新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

矩阵对角化变换鲁棒QCKF在视觉和惯性融合姿态测量中的应用

视觉和惯性融合姿态测量系统,可以发挥视觉测量重复性、稳定性好和惯性测量输出频率高、不受环境光干扰的特点。针对融合测量中,系统噪声和观测噪声的统计特性不完全可知及在出现异常测量值时融合测量鲁棒性较差的问题,提出一种基于矩阵对角化变换的鲁棒四元数容积卡尔曼滤波(quaternion cubature Kalman filter, QCKF)算法,分析了鲁棒滤波参数对测量系统鲁棒性和测量准确度的影响,使用矩阵对角化变换代替标准CKF中的Cholesky 分解以改善数值计算的稳定性。结合搭建的视觉和惯性融合姿态测量系统平台,实验结果表明与标准CKF算法相比,具有更高的准确度、鲁棒性以及稳定性。     

含预测和容错的自适应Kalman目标跟踪

针对模型不准确时,传统Kalman滤波目标跟踪算法精度有限甚至发散的问题,研究了基于新息协方差在线匹配技术的自适应Kalman滤波算法,提高跟踪精度;并以Kalman滤波估计的目标位置为基础,利用一步Kalman预测得到下一时刻目标可能的位置范围,避免对整幅后帧图像进行遍历搜索,减小了计算量;为了避免存在干扰时异常量测对目标跟踪的影响,研究了量测信息异常检测算法,以Kalman预测的量测代替异常量测,增强抗干扰能力。实验证明,所提算法能够有效提高目标跟踪的精度和鲁棒性。     

机群多编队作战网络自同步

提出机群多编队协同作战复杂网络模型，基于复杂网络自同步原理，研究网络节点动力学和耦合强度给定不变情况下，网络拓扑结构对作战网络同步能力的影响。针对作战网络特点，以最大化网络同步能力和不同层级指控节点效能为优化目标，作战网络指控结构和作战环境对通信拓扑的限制为约束条件，建立作战网络自同步优化模型。采用遗传算法，通过调整作战节点之间的通信结构对上述模型求解。仿真实验表明，获得的优化网络在保持作战网络结构特点的同时，具备更小的网络特征值比和更快的一致性收敛速度。     

基于ULMADM的智能指挥控制系统决策分配方法

在智能指挥控制系统设计中，为了充分发挥指挥员与自动化系统的决策优势，需要将决策功能在两者之间进行合理分配. 给出了指挥控制系统决策分配步骤，针对决策分配过程中属性值无法准确测度的特点，采用不确定性语言型多属性决策（ULMADM）方法，基于UEWAA算子确定决策功能的自动化等级范围，基于UEWAA算子和ULHA算子相结合的多属性群决策算法确定决策功能的自动化等级，算例表明ULMADM方法解决决策分配问题的可行性、有效性和通用性.     

复杂环境下基于动态贝叶斯网络的目标识别

为了提升高动态复杂电磁环境下空战过程中对目标的识别能力,针对SBN网络模型无法满足战场的动态性要求以及对目标的经常性误识别问题,设计了一种基于变结构动态贝叶斯网络的目标类型识别模型。该模型是由静态贝叶斯网络模型演变而来,具有良好的动态表达性和滤波功能,弥补了SBN的不足,并且对空战过程中目标特征信息丢失的问题有良好的容错能力。仿真结果表明,基于动态贝叶斯网络的目标识别的识别效果,优于基于参数学习贝叶斯网络的目标识别。使用该模型后目标识别的准确性提高了5%,有效地解决目标类型识别过程中数据缺失和信息不足的问题。     

基于Voronoi图和离散微粒群优化算法的UCAV攻击轨迹决策

根据UCAV可发射区简化模型,提出了UCAV攻击轨迹决策问题。提出了UCAV攻击轨迹决策的分层设计方法,并将其转化为优化问题。首先根据已知的飞行环境,采用Voronoi图生成初始轨迹;然后通过建立攻击轨迹约束条件模型、飞行距离模型和威胁模型,以飞行距离和威胁代价为优化目标函数,构建了UCAV攻击轨迹决策模型,并在此基础上提出了一种离散微粒群优化(Discrete Particle Swarm Optimization, DPSO)算法对攻击轨迹决策模型进行求解。仿真结果表明,通过Voronoi图和DPSO算法能够较好地解决UCAV攻击轨迹决策问题,并能够在多约束条件下对目标函数进行组合优化。     

基于在线支持向量机的空对地攻击决策算法

为解决无人机对地攻击决策问题, 对影响地面目标威胁度的指标因素进行了分析和量化, 构建了基于在线支持向量的目标威胁度预测模型。利用在线支持向量机实现目标威胁度排序, 进而完成空对地的攻击决策。研究的空对地决策算法具有在线训练、 模型精确度高、 需要样本少和泛化能力强等特点, 有利于快速准确地进行空对地攻击决策。最后, 通过仿真实例验证该算法的正确性。仿真结果表明, 在线支持向量机在计算目标威胁度过程中速度快且精确度高。     

基于ICT算法的复杂状态目标实时跟踪

针对压缩跟踪(CT)算法不能解决跟踪目标形变、被遮挡、光照变化等问题,提出改进的压缩跟踪(ICT)算法.采用卡尔曼预测下一帧中的目标状态,从而减小搜索域,并在目标被遮挡时估计运动轨迹;采用定向二进制特征(ORB)匹配算法,跟踪形变目标和判断目标是否被遮挡;采用ORB匹配跟踪、CT检测和贝叶斯学习相结合的方法,融合ORB匹配跟踪和CT检测,输出最优结果,减弱光照变化的影响,提高跟踪帧率的同时增强鲁棒性.实验结果表明:ICT算法能准确地跟踪形变及被遮挡目标,跟踪效果在多种数据集上表现出更高的鲁棒性和精确性,平均帧率达到74.137Hz,具有良好的实时性.     

封装DCG全息光学元件在不同温湿度条件下的 波长特性研究

DCG全息图通常采用环氧树脂胶密封来实现与环境中水分的隔离。在不同的温湿度条件下对封装后的DCG全息图波长特性做了一系列实验。实验表明:1高湿度环境不会对封装DCG全息图造成影响;2低于50℃的温度环境不会对全息图造成影响;3封装DCG全息图在70~85℃的温度环境下会发生峰值波长蓝移,蓝移速率与环境温度成正比;4环境温度高于100℃会对封装DCG全息图造成破坏,使得全息图颜色不均匀,甚至消像或者变性。对实验结果进行了讨论和分析,并根据实验结果和工艺经验提出提高全息图波长稳定性的措施:在适当的温度下对封装后的全息图进行烘烤。