基于SVDD的ADS-B异常数据检测

自动相关监视广播(ADS-B)与空管二次监视雷达(SSR)是空中交通管制的2种重要监视手段,其中ADS-B是目前正在推出的通信协议,在下一代空管监视系统中将会发挥重要作用.然而,ADS-B协议中安全措施缺乏,容易遭受虚假数据注入的攻击.为了识别ADS-B中的异常数据,利用与其同步的SSR数据及通过Kalman滤波得出的的协方差矩阵,得到一组具有多维属性特征的样本数据,使用支持向量数据域描述的方法(SVDD)训练样本数据,可以得到用于检测异常的分类器.利用此分类器检测之后收到的ADS-B数据,从而识别出异常数据.通过仿真实验表明,该方法对于ADS-B异常数据具有80%以上的正确识别率,其中对于固定偏差注入的检测虚警率为5%,漏警率为0,对于随机偏差注入的检测虚警率为5%,漏警率为12.5%,验证了该方法的可行性.     

基于分数阶积分和邻域FCM的道路信息变化检测

为了提高道路信息变化检测的精度,提出了一种基于分数阶积分和空间邻域信息的模糊C均值(fuzzy C-means,FCM)聚类算法,用于道路特征变化检测。首先,对经过配准和几何校正的双时相遥感图像进行灰度差值运算,重新生成差值图像;其次,采用较小的分数阶积分阶次构造上下、左右、4个对角线8个各向同性的去噪图像掩模,对差值图像进行分数阶积分计算,在提高图像信噪比的同时保留图像的边缘和纹理细节信息;最后,针对去噪后的差值图像采用结合邻域空间信息FCM聚类进行计算,聚类初始化中心点选择差值图像灰度值最高和最低的点,利用邻域的欧式距离来刻画不同的权重值,以表征领域像素点对中心像素的影响程度,剔除无效孤立点。通过检测概率、虚警率、漏警率指标对提出的算法进行评价。结果表明:基于分数阶积分和邻域空间信息的FCM聚类道路信息变化检测方法能有效提取道路变化信息,当积分分数阶数取0.2,FCM平滑参数取2.5时,检测概率高出对比算法18%~46%,虚警率指标低于对比算法15%~38%,漏警率低于对比算法3%~7%;提出的算法在抑制噪声信息和增强纹理细节方面能够取得较好的效果,尤其当中心像素点为噪声时,由于引入邻域空间信息,其受周围邻域正常像素点的影响,能够自动调整隶属度,较好地避免误分类;该方法还能有效抑制邻域噪声点对正常像素分类造成的影响,降低虚警率。     

基于Rayleigh分布杂波模型的动态目标检测算法

为了解决传统的动态目标检测算法在功率波动明显的非均匀复杂背景噪声下,检测性能严重下降的问题,基于杂波分布模型和恒虚警理论,提出一种基于Rayleigh分布杂波模型的单元最大最小平均恒虚警(CMMA-CFAR)检测算法,通过均值和均方差估计噪声平均功率并动态调整检测门限参数,在保持较低虚警率的前提下,提高目标的检测率.采用了数字滤波器组降低旁瓣功率,抑制强杂波干扰.经过与其它算法仿真对比,该算法具有最优的检测性能,检测率大于95.00%.该方法已应用于车辆开门防撞预警系统,在奇瑞G5车型上进行了标定测试,针对典型接近目标:自行车、摩托车和轿车,平均预警率大于97.50%,误警率小于3.00%.结果表明,该算法在杂波边缘干扰和非均匀噪声背景下,仍具有良好的检测性能.     

一种有效的加权冲突证据组合方法

为了有效融合高度冲突的证据,提高证据高度冲突时融合结果的可靠性和合理性,给出了一种新的加权证据组合方法。该方法根据证据之间的关联特性,通过计算证据体间的相对距离获得系统中各传感器证据的权重。首先引入一个证据体间的距离函数,根据多证据体的距离,得到系统中各传感器证据体之间的相似度和各证据的支持度,依据支持度的大小进一步可得到各证据的可信度,以此作为各证据的权重,对证据的基本概率指派进行加权平均,最后利用Dempster组合规则融合加权平均后的证据。与其他方法相比,该方法在系统存在伪证据(干扰)时能有效迅速地识别出目标。     

基于OS和UMVE的最大选择恒虚警检测算法

为了提高恒虚警检测器在多目标环境下的检测性能及有效控制杂波边缘环境中虚警率的上升,基于结合高效的无偏最小方差估计(UMVE)算法提出了一种新的最大选择恒虚警检测算法(OSUMGO-CFAR),它的前、后沿滑窗分别采用OS和UMVE方法得到两个局部估计,将其中的最大值作为背景杂波功率水平估计,去设置自适应检测门限。在SwerlingⅡ型目标假设下,推导了该算法在均匀背景下的矩产生函数MGF、平均判决阈值ADT、多目标环境下检测概率Pd和杂波边缘环境中虚警尖峰的数学解析表达式。采用数值计算的方法,将恒虚警损失及虚警尖峰分别作为衡量算法在多目标和杂波边缘环境下性能优劣的标准。分析结果表明,该算法在多目标和杂波边缘引起的非均匀背景中的性能,均比OSTMGO和GOSGO算法得到了改善。     

基于支持向量机的磁粉探伤智能识别算法

磁痕图像的自动分类方法是磁粉探伤智能化的关键技术之一。针对目前磁粉探伤自动识别漏识率和虚警率高的问题,提出采用支持向量机算法后验概率输出的判断方式对磁痕图像进行分类。对采集到的图像进行预处理和特征提取,然后使用支持向量机对特征数据处理得到后验概率,利用此后验概率得到分类信息将结果映射为有无裂纹与类别模糊区三类,实现智能识别。实验证明算法的有效识别率高,在漏检率和虚警率上取得了较好的平衡。     

利用偏差进行冲突证据融合的改进方法

本文对D-S证据理论组合冲突证据时存在的缺陷进行了研究, 在前人的基础上提出了一种改进的处理冲突证据的融合方法, 该方法通过计算各证据到命题平均支持度的偏差, 来检测和消除冲突证据,并对最后结果进行了修正, 以处理来自不同识别框架的证据的合成. 实验计算结果表明,该方法能有效处理冲突, 得到符合实际的组合结果, 相对于其他典型算法, 本文方法在收敛性和可靠性上有了明显改进     

大型回转体超声检测中缺陷类型的在线识别

大型回转体超声探伤中由于需要实时处理大量数据,且全面的缺陷特征信息难以获得,导致缺陷类别在线识别困难.对多个超声波探头获取的同一缺陷的互补特征信息,利用BPNN的并行计算能力分别进行缺陷类别的局部决策,再采用D-S理论实现缺陷类型的融合识别.为使神经网络更适合于在线数据处理和缺陷识别,对标准BP算法进行了改进,在不增加计算量和存储量的前提下,避免了网络陷入局部最小,提高了网络的收敛速度.将改进后的BP网络的非线性建模能力与D-S证据理论的不确定性推理能力进行有机结合,使论据理论的支持度的分配避免了主观性,从而提高了决策的确定度和识别的可靠性.采用已知缺陷的回转体工件进行在线融合识别机制进行测试,其结果说明了该方法的可行性及有效性.     

基于基频的梅尔倒谱系数在车辆识别中的应用

用传统的梅尔倒谱系数作为特征进行车辆识别时,识别效果易受噪声干扰.为增强特征鲁棒性,提出一种加权的基频自适应梅尔倒谱系数特征提取算法.首先用能熵比法对车辆声音信号进行端点检测;然后提取车辆信号的基频,自适应构建三角滤波器组,提高滤波器对基频的感知敏感度;最后对基频自适应梅尔倒谱系数进行F比加权.实验结果表明,与传统梅尔倒谱系数相比,在识别车辆时,加权的基频自适应梅尔倒谱系数识别准确率提高7.10％,虚警率降低3.93％,漏警率降低7.10％.     

基于偏差的冲突证据融合的改进方法

在Dempster-Shafer(D-S)证据理论中,传统D-S组合规则在证据高度冲突时存在失效问题,会产生与常理相悖的结论.为此,文中提出了一种改进的处理冲突证据的融合方法,即通过计算各证据到命题平均支持度的偏差,来检测和消除冲突证据,并对最后结果进行修正,以合成来自不同识别框架的证据.计算实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其他典型算法,该方法在收敛性和可靠性上有明显改进.