一种改进的多源异类航迹关联方法

为了克服在多传感器信息融合系统中各类传感器的探测精度差异性很大以及异类航迹关联常常面临高不确定性的问题,提出了将证据理论引入到多因素模糊综合决策航迹关联中.利用证据理论进行不确定信息证据合成,再根据多因素模糊综合决策隶属度函数获取证据,解决了航迹关联的不确定性和证据理论在证据获取时存在的困难.实验结果表明:采用该方法的异类航迹关联能够有效克服证据合成过程中的不确定性,降低错漏关联率.     

基于小波变换和灰色关联度的航迹关联算法

超视距雷达和红外预警卫星能对弹道导弹助推段进行探测跟踪,因此两者的情报可以相互关联印证,从而提高情报质量。针对超视距雷达和红外预警卫星的航迹关联问题,提出了一种基于小波变换的灰色关联度的航迹关联方法。该算法将超视距雷达和红外预警卫星的方位角信息序列通过小波变换进行去噪,得到方位角航迹的整体走势,然后对走势相同的方位角航迹建立灰色关联矩阵,并根据该矩阵按照一定的规则进行航迹相关判定。仿真结果表明,相对灰色关联度的关联算法,该算法的正确关联率提高了约8%。     

基于子航迹Hough变换的模糊航迹关联

针对多局部节点的航迹关联问题,提出一种基于子航迹Hough变换的模糊航迹关联方法.将融合中心相邻时刻的同源局部状态估计定义为子航迹,利用Hough变换将同一时段的所有子航迹映射为参数空间中一组点集,以最大熵模糊聚类实现子航迹-系统航迹关联.实验结果表明,在多局部节点情况下,该算法能实现子航迹-系统航迹关联,减少系统航迹的平均更新时间,满足系统的实时处理要求,与传统的航迹关联算法相比,具有较快的关联处理速度.     

基于K-Medoids聚类的多传感器航迹关联算法

为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了关联算法的效率.通过采用无穷范数计算采样点点迹距离求出了两条航迹的近似距离,这使得关联判决能考虑历史和当前航迹,提高了正确关联率.在多传感器多目标环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性和优越性.该算法在存在噪音和离群点时,具有很强的健壮性,适合目标密集环境.     

一种新的数据融合航迹关联算法

最近邻域经典算法在求解航迹关联问题时,由于过度依赖特征阈值以及缺乏全局性考虑,在航迹密度较高的情况下容易出现错误关联．针对这一问题,引入全局搜索策略并采用动态规划和跟踪门技术,提出了一种新的全局最优航迹关联算法．在真实的海上目标航迹关联环境下对两种算法进行了实现,与最近邻域算法相比,新算法不仅获得了较高的关联正确率,同时减少了关联结果对特征阈值的依赖．     

IDTTC算法在AEWR情报分析中的应用

针对机载预警雷达（AEWR）情报分析领域的航迹关联问题,在研究传统航迹关联算法的基础上,改进了多传感器双门限航迹关联算法,并用实测数据进行了验证.结果表明,将改进的双门限航迹关联（IDTTC）算法应用于机载雷达情报分析,实现了航迹的自动关联,提升了航迹关联处理的效率.     

一种复杂环境下多目标航迹起始算法及性能研究

通过对修正逻辑航迹起始算法的研究,针对密集杂波环境下航迹起始的复杂性问题,采用了一种新的高效起始算法.利用位置信息形成可能航迹,在后续扫描周期利用航迹的状态估计信息形成一种椭圆关联门,同时在航迹外推形成V字的区域加以角度约束,并采用灰度信息剔除背景杂波,最终在高噪声下形成一条正确的起始航迹.通过对算法性能指标进行理论推...     

基于极大似然估计的最优航迹关联算法

针对两传感器以上的分布式多传感器航迹关联问题,提出了一种基于极大似然估计的最优航迹关联算法,并且使用一种剪枝方法来快速求解该关联算法的最优解．最后,在不同的目标间隔距离条件下进行了仿真实验．仿真结果表明,该算法有较高的正确关联率,是有效可行的．     

基于小波分形和Kalman滤波的航迹追踪方法

利用多尺度小波变换和分形的方法,对一个或多个传感器观测到的航迹数据序列进行多层次分析,动态提取航迹数据的特征,建立关联准则,以形成一个目标的主要航迹,并结合Kalman滤波的方法,实现了目标航迹自动关联和追踪的目的.仿真实验表明这种方法是可行且有效的.     

基于最大熵模糊聚类的快速数据关联算法

提出了一种新颖的快速数据关联算法,减少了滤波中关联概率的计算量．该算法利用多个并行改进的最大熵模糊聚类对各个目标的有效观测进行聚类,采用聚类得到的模糊隶属度来重建滤波中的联合关联概率,并在联合关联概率中引入了比例因子避免航迹的合并;此外,分析了算法中差异因子的特性,考虑了杂波密度对它的影响,使得能够有效剔除无效观测,进一步减少计算量．仿真实验结果表明,提出的方法是一种有效的快速数据关联算法,跟踪性能要优于现有的数据关联算法．     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。 更多还原     

Fuzzy data association algorithm assisted by historical features

Aiming at the problem of strong ambiguity and uncertainty in the observed data,the author proposes a fuzzy data association algorithm based on the historical features of high-resolution one-dimensional range profile.First,for the high-resolution one-dimensional range profile's attitude,amplitude,and time-shift sensitivity,feature extraction is performed to obtain low-sensitivity features.Then,the features of the track initiation are used to construct the initial feature sample database;the features of the historical moment are utilized to construct the historical feature sample database,and the feature sample database is updated in real time.The feature weight is obtained by the interval entropy weight method and the fuzzy membership of the measurement,and the target is calculated to construct a fuzzy matrix.Finally,fuzzy data association is completed based on the principle of maximum fuzzy membership.Experimental results show that,in both the maneuvering and non-maneuvering scenarios of the target,the association performance of the proposed algorithm is better than that of the fuzzy data association algorithm.And with the increase in the clutter density,the association performance of the two algorithms is gradually decreased,but the association performance of the proposed algorithm becomes better.     

多尺度图像迭代去噪

为了解决传统图像去噪算法仅对平稳噪声或缓慢变化噪声有效，且存在残留图像噪声较大的问题。研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及图像和噪声小波模极大值随尺度的变化大小不同，运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小，完成了多尺度图像去噪。实验结果表明：对峰值信噪比较低的图像去噪，本方法去噪后峰值信噪比比传统的方法高，并且保留较多的图像细节。该算法对平稳和非平稳的噪声都能进行较好地去噪。     

小波框架支持向量机的模糊小波网络分类方法

针对现有的支持向量机(SVM)不具有多分辨率学习的特点,提出一种新的小波框架的多尺度支持向量机(SVM)的模糊小波网络(FWN)算法.将小波多尺度学习和模糊推理方法相结合,由于FWN对应着多个模糊规则,而每个模糊规则的后件对应一个小波网络,解决了模糊规则后件难以描述的问题;对高维输入的小波网络的初始参数和网络结构的确定困难问题,用基于正交小波框架的支持向量机代替小波网络的方法,使FWN模型具有更好的泛化性能;为了提高FWN模型的逼近精度,使用梯度下降方法调节FWN参数.仿真结果表明,与传统的模糊神经网络(FNN)相比,该方法能显著地提高分类精度.     

基于多方向小波模糊融合的SAR图像边缘提取

合成孔径雷达图像通常带有较强的相干斑噪声。传统的边缘检测算法难以兼顾噪声抑制，检测边缘的完整性和定位的准确性，针对合成孔径雷达自身的特点，利用多方向小波变换各尺度间边缘梯度信息的关联及各方向上边缘梯度信息的互补，提出一种将小波变换的多方向多尺度与模糊积分相结合的边缘特征提取算法．这种算法能在有效克服斑点噪声影响的同时保留弱边缘．融合边缘比较完整．边缘定位准确。     

基于小波框架分解和模糊软聚类的纹理图像分割方法

提出了一种新的纹理图像分割方法．该方法利用小波框架分解提取纹理图像的特征参量,利用模糊软聚类方法在特征空间中进行纹理边界的粗划分,然后应用细化算法确定纹理边界区域的精确边界．文末给出了算法的一个典型实验．     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

基于模糊区间优化的模糊推理故障诊断方法

提出一种基于模糊区间优化三角均分的模糊规则生成方法.在获取故障样本之后,通过基于故障识别率最佳准则的寻优过程,确定模糊区间均匀划分数的下确界.在此基础上,利用所提出的改进型DM算法提取模糊规则,最终构建出模糊推理故障诊断系统.与模糊区间划分数低于该下确界的模糊推理系统相比,利用该方法能保证在所生成模糊规则数较少的情况下,使构建的推理系统具有更高的故障识别率和诊断准确率,同时避免了人为确定模糊区间划分数时所带来的盲目性.最后,在轨道电路该类复杂模拟电路常见硬故障的诊断实例中,说明了新方法的有效性.     

结合空间信息的模糊C均值聚类的图像分割算法

针对传统的模糊C均值聚类算法未考虑图像的空间信息,对噪声图像分割不理想,提出了一种结合空间信息的模糊C均值聚类的图像分割算法。此算法充分考虑像素的邻域特性,对隶属度函数做一定的修改,并将局部信息和非局部信息引入到数据和聚类中心的相异性测度中。实验结果表明,该算法能有效地分割图像,并具有较好的抗噪能力。