态势估计中的目标分群算法设计与实现

针对态势估计中的目标分群问题,分析了目标的位置、运动状态和属性对分群结果的影响,建立了目标相似度计算模型,并提出了分群策略,包括群的形成、分裂和合并等。采用面向对象软件设计思想建立了分群对象模型,分析了对象间关系。给出了分群算法的主体流程,并对其中的关键步骤进行了详细的说明。开发了目标分群算法模块,实现了对数据的预处理、目标群的更新维护、群属性的计算等功能,通过仿真试验,调整目标分群影响因子及加权因子,得到了较好的分群效果,验证了文中方法的可行性和正确性。     

态势觉察中目标分群技术的实现

对态势觉察中的目标分群技术进行了问题描述,指出了目标分群即是由群的递增建立和群的动态维护所组成的动态过程;对群的递增建立和动态维护进行了详细的讨论,分别提出了具体的算法,并给出了算法的实现描述。     

基于目标分群与模糊匹配的态势评估技术

采用目标分群和部队编制模糊匹配技术实现了态势评估系统。介绍了数据融合发展概况与融合模型,在数据融合修正模型的基础上,提出了态势评估总体技术框架、功能模块和关键技术。介绍了目标分群处理流程,包括目标分群、群的分裂与合并,并进一步阐述了目标分群算法与模糊匹配算法。介绍了基于模糊匹配技术实现军事体系单元假设推理的方法,给出目标分群计算结果,说明了算法的有效性。     

一种新的机动目标功能合群算法

机动目标合群是一类针对动态目标进行聚类的特殊聚类问题。是战场情报综合处理的重要环节之一。文章提出一种基于初级融合获得的机动目标状态和属性，通过属性相似度来计算进攻关系隶属度以生成功能群的方法。该方法根据战场态势分析目的，将测量空间的目标属性关联映射到相似度空间，对目前跟踪目标根据相应的行为要素实现功能合群。该算法时间复杂度小于O（m^2）。仿真结果表明。该算法可为态势估计生成期望的功能群，具有一定的理论和实用价值。     

通信时延下无人机群集系统分群控制算法

针对存在通信时延的无人机群集系统分群控制问题,设计了基于蚁群算法的协同分群控制算法。借鉴蚁群算法概率公式,利用个体自身位置信息和存在通信时延的任务信息(期望子群规模和群目标运动信息),设计了子群数量和规模可控、结构和速度调整较小的分群策略;将存在通信时延的群目标运动信息融入协同分群控制律中,实现了子群速度动态可控的分群,并利用Lyapunov稳定性定理和LaSalle不变性原理进行了稳定性分析;通过仿真实验进行了方法的有效性验证。结果表明,在通信时延约束下,所设计算法能够使群集系统实现结构和速度调整较小的可控分群行为。     

密集群目标跟踪的研究进展

随着“无人机蜂群”作战理念的提出,密集群目标成为各国测控、军事专家研究的热点领域。首先给出了群目标的定义并解释了其内涵,同时界定了密集群目标的范畴。通过分析密集群目标跟踪的流程和关键环节,总结并对比分析了密集群目标的分群技术、空间外形估计算法、分离与合并检测模型和目标状态滤波技术的相关研究。最后,结合目前密集群目标跟踪的研究热点,展望了未来密集群目标跟踪的研究方向。     

基于模糊ART划分的目标分群算法

针对目标分群中存在的分类数未知和噪声干扰问题,提出一种基于模糊ART划分的目标分群算法。通过目标识别属性划分,约减分群目标数规模,降低计算量;通过划分数据预处理消除尺度差异,在此基础上采用基于模糊ART的目标空间划分,经类选择、匹配度检验和类学习等步骤实现对目标的增量式动态分群。试验结果表明,该算法对复杂环境下未知分类数的多目标编队分群具有良好的有效性、稳健性和实时性。     

基于相似度矩阵的雷达探测目标分群算法

目前对于雷达探测的目标分群问题,在技术实现上仍然存在操作效率低、分群正确性得不到保证、适用性不强等不足,对此,本文提出了一种基于相似度矩阵的目标分群算法,该算法具有过程易于实现、分群效率高、正确率高、适用性强等优点,算法根据雷达探测目标的分布特点,定义了目标属性间的相似度计算方法,构建相似度矩阵,通过设计行列变换准则和判定准则来实现矩阵目标分群,并设计了维护规则来实现在群结构发生变化的情况下对编群结构进行动态维护,最后在此基础上,通过一个典型实例采用SPSS数学工具验证了算法的正确性、有效性与适用性。     

基于战斗机可攻击范围的目标编群研究

考虑到战斗机的自身能力属性对目标编群的限制,为使目标编群具有全面性,引入了战斗机可攻击范围的概念,并分析其影响因素.对目标的信息运用图论的方法进行了处理和存储.定义了包含位置、速度和威胁指数等参数的广义欧式距离,运用最近邻法和以目标角度为启发信息地全局A*搜索算法对目标聚类分群.通过算例验证,这种方法能够有效地获得目标的群数进而实现对目标分群.     

海战场目标分群方法研究

目标分群问题是战场态势评估的一个重要问题。根据海战场态势评估需要,对目标分群进行了层次描述;鉴于海战场目标数据空间是一种高维空间,采用高维空间的相似度函数对目标相似度进行度量,进而对战场目标按层次进行分群。通过实例验证,取得了较好的效果。     

基于多源信息融合的海上目标判证仿真系统

多源信息融合是海上目标综合信息处理的关键技术之一.文中分析了海上目标的多源异类信息融合的特点,给出了基于信息融合的海上目标判证仿真系统体系结构,并建立了信息融合功能模型.系统采用分布式处理结构,包含战场目标模拟、信息感知、航迹关联与融合、目标判证、性能评估、态势评估与显示等功能.仿真结果验证了系统体系结构和各算法的可行性.     

基于时间序列聚类的多雷达数据融合

针对多雷达数据融合问题，提出了基于时间序列的聚类算法，用于实现航迹相关，即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时，部分来自不同目标的数据可能比来自同一目标的数据更接近，易导致关联错误，为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果，应用卡尔曼滤波器实现滤波跟踪，在不同的情况下仿真后发现，在跟踪目标较少且相互位置较远的情况下，两种算法均有效，在跟踪目标较多且相互位置靠近的情况下，基于时间序列的模糊聚类算法更有效。     

基于Kullback-Leiber距离的迁移仿射聚类算法

针对迁移聚类问题,该文提出一种新的基于Kullback-Leiber距离的迁移仿射聚类算法(TAP_KL)。该算法从概率角度重新解释AP算法的目标函数,并借助于信息论中最常见的一种距离度量,即Kullback-Leiber距离,测量源域与目标域代表点的相似性。另外,通过详细分析TAP_KL算法与AP算法的目标函数,得出一个重要结论,即可以将源域与目标域的相似性嵌入到目标域数据集相似性矩阵的计算中,从而直接利用AP算法的优化算法优化TAP_KL算法的目标函数,解决基于代表点的迁移聚类问题。最后,通过基于4个数据集的仿真实验,进一步验证了TAP_KL算法在解决迁移聚类问题时的有效性。     

Applying mutual information theory to behavioural analogue fault modelling

To assess the effectiveness of a testing strategy for an integrated circuit, the potential structural faults in a circuit must be modelled. Analogue fault simulation is conventionally done at the transistor level. Behavioural fault models are desirable to speed up the simulations. Behavioural fault modelling needs faults to be grouped. However, it is not easy to group faults using a Euclidean measurement of the distance between faults, if the populations of the circuit faults have distributions with differing variances. Mutual information theory is suggested here as a robust method for clustering circuit faults. The bootstrap technique is proposed to speed up the process of generating statistical data. Statistical data on the performance of circuits under fault conditions is generated using HSPICE. A software program has been written to implement clustering of responses using mutual information theory and to generate statistical data using bootstrap. The technique is shown to generate a suitable set of parameters for a regression function. The simulation results for the behavioural models are close to those of the full circuit model. Mutual information theory is a useful technique for clustering responses of circuits under fault conditions.     

侦察情报处理中的态势估计技术研究

根据目前侦察情报态势处理的军事需求,结合现有雷达侦察装备和其他手段获取的情报,重点开展多元情报融合技术应用研究。在态势估计技术研究方面,运用模板匹配和聚类分析等方法实现对态势元素相似性的判断,采用工程化的模糊与/或语义图模型建立目标对象间的联系关系,建立态势元素描述模型和态势预测分析模型进行态势估计和威胁判断。介绍了相应的仿真试验系统。     

一种基于灰色定权聚类的决策层融合目标识别算法

决策层融合目标识别本质上是一个不确定性信息处理问题,该文基于灰色系统理论中的灰色定权聚类方法提出了一种新的决策层融合目标识别算法。该算法将一个M 类目标识别问题转化为M个两类目标识别问题,然后对每个两类识别问题采用灰色定权聚类的方法解决,其中白化权函数通过训练样本学习确定。利用该算法对3种分类器识别5类雷达目标的结果进行融合,实验结果表明该方法能有效提高目标识别性能。     

多模态特征融合的网络安全态势评估

针对网络安全监测设备信息来源单一以及预警质量较低等问题,文中提出了融合多种数据来源的网络安全态势评估方法。通过引入Endsley模型和Agent理论,构建了网络安全态势的NSSA框架。利用径向基神经网络的思想,通过消除多余噪声与无关信号实现多源异构数据的融合,从而提出具有多模态特征融合的网络安全态势评估方法。MATLAB仿真结果表明,与传统的BP神经网络相比,文中提出的网络安全态势评估方法具有更好的学习能力和泛化能力。     

一种改进的道路行车密度峰值模糊聚类算法

为解决城市道路中相邻车辆聚类精度低的问题,本文提出了一种改进的密度峰值模糊聚类算法。首先,该算法使用自适应椭圆距离代替欧式距离,并在决策图中引入指数函数曲线选择密度峰值点,以确定初始聚类中心和聚类数目;接着,将初始信息代入模糊C均值(FCM)聚类算法中,经迭代计算取得一次聚类结果;最后,根据雷达数据中同一辆车的数据点速度差值极小、不同车辆的速度差值相对较大这一特征,引入和速度相关的目标函数,并通过迭代计算取得最终的聚类结果,以对一次聚类结果进行修正。根据真实道路测量数据的实验证明,本文提出的聚类算法精度高、鲁棒性好,能正确聚类城市道路中相邻的车辆目标,具有更好的聚类效果。为道路中车辆的跟踪、交通状态预估等处理提供可靠、准确的目标信息,大大减少后续工程的计算量。     

TVM制导中数据融合的一种新算法

研究了TVM制导下的数据融合算法。常用的点迹融合算法是基于测量数据统计加权的融合算法,其权系数在整个融合过程中固定不变。根据TVM制导体制的特点,该文对上述算法进行改进,考虑了目标与测量设备之间的距离对加权系数的影响,在系统整个跟踪导引过程中,各传感器的加权系数随其与目标距离的改变而改变。仿真实验表明．使用文中提出的算法,在TVM制导体制下,能够取得较好的观测数据的融合效果。