得节点状态,执行算法流程,确定系统内存在的恶意节点;最终获取准确的工控网络安全态势.实验结果表明:该态势感知模型与算法能准确提炼系统中的恶意节点并判断当前系统安全态势.     

基于改进C-SVC的工控网络安全态势感知

工控网络攻击类型多样、强度不一,在这种情况下,传统检测技术无法对多种类型的攻击进行有效识别,也无法给出全面准确的工控网络安全态势.为此,提出工控网络安全态势感知模型:首先采取改进的C-SVC算法对多源数据进行规则提取;然后利用决策融合算法进行决策层融合,获取最终态势感知结果.实验结果表明:所提出的模型和算法能够有效地识别多类型攻击,准确判断出系统遭受到的攻击,并形成态势感知结果.     

核函数K-粒子滤波算法研究

针对粒子滤波易出现粒子退化这一问题,引入核函数K,提出一种核函数K粒子滤波算法.根据粒子滤波中重采样得到的粒子集合的概率特征,设计合适的核密度K(·)和核带宽h,使得真实的后验概率密度与对应的K估计之间的均方误差均值最小.通过设计的核函数模拟离散分布重建它的连续分布,然后从后验分布的连续近似中重新获得重采样粒子,从而保证粒子的多样性,抑制粒子退化.将提出的KPF算法与PF算法应用到单变量非静态增长模型和SINS/SAR组合导航系统中,通过仿真验证结果表明,提出的KPF算法能改善滤波性能,进一步提高解算精度.     

Efficient estimation of hybrid systems with applications to tracking

Particle filtering has been recognised as a superior alternative to the traditional estimation methods as it is applicable to nonlinear/non-Gaussian system. A central issue in real-time applications of particle filtering is its high computational cost. This problem is compounded when it is used in hybrid system estimation. A new particle filtering method for nonlinear/non-Gaussian hybrid system estimation is proposed in this article. The new method integrates the high-accuracy interacting multiple model particle filtering algorithm with the computationally efficient observation and transition-based most likely modes tracking particle filtering algorithm to get high-accuracy estimation with reduced computational load. The algorithm is applied to a manoeuvring target tracking application to demonstrate its efficiency.     

基于粒子滤波的OFDM盲信道估计方法

为了精确估计OFDM系统信道响应,提出一种基于粒子滤波的OFDM信道盲估计方法。该方法将OFDM信道建模为一阶时变自回归模型。利用基于子空间分解的方法得到初始信道响应,通过带反馈的粒子滤波方法更新信道响应和模型参数,实现对OFDM信道的估计。仿真结果表明,该方法不仅能对非时变信道进行有效估计,而且可以较好地跟踪时变信道,算法能够快速收敛。     

雕刻机系统数据驱动建模与容错跟踪控制

通过分析在速度控制运行模式的雕刻机系统输入角速度与输出位置之间的机理关系,将其系统利用一个积分因子和一个稳定传递函数相连接的模型进行模拟.通过引入微分滤波器对采样数据进行处理,将难以辨识的临界不稳定积分模型转换成易于辨识的稳定模型.提出一种能够精确估计带积分因子的递推最小二乘算法,并采用辅助变量法消除因滤波引起的有色噪声的影响.所提出算法可以确保在开环状态下对积分系统进行精确估计.针对多轴雕刻机运动控制系统,提出一种基于中间观测器的容错跟踪控制算法.针对与输入通道匹配的过程故障,设计基于故障估计值的容错控制反馈率以进行有效补偿;对于不匹配故障,通过调节中间观测器增益实现充分抑制.最后,通过与现有算法进行对比实验,验证了所提出算法的可行性和优越性.     

粒子滤波目标跟踪算法综述

随着人工智能科学的发展,目标跟踪成为中外学者研究的热点,近年来很多目标跟踪算法相继被提出,其中,经典的卡尔曼滤波算法常被用于目标跟踪领域。然而,在实际情况中,目标跟踪过程常涉及到非线性非高斯问题,由于粒子滤波算法在非线性非高斯系统中有较好的性能,因此将其引入目标跟踪研究领域。针对粒子滤波算法存在的跟踪精度差、实时性不高等问题,近年来国内外学者提出很多改进方法。从特征融合、算法融合和自适应粒子滤波三个方面介绍了相关改进方法的基本思想,展望了粒子滤波算法在目标跟踪领域的发展方向。     

基于粒子滤波算法的混合系统监测与诊断

利用粒子滤波算法具有同时估计连续状态和离散状态的特点,提出一种可用于混合系 统状态监测与诊断的新方法.给出了该方法的理论推导和设计步骤,讨论了在诊断应用中粒子滤 波器所遇到的问题,并给出了改善的措施.仿真结果证明用粒子滤波器对混合系统进行监测与诊 断是可行的,所提的方法对估计结果有比较好的改善.     

自适应高斯粒子滤波在导航中的应用

针对粒子滤波中重要性密度函数难以选取和粒子退化导致的计算精度下降的问题,提出一种新的自适应高斯粒子滤波算法。通过高斯混合密度函数和UT变换来获取状态均值和协方差阵,选择并计算合适的自适应因子来调节均值和方差,在迭代过程中可动态调节重要性密度函数,并用WEM和EM步骤代替重采样,上述滤波算法考虑了最新量测信息的影响,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的抗干扰问题。将提出的算法应用于SINS/GPS组合导航系统跑车试验中,结果表明上述滤波算法能提高导航解算的精度,其性能明显优于已有滤波,同时验证了当系统出现噪声干扰突然变化时提出算法的有效性。     

基于混沌的萤火虫改进粒子滤波算法研究

针对常规的粒子滤波算法存在粒子权值退化和采样粒子贫化以及需要大量粒子才能进行比较准确的状态估计的问题,提出了一种基于混沌的萤火虫改进粒子滤波算法.利用混沌系统所具有的遍历性和随机性初始化粒子群,使得初始粒子分布更加均匀,同时向常规粒子滤波算法中引进萤火虫算法的寻优机制,使得粒子能够向高似然区域运动,提高了滤波精度,并对部分权值优秀粒子进行混沌细搜索,对部分权值低的粒子进行再生,提高了种群多样性.实验表明:该方法尤其是在粒子种群数量较小的情况下,较常规粒子滤波精度更高,并有效地改善了权值退化和样本贫化问题.