被动传感器阵列中基于视线距离的数据关联

针对低检测概率环境下被动传感器阵列中的数据关联问题,提出了一种基于视线距离的数据关联新算法。首先详细分析了传统基于视线距离数据关联方法的不足,提出各个观测站对于同一个目标的平均视线距离应最小。同时,认为同一个目标只要被超过2/3的传感器所观测,此关联组合就有效。最后,利用关联组合的平均视线距离和有效传感器个数来设计模糊隶属度函数,以模糊关联隶属度最大为关联准则构建数据关联算法,给出了算法流程。实验结果表明,在检测概率不为1、误差较大的多目标环境下,提出的算法要明显优于传统方法。     

基于模糊逻辑的SLAM数据关联方法

提出了一种基于模糊逻辑的同步定位与地图创建(simultaneous localization and maping, SLAM)数据关联方法,该方法计算特征观测和特征估计的误差椭圆,对归一化新息和误差椭圆重叠比例进行模糊化处理,作为模糊系统输入变量,将数据关联结果作为模糊输出变量。通过融合这些特征信息建立模糊规则,进行模糊推理,最终获得数据关联结果。这种方法可以有效表达数据关联中存在的不确定性和模糊性,具有处理多个候选关联假设的能力,并且在实际观测与特征估计值距离较小时减少了误关联的发生,在实际观测与特征估计值距离较大时又避免了丢弃正确关联。仿真实验表明,新算法具有更好的抗干扰能力和鲁棒性,为SLAM的数据关联提供了一条新的途径。     

基于多传感器多目标特征信息的模糊数据关联算法

本文针对高干扰环境下测量数据的不确定性，提出了多传感器多目标特征信息融合的数据关联模糊逻辑推理方法。研究了基于最陡下降法构造全模糊模型关联系统的自学习算法，以及多个主传感器数据融合对模糊关联系统性能的改善。其基本思想是通过融合多种特征信息进行模糊逻辑推理，改善数据关联质量的同时，不增加整个目标跟踪系统的复杂性。理论分析和应用举例都证明了模糊逻辑系统融合多种数据形式解决关联问题的能力。     

被动传感器系统模糊-概率双加权数据关联新算法

针对被动传感器系统中的数据关联问题,提出了一种新的被动传感器系统模糊-概率双加权数据关联算法。该算法首先利用候选关联的方位角建立检验统计量,进行方位的粗关联,排除一部分虚假候选关联,减少计算量;再对保留的候选关联进行交叉定位,计算每个交叉定位点与各个目标的关联概率;同时对相应的候选关联建立模糊关联度,来修正目标的关联概率,最后采用最大值搜索方法得到各个目标的正确关联。仿真结果表明,该方法可以快速、准确的排除虚假定位点,能够有效的对多个目标进行跟踪。     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

多目标跟踪中的数据关联算法

在目标的正确回落入其跟踪门内的概率PtG <1的情况下 ,推导了联合概率数据关联算法中联合事件发生概率的计算公式。提出了一种能容易地产生多目标和多回波的联合事件的方法———假设树方法。并且提出了一种新的多目标跟踪中数据关联的快速算法。此算法用于解决杂波环境中多目标跟踪的数据关联问题 ,取得了较好的结果。     

基于数据质量评估的自适应序贯航迹关联算法

针对传感器精度下降时的航迹关联问题, 提出了一种基于数据质量评估的自适应序贯航迹关联算法。将实时数据质量评估结果引入关联门限的调整, 结合熵值法和效用函数法对传感器性能和局部滤波质量两项指标分别进行评估, 构建了两项指标与算法显著性水平之间的模糊关系, 实现关联门限的自适应调整。仿真表明, 在局部传感器精度下降的场景下, 改进算法的关联性能优于对比算法, 且良好的关联效果有益于融合精度的提升, 在目标机动的情况下也具有良好的适应性。     

基于雷达组网的多目标数据融合系统研究

研究了多目标情况下的雷达组网数据融合问题 ,讨论了数据关联的最近邻法和概率数据关联 (PDA)这两种算法 ,针对雷达组网数据融合的分布式与集中式两种系统结构分别提出了一种算法 ,并同时应用数据关联和数据融合算法针对 4个目标的平行编队、交叉飞行、平行转弯飞行模式进行了蒙特卡罗仿真 ,证明了算法的有效性。     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。     

未知环境中FastSLAM算法的数据关联问题

讨论FastSLAM算法(FastSLAM-对SLAM进行因式分解的一种快速算法)在未知环境中的数据关联问题.在标准的FastSLAM算法中,通常假设数据关联是已知的.然而现实情况中,数据关联往往是未知的.采用一种基于单个粒子的最大似然数据关联和环境否定信息相结合的方法来解决未知环境中的数据关联问题.仿真结果表明,新的数据关联方法提高了移动机器人在未知环境中自身定位和地图创建的精度.     

基于模糊C均值的支持向量机数据分类识别

提出一种基于模糊C均值的支持向量机分类算法，通过模糊C均值算法对未知类别数据进行划分，然后再利用支持向量行对划分后的数据机进训练。解决了以往人们应用支持向量机进行数据分类识别前必须采用已知类别的数据对支持向量机进行训练的弊端，提高了数据分类的效率。     

基于分离性测度的数据分类效果评价

针对模糊C-均值聚类算法对初始化分类参数(包括起始聚类中心位置和初始化分类隶属度矩阵)的选择比较敏感而导致分类结果差异性较大,以及错误分类会给解决实际问题带来难以预料的后果的情况,从数据的类内紧致性的对偶面即分离性入手,提出了基于分离性测度的分类效果好坏的评价准则。实验结果表明,定义的分类效果评价准则函数是可行的。     

Data fusion of radar and IFF for aircraft identification

The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor(FNNP),multi-level fuzzy comprehensive evaluation and the DempsterShafer(D-S) theory is proposed.This hybrid algorithm constructs a complete process from generating the fuzzy database to the final identification,realizes the identification of friend-or-foe automatically if the training samples or expert’s experience can be obtained,and reduces the effect of uncertainties in the process of identification.At the same time,the whole algorithm can update the identification result with the augment of observations.The performance of the proposed algorithm is assessed by simulations.Results show that the proposed algorithm can successfully deduce the aircraft’s identity even if the observations have measurement errors.     

一种基于量子机制的分类属性数据模糊聚类算法

分类属性数据的样本间的分布不平衡、样本的分布与空间距离无关的特点与量子力学中粒子的分布状态由能量决定、粒子分布具有不平衡性的特点相似.基于此,参照量子聚类QC算法确定聚类中心的聚类策略,重写距离量子势能公式,定义相似性度量测度和相异性度量测度的新概念,提出了针对分类属性数据的量子聚类CQC算法,并对算法的聚类有效性进行了研究,通过同其它几个已有的算法的仿真实验比较,证明该算法是有效的、有一定的可扩展性,算法的一些性能优于已有的其它几个算法.     

模糊模型辨识中模糊聚类方法应用分析

模糊聚类算法已广泛应用于模式识别、数据聚类以及从数据中提取模糊规则的过程。介绍了基于模糊聚类的非线性系统模糊辨识方法 ,并通过著名的Box和Jenkins煤气炉数据仿真实例详细研究了模型性能指标与输入变量及模糊聚类数之间的关系 ,指出了应用模糊聚类方法的优势与不足。对于模糊建模中正确应用模糊聚类方法具有重要指导意义     

Kernel method-based fuzzy clustering algorithm

1.INTRODUCTION Clusteranalysisdividesdataintoclustersinorderto facilitateunderstandingortofindstructurehiddenin dataset.Clusteringalgorithmspartitionasetofdata objectsintoclustersorclasses,wheresimilardataob jectsareassignedtothesameclusterwhereasdissimi lardataobjectsshouldbelongtodifferentclusters. SinceZadeh(1965)presentedthefuzzysettheory, thefuzzymethodisfirstlyintroducedinclustering problems,whichiscalledthefuzzyclusteringanaly sis.Fuzzyclusteringisawidelyappliedmethodfor acquiri…