基于D-S证据理论的红外小目标融合检测方法

将红外图像中的小目标检测视为基于多图像特征的像素分类问题,提出了一种基于D-S证据理论的红外小目标融合检测方法。该算法首先提取双色红外成像系统中各传感器图像的图像特征,采用D-S证据理论中的基本概率分配函数对传感器图像中的像素进行基于多图像特征的分类,得到各传感器的目标检测基本可信度图;然后应用正交和规则复合来自各传感器的目标检测判决证据,获得整个系统的目标检测基本可信度图;最后根据决策规则输出最终目标检测结果。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,提高了系统的检测性能。     

一个证据推理模型及其在专家意见综合中的应用

表达为概率分布的专家意见的综合是许多决策过程的基本问题 ,也是在贝叶斯概率框架内难以处理的问题 .本文基于 Depster-Shafer证据理论研究了这类问题的一种处理方法 .首先提出了一个特别的证据推理模型及相应的推理算法 ,然后基于该模型描述了专家意见综合问题的建模和求解方法.     

速度信息辅助雷达目标数据关联方法研究

多目标数据关联时,联合概率数据互联(JPDA)算法是最常用的方法之一,与最优的贝耶斯算法需要对当前时刻以前的所有确认量测集合进行研究相比,其只对最新的确认量测集合进行研究,因此是次优的贝叶斯算法。为进一步提高JPDA算法的性能,基于最优贝叶斯算法的理论,将包含目标历史信息的速度信息引入JP-DA算法过程中,增加了近距离平行运动目标的正确关联次数,并提高交叉运动目标关联精度。     

基于弹性变结构DDBN网络的空战目标识别

采用离散动态贝叶斯网络的直接推理方法作为基础,提出弹性变结构离散动态贝叶斯网络的概念,构建了空战目标识别的弹性变结构离散动态贝叶斯网络模型,给出了相应的推理算法,以此克服了离散静态贝叶斯网络和定结构离散动态贝叶斯网络在目标分类识别过程中出现的问题。通过仿真结果对比,表明该方法可以综合各个时刻各种被观测到的确定和不确定信息,从而更为有效的实现目标的分类和识别。     

基于信度势场算法的水下传感网络部署及仿真

针对水下传感器网络节点的三维部署,基于D-S证据理论,提出了检测信度和信度覆盖的定义,研究了水下传感器网络检测区域信度覆盖的变化,结合感知目标分布的先验概率和被动声呐节点的感知概率模型,提出了基于改进D-S证据理论和先验概率的节点部署算法(NAAEP),将目标感知信度的值转化为虚拟势场中所受的力的大小,根据感知节点在势场中受到合力的大小对节点的位置进行调节.利用MATLAB建立了水下传感器网络仿真模型,通过仿真实验验证了算法的有效性:该算法能够有效减少部署节点,减少节点能耗,扩大检测范围,提高网络的检测性能.     

证据冲突:丢弃,发现或化解?

组合可能冲突的信息是智能推理中重要的研究内容,其中,证据理论是一种典型的不确定性智能推理方法。在证据理论中,用以融合和更新证据信息的推理组合规则是其理论基石。Dempster组合规则通过合取运算来构造信息结构,得到了广泛的应用。然而,当证据冲突比较大、证据源不完全可靠或辨识框架不完备时,Dempster组合规则得到的结果并不符合常理。为此,改进组合规则和处理证据冲突,成为证据理论中一个重要的研究课题。将全面回顾和比较国内外现有的主要推理组合方法,基于不同的冲突处理机制,建立相应的理论框架,涵盖绝大多数推理方法,从理论上对证据推理方法的研究,进行一个全面的总结,并剖析各种组合方法的优缺点和相互关系,指出最新的研究趋势。     

基于分层贝叶斯网络的计划识别方法

分析了态势估计中计划识别问题。采用分层贝叶斯网络对计划进行分级表示,依据发生的战场事件和目标行为,动态构建分层贝叶斯网络结构,并将其作为证据进行推理。为了解决动态构建贝叶斯网络的推理问题,提出构建虚拟节点的方法,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。最后,文中通过仿真实验,对基于分层贝叶斯网络的计划识别方法进行了实验验证,结果表明该方法是有效可行的。     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

随机有限集推理动目标轨迹的相干累积检测法

长时间相干累积技术在提高雷达对动目标探测能力方面发挥着重要的作用。但是，由目标机动导致的距离和/或多普勒频率徙动将会大大降低相干累积的性能。为解决上述问题，提出一种随机有限集推理动目标运动轨迹的相干累积检测法。首先，通过频率轴反转变换，提取出描述目标运动特性的信号。然后，利用该信号时频变换后的结果构成测量随机有限集，并以状态空间模型描述各目标的运动，在贝叶斯滤波的框架下实现目标运动轨迹的推理。最后，基于推理的轨迹设计出二维匹配滤波器，来补偿未知的距离和/或多普勒频率徙动。理论分析和数值仿真实验结果均表明，该方法可有效处理具有复杂甚至未知运动形式的机动目标。     

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

视频监视中运动目标的检测与跟踪算法

提出一种视频监视中运动目标的精确检测、提取以及跟踪算法。该算法采用基于自适应背景图像估计与当前多帧图像的混合差实现快速精确地检测和提取目标 ,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域 ,缩小了目标跟踪时的搜索范围。充分利用运动目标检测的结果 ,提高了目标的匹配效率及跟踪速度。     

基于贝叶斯准则水平投影优化的目标检测算法

为了进一步提高跟踪系统中目标检测的精准性,适应不同的环境变化,对检测阈值的选取和图像的去噪提出了新的算法。结合似然函数和贝叶斯判别准则理论,根据信号和噪声的统计分布规律,得到一个自适应的动态阈值。利用该阈值对二值化图像的水平投影进行优化处理,去除噪声,得到待检测的目标。实验结果表明,该方法克服了目标完整性和抑制噪声之间的矛盾,可以有效地改善光线变化带来的噪声影响,在不同的场景情况下都可以得到满意的检测结果。     

基于物体关系描述的单目语义SLAM方法

外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键。提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测。提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联。在后端对相机位姿、地图点和物体路标进行联合优化,并自适应调整代价函数中各误差项的权重系数,以提高各状态变量的估计精度和鲁棒性。实验结果表明,所提出的算法在地图构建方面具有较高的精度。     

基于粒子滤波的机器人定位及动态目标跟踪

提出了一种基于粒子滤波的动态跟踪算法,解决了传统SLAM理论在处理动态目标时误差不断累加的问题。通过分析移动机器人和激光测距仪,里程计的原理,建立了机器人的运动和观测模型。将数据关联的方法用于动态环境中则提高了系统的稳定性和定位的精度。仿真结果表明此算法能够比较精确地估计出机器人的位姿以及动态目标在地图中的位置,为开展将静态与动态相结合的定位与地图构建的研究提供了一种可行方案。     

基于改进梯度抑制的非平面场景运动目标检测

针对非平面场景3D结构产生的视差对导弹及无人机等空中机动成像平台运动目标检测影响,从提高运动目标检测的快速性和准确性角度,基于梯度抑制算法,提出了改进算法。首先,在非平面场景的运动目标检测中,考虑到视差干扰主要出现在背景边缘上,采用梯度抑制法滤除视差像素。其次,对经过梯度抑制法滤波后的像素,应用外极几何约束,进一步滤除机动成像平台大角度机动产生的剩余视差像素,从而提取出离散的运动目标像素,并进行二值化处理。然后,采用行列投影的方法对二值化的运动目标像素进行分类,确定运动目标区域。最后,对所提的方法进行了实验验证,验证了算法的有效性。     

基于边界矩和改进FCM聚类的水下目标识别

水下目标的识别是水下机器人对环境动态感知、快速定位与跟踪视觉目标的关键, 本文针对水下成像的特殊性以及成像环境的复杂性,旨在设计一种快速、准确的目标识别系统以指导水下机器人进行下一步的任务. 首先, 综合运用一些流行的算法, 简要介绍了一种有效的边界分割算法; 然后通过对边界矩的分析和修正, 构造了具有平移、旋转及比例变换不变性的仿射变换; 最后详细描述了改进的FCM聚类识别的设计理念. 通过对实测的4类物体组成的水下目标的识别实验, 证明了所提水下目标识别系统可以用于水下目标识别, 并且具有较高的鲁棒性和实时性.     

On the Collision Detection Problem of Two Moving Objects Described by Algebraic Sets

In this paper, the collision problem of two moving objects is investigated. The objects are described by two algebraic sets （ellipses or circles in the paper）. The collision problem discussed involves both static and dynamic case. The static case is that each object moves with known velocity. We use nonlinear programming to decide whether the objects collide. The dynamic case is that each object is controlled by a constraint external force which can be regulated online. For the dynamic case, the collision problem can be modelled as a Minmax problem which can be solved by using differential games. If collision occurs, the time and place of the first collision are given. The moving trajectories are provided in the paper.     

一种时变的随机马氏移动对象行为仿真模型

在随机环境虚拟构建基础上,提出了基于马氏随机过程的时变移动对象行为仿真模型构建方法。针对随机路径网、移动对象速度可变、路径选择随机的复杂随机行为建立了新模型,在分析移动对象运动方程和时间采集关系的基础上,模型可以良好实现移动对象在二维路径网上的马氏随机游动过程。仿真数据结果表明,新模型能够正确地反映移动对象的随机变化,同时对移动对象运动轨迹和时间采集是有效的。     

基于贝叶斯模型的动态背景检测

利用贝叶斯模型结合核密度函数理论，给出了在复杂的动态背景下检测出运动目标的方法。首先，在图像相关性的基础上，利用非参数核密度估计的方法，建立前景和背景的棱密度函数，再利用贝叶斯理论，估计出背景和前景的先验概率，两者相结合得到一个估计的阁值，从而实现目标和背景的分类。该方法对阈值的选取进行了理论分析，实验证明，提出的方法能够在动态背景中准确地检测出目标。     

非凸运动辅助低秩稀疏分解目标检测算法

针对传统低秩稀疏分解(low rank and sparse decomposition, LRSD)用于视频运动目标检测时检测精度较低的问题,提出了一种鲁棒非凸运动辅助LRSD(robust nonconvex motion-assisted LRSD, RNMALRSD)的运动目标检测算法。该算法首先考虑到视频背景的低秩特性,采用非凸γ范数对秩函数进行逼近,考虑视频背景在变换域上仍然具有稀疏性,引入背景在变换域的稀疏先验。其次,引入运动辅助信息矩阵,使其融入前景的运动信息,表示每个像素属于背景的可能性,提高视频运动目标检测的准确度。然后,采用交替方向乘子法(alternating direction method of multipliers, ADMM)对提出的模型进行求解。最后,将提出的方法应用到视频运动目标检测上进行仿真实验。对实验结果的分析表明,提出的RNMALRSD方法比其他基于LRSD的运动目标检测方法具有更高的检测精度。