靶场测量中跟踪目标的多尺度多级模糊聚类分类算法

靶场测量中的连发弹目标数量较多,需要对此目标进行分类跟踪,文章提出了一种多尺度多级模糊聚类的分类算法,首先对靶场测量中的多连发目标的特性进行分析,定义了3种不同的类目标群序列,其次针对模糊聚类算法必须先验确定聚类初始点以及聚类中心的缺陷,在此基础上加入尺度因子,并根据目标群的位置信息以及运动方向信息进行多级聚类,最后通过多次聚类实验证明分类结果能够满足靶场测量中的多连发目标的分类要求。     

基于惯性网络的分布式信息融合算法

分布式导航系统是飞机多传感器导航系统设计的新概念,可以大幅提高系统导航性能和容错水平,并能动态配置传感器功能,但是目前并无完善的信息融合算法与之对应;文章在构建惯性传感器网络的基础上,将多个低成本惯性传感器系统配置在飞机的多个位置以作为网络节点,设计了分阶段处理的分布式信息融合算法,综合利用各节点所测量的惯性信息,最后得到本节点的局部状态估计;通过仿真实验表明,采用此方法,有效降低了导航滤波估计误差,因此,系统导航性能及容错能力得到大幅提高。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。     

多信息融合的模糊边缘检测技术

提出了一种有效的模糊边缘检测算法，与传统的单纯基于图像增强技术的模糊边缘检测算法不同，此算法采用像素点的多种信息作为边缘检测的特征信息，利用模糊逻辑对这些信息进行综合，使边缘检测器输出的边缘信息更加完善且有效.实验表明，对于处理实际工作环境中的高噪图像的边缘检测问题，此算法是一种实用而有效的方法. 关键词： 边缘检测 模糊算法 融合     

基于模糊理论的多传感器数据融合测量

 针对多传感器数据融合过程中,各传感器可靠度估计困难的问题和如何对各传感器测量数据进行融合,提出了一种基于模糊理论的多传感器数据融合方法并研究了它在测量中的应用过程。该方法首先利用容许函数计算各传感器测量数据间的一致性以剔除系统误差数据,然后将测量数据进行模糊化,最后用模糊贴近度获得多传感器测量的数据融合结果。该方法计算简单,客观地反映了各传感器测量数据的一致性和可靠程度。测量应用实例验证了其在工程中的可行性,体现了稳定性和可靠性高的传感器在测量数据融合中的“优越性”,运算过程简洁、快速、有效,便于实时测量操作。     

基于元胞储存的小波聚类转子故障诊断

针对传统小波聚类高维空间复杂度高,提出基于元胞储存的改进小波聚类算法;通过对转子故障模拟实验采集的数据,对其聚类分析,结果表明:元胞储存能够降低算法的空间复杂度,提高算法的效率;将改进的小波聚类算法应用于转子故障诊断,与常见的几种转子故障诊断方法相比,结果表明:基于元胞储存的小波聚类转子故障诊断方法具有自动聚类,处理速度快,精度高,适合应用在高维数据空间中等优点,对转子故障状态能够很好地进行区分。     

基于云-模糊融合技术的电机故障诊断

在传统模糊融合诊断系统基础上加入云模型,运用该模型的正、逆向云发生器、云运算原理,构建了云—模糊融合诊断系统;该系统结合了云模型的模糊性、随机性、统计性,在对电机故障进行决策,不仅有效地解决了传统诊断系统存在单一判别准则无法判别的局限,还拓宽了电机故障模糊判别准则,可有效地评定决策故障结果,使诊断结果更具有客观性与模糊性,最后通过仿真实例表明了新系统具有传统诊断系统所不具备的优势。     

液压控制系统的模糊-PID算法研究

在LABVIEW平台上将模糊控制算法和PID控制算法相结合设计出一套应用于液压装置性能检测的测试与控制系统,该系统使用模糊-PID自适 应控制器,通过模糊规则的建立,对PID的参数进行动态的调整,提高系统的动静态特性,克服传统液压装置效率低,可靠性差,结果受人工影响等不足,本系统中液压缸采用摩擦较低的单活塞杆油缸,缸内径D＝40 mm,活塞杆直径d=20 mm,油缸最大行程为100 cm,经过反复测试,控制误差都在+0.5 mm,达到了系统设计的要求;最终结果表明:系统实时响应快、超调小、稳定可靠,可以实现对油缸位移的精确控制。     

基于模糊K均值聚类和Sarsa(λ)算法的自适应爬壁机器人路径规划

针对现有爬壁机器人规划算法难以实现在线自适应高效规划的问题,设计了一种基于模糊K-Means算法和经典Sarsa(λ)算法自适应爬壁机器人规划算法;首先,对爬壁机器人的动力学模型进行了建模和分析,然后,对爬壁机器人规划中的状态进行自适应聚集从而实现值函数的近似,设计了K值可变的改进模糊K均值聚类算法对状态进行自适应地在线聚类,将聚类中心对应的值函数作为整个聚类所有数据对象的值函数的近似值,最后,对基于模糊K均值聚类算法和Sarsa(λ)算法的爬壁机器人在线规划算法进行了定义和描述,在MATLAB环境下对简单障碍物场景和复杂障碍物场景分别仿真实验,实验结果表明文中方法能有效地进行路径规划,随着情节数的增加,规划结果逐渐收敛到最优值,同时在环境变化时,收敛效果不受影响,具有较好的稳定性,是一种高效地实现爬壁机器人在线规划的方法。     

基于BIRCH聚类加速的彩色图像增强算法

针对现存的大多图像增强算法增强的图像可见性丢失问题,提出了一种基于BIRCH聚类加速的彩色图像增强算法;首先,通过BIRCH聚类加速确定数据库中与输入图像直方图相似度最高的图像来提取图像特征;然后,选择最小欧氏距离的特征值进行图像融合以获取目标图像;最后,增强图像通过目标图像直方图规范化和后期处理获得;大量图像融合实验结果验证了算法的有效性,该算法扩展了图像增强的类别,解决了增强过程中可能出现的可见性丢失问题,使图像增强的适应性更强;另外,EM、CII和SSIM评估指标的结果表明该算法明显改善了增强效果。     

舰炮武器系统光电传感器与雷达数据融合及应用

目标参数的质量直接影响武器系统的命中概率,因此,光电、雷达传感器数据的选优尤为重要,数据融合解决了这一问题。针对舰炮武器系统雷达及光电传感器的数据融合,建立了数学模型,并根据所建立的模型提出工程实践,提高了武器系统的命中率。     

电视与红外机动目标数据融合的研究

从跟踪性能、计算的复杂性以及应用范围等方面对红外与电视传感器的三种融合模型进行了比较，得出了来自同一平台上的红外与电视传感器的数据，在各传感器没有自己的数字处理机的情况下，点迹融合模型较其余两种模型实用的结论，在点迹融合模型的基础上，用极大似然融合算法对点迹进行融合处理，在理论上证明了该算法用于此种模型能提高目标状态信息的估计精度，降低测量误差。并给出了本算法用于此种模型在计算机上的仿真结果，从实际应用上进一步说明了本算法的有效性。最后利用卡尔曼滤波实现了红外与电视机动目标的跟踪。     

虚拟和真实实验相融合的三维非完全数据层析

为了解决非完全数据条件下复杂流场的三维层析重建,结合计算流体力学(Computational fluid dynamics,CFD)、计算流动显示技术(Computational flo wimaging,CFI)和光学层析技术(Optical computerized tomography,OCT),提出了应用于非完全数据流场重建的虚拟实验和真实实验相融合(即CFD,CFI与OCT融合)的三维层析。非对称双峰温度场实验结果表明,与完全数据重建结果相比,虚拟实验与真实实验相融合的三维层析的重建双峰误差小于5％。因此能够更好地实现非完全数据条件下流场的三维重建,极大地提高非完全数据条件下流场重建的真实性,较好地与实际结果相吻合,从而为解决有限角条件下的严重非完全数据流场的重建开拓了一条新途径。     

基于模糊技术的非线性系统目标跟踪融合算法

提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.     

基于数据同化和差分进化算法的图像融合

针对现有融合方法不易根据后续处理目的对融合规则进行自适应调整,不同方法的优点不易综合的问题,提出一个基于数据同化和差分进化算法的图像融合框架.在该框架下,将基于非采样下的Contourlet变换作为模型算子,离散小波变换作为观测算子,可根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重,构造由图像各个属性评价指标的加权和所组成的目标函数,再利用差分进化算法来优化目标函数,从而获取更合适的图像.二组实验从视觉效果和量化指标（标准方差、平均梯度、熵、空间频率及均方根交叉熵）两方面验证了该框架的有效性.     

彩色纹理分析中的多特征数据融合方法

在小波分解基础上将纹理特征、颜色特征及纹理与颜色的空间相关特征进行融合，提出了一种新颖的彩色纹理特征提取方法，同时结合20类真实彩色自然纹理，针对塔式小波分解(PWD)，不完全树型小波分解(ICTSWD)和小波包分解(WPD)进行了多特征融合和分类比较，实验结果表明：塔式小波分解基础上的多特征融合，其正确分类率为85．78％；小波包分解基础上的多特征融合，其正确分类率为91．03％，但其特征维数呈指数增长；而不完全树型小波分解有选择地进行通道分解，其维数大大下降，多特征融合后的正确分类率达到90．63%，同时也表现出良好的抗噪能力。     

A New Model of Interval-Valued Intuitionistic Fuzzy Weighted Operators and Their Application in Dynamic Fusion Target Threat Assessment

Existing missile defense target threat assessment methods ignore the target timing and battlefield changes, leading to low assessment accuracy. In order to overcome this problem, a dynamic multi-time fusion target threat assessment method is proposed. In this method, a new interval valued intuitionistic fuzzy weighted averaging operator is proposed to effectively aggregate multi-source uncertain information; an interval-valued intuitionistic fuzzy entropy based on a cosine function (IVIFECF) is designed to determine the target attribute weight; an improved interval-valued intuitionistic fuzzy number distance measurement model is constructed to improve the discrimination of assessment results. Specifically, first of all, we define new interval-valued intuitionistic fuzzy operation rules based on algebraic operations. We use these rules to provide a new model of interval-valued intuitionistic fuzzy weighted arithmetic averaging (IVIFWAA) and geometric averaging (IVIFWGA) operators, and prove a number of algebraic properties of these operators. Then, considering the subjective and objective weights of the incoming target, a comprehensive weight model of target attributes based on IVIFECF is proposed, and the Poisson distribution method is used to solve the time series weights to process multi-time situation information. On this basis, the IVIFWAA and IVIFWGA operators are used to aggregate the decision information from multiple times and multiple decision makers. Finally, based on the improved TOPSIS method, the interval-valued intuitionistic fuzzy numbers are ordered, and the weighted multi-time fusion target threat assessment result is obtained. Simulation results of comparison show that the proposed method can effectively improve the reliability and accuracy of target threat assessment in missile defense.     

量子非欧姆阻尼环境中的重核熔合概率及热核裂变速率

考虑处于量子非欧姆阻尼环境下的重核熔合及热核裂变系统的动力学,给出了数值模拟相应c数量子广义朗之万方程的方法。其中提出的产生任意关联量子色噪声的数值方法,适用于任意非马尔科夫过程噪声的产生。利用此方法计算了重核熔合概率,结果表明量子涨落对重核熔合具有“低抬高压”的效应:当粒子的初始动能小于（大于）临界初始动能时,量子涨落会增大（减小）粒子鞍点通过概率。非欧姆阻尼环境中粒子稳定通过概率随δ值的变化是非单调的,且当粒子初始动能小于（大于）临界初始动能,量子涨落会使稳定通过概率随δ值变化曲线的极大值位置向右（向左）漂移。此外,在热核裂变系统中,超欧姆阻尼环境会增大裂变速率,而量子涨落不仅显著增大裂变速率,还使裂变速率随δ值变化曲线的极大值位置发生漂移。Dynamics of heavy-ion fusion and nuclear fission system in a quantum non-Ohmic environment have been considered and a numerical simulation method to solve the corresponding c-number quantum generalized Langevin equation is proposed. The method of generating quantum colored noise with arbitrary correlation can be applied to generate noise of arbitrary non-Markov process. Calculating fusion probability of heavy nuclei with this method, the result has shown that the passing probability is enlarged (decreased) by the quantum fluctuation when the initial kinetic energy of the particle is less than (greater than) the critical initial kinetic energy. Steady passing probability of particle in non-Ohmic environment versus is nonmonotonic. Quantum fluctuation makes the maximum position of the curve drift towards right (left), when the initial kinetic energy of the particle is less than (greater than) the critical initial kinetic energy. Furthermore, nuclear fission rate is larger in super-Ohmic environment. Quantum fluctuation enlarges nuclear fission rate and makes the the maximum position of nuclear fission rate versus δ drift.     

Conflict Data Fusion in a Multi-Agent System Premised on the Base Basic Probability Assignment and Evidence Distance

The multi-agent information fusion (MAIF) system can alleviate the limitations of a single expert system in dealing with complex situations, as it allows multiple agents to cooperate in order to solve problems in complex environments. Dempster–Shafer (D-S) evidence theory has important applications in multi-source data fusion, pattern recognition, and other fields. However, the traditional Dempster combination rules may produce counterintuitive results when dealing with highly conflicting data. A conflict data fusion method in a multi-agent system based on the base basic probability assignment (bBPA) and evidence distance is proposed in this paper. Firstly, the new bBPA and reconstructed BPA are used to construct the initial belief degree of each agent. Then, the information volume of each evidence group is obtained by calculating the evidence distance so as to modify the reliability and obtain more reasonable evidence. Lastly, the final evidence is fused with the Dempster combination rule to obtain the result. Numerical examples show the effectiveness and availability of the proposed method, which improves the accuracy of the identification process of the MAIF system.     

基于目标与环境FD模型的多特征检测算法适应性评估

智能变形、变色、变温、变谱技术发展趋势下,低特征目标加速实现与自然地物背景的特征融合,导致复杂自然背景环境下低散射、微反射、弱辐射目标的检测与评估愈发困难,特定场景下潜在威胁目标的检测方法快速决策与准确评估成为了难题.为了提升离散目标、伪装目标、弱小目标、异常目标等低特征目标与复杂自然背景环境融合场景下的多特征检测算法...