改进模糊综合评价的ESM与雷达航迹关联算法

针对机动目标贴近和交叉运动影响下的ESM与雷达的航迹关联问题,提出了基于改进的模糊综合评价的航迹关联算法。该算法综合考虑了ESM传感器和雷达在双机协同无源定位中获得的距离、角度、速度、相位差和时间差信息,丰富了模糊因素集;给出了模糊综合评价中的隶属度和权重的动态计算方法,并对评价集和评价准则进行了相应的改进。仿真结果表明,在目标距离200 m时,传统的多因素模糊综合决策航迹关联算法的关联正确率为55.2%,航迹关联算法的关联正确率为74.0%。在增大目标距离和雷达探测误差的情况下,算法的关联正确率始终高于传统的多因素模糊综合决策航迹关联算法。     

基于隶属度的概率数据关联算法

分析了点迹-航迹关联中常用的概率数据关联算法,针对此算法在密集目标环境下,尤其是当多个目标的关联波门相交且相交区域存在有效测量时易发生误跟和跟丢的问题,对算法进行了改进,引入了测量隶属度的概念,通过计算各个有效测量与所对应目标之间的统计距离,进而求出各有效测量的隶属度,将相交的关联波门进行拆分,然后对拆分后的各个独立的关联波门分别使用概率数据关联算法进行数据关联,并采用卡尔曼滤波算法对目标进行状态估计.仿真结果表明:改进的数据关联算法相比JPDA算法,正确关联概率下降约3％,计算时间缩短38％.     

模糊逻辑在分布式多目标跟踪融合中的应用研究

多传感器多目标跟踪融合中的目标航迹包含了模糊信息，这种模糊信息可以用模糊隶属度函数来描述．利用对两航迹的位置偏差、速度偏差和加速度偏差进行模糊化、模糊逻辑推理及去模糊等技术，提出了分布式多传感器多目标航迹模糊融合关联方法，计算机仿真结果表明了模糊逻辑方法应用于多目标航迹融合关联判别的有效性，较好地解决了航迹融合关联问题。     

一种改进的基于FCM的目标跟踪数据关联算法

为了克服杂波环境下对多目标进行数据互联时,计算量出现组合爆炸现象,提出了改进的基于FCM的多目标跟踪数据关联算法.将航迹的预测值转换到各个传感器的观测空间作为各自的聚类中心,利用目标属于所有量测的隶属度,来代替JPDAF中的关联概率,将多目标数据关联问题可转化为模糊聚类问题,进行关联计算.改进的基于FCM的多目标跟踪数据关联算法,有效地利用了目标状态估计中的历史信息,实现量测与航迹的关联.该算法克服了JPDAF算法计算量大的缺点,实现杂波环境下多目标数据互联.仿真结果表明了该算法的有效性.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题，提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM．该算法利用分布式K—Means聚类算法对每个数值型属性进行聚类，求得聚类中心，由此构造全局模糊集，定义全局隶属度函数．DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘，采用全局一局部站点模式，其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF．实验结果表明，该算法能准确地生成全局模糊频繁项目集，在求解全局模糊频繁项目集过程中，传送局部模糊候选项目集支持数的通信量为O（n），提高了算法的挖掘效率．     

基于蚁群聚类的多目标跟踪航迹起始方法

针对杂波环境下的航迹起始的NP难问题,提出了一种基于蚁群聚类的数据关联方法.为每个测量数据赋予给定的特征值,利用基于拾起和放下的蚁群聚类算法确定所需起始目标航迹数目,利用模糊蚂蚁聚类算法提取目标航迹.数值仿真结果表明:在杂波密度稀疏、目标交叉运动的条件下,目标航迹起始的成功率为100％,最大运行时间为2.131 s;在密集杂波条件下,航迹起始的成功率为100％,最大运行时间为12.378 s.     

航迹关联不确定度评定方法

为了对多种关联算法进行有效集成,确保在信源系统误差估计、数据合成中使用正确关联的航迹,实现性能持续改进的信息融合系统,提出了多源航迹关联不确定度概念及其评定方法.以归一化航迹似然度为基础,综合考虑了传感器的虚情、漏情、未检测区域以及传感器参数的未确知性等因素,建立了航迹关联不确定度评定模型,并进行了仿真实验.结果表明,该模型能够正确反映目标间隔距离、传感器测量误差、航迹关联的正确性、检测概率与航迹关联不确定度之间的关系,且评定结果对传感器的系统误差、参数取值不敏感.     

过零双门限协作频谱感知算法

应用过零双门限协作频谱感知算法估计无线电频谱的占用状态,研究了认知用户个数、计算所用的采样点数、不同信噪比及判决系数对检测概率的影响,并与传统双门限能量检测、差分双门限能量检测算法的检测性能进行了对比研究,发现在信噪比为-5 dB,判决系数为0. 05,虚警概率小于等于0. 8时,过零双门限检测方法单认知用户检测性能明显优于其他2种检测方法;当信噪比均为-5 dB,参与协作感知的认知用户个数小于6时,过零双门限协作检测算法性能明显优于其他2种算法;在虚警概率恒定的情况下,增加计算所用的采样点数或增大判决系数能够明显提高检测概率;在虚警概率恒定情况下,算法检测概率随着信噪比增大而增大,当信噪比为-7 dB时,检测概率趋近于1;在相同的检测条件下,过零双门限协作检测算法的虚警概率要明显低于差分双门限检测的虚警概率。结果表明:过零双门限协作频谱感知算法可以降低系统的虚警概率,有效解决噪声不确定性问题,进一步提高系统感知性能。     

基于交叉效率DEA和目标规划的直觉模糊偏好关系排序方法

针对直觉模糊偏好关系排序问题,提出一种基于交叉效率DEA和目标规划的直觉模糊偏好关系排序向量的计算方法;在定义直觉模糊偏好关系导出矩阵的基础上构建了仁慈型交叉效率DEA模型,给出了基于直觉模糊偏好关系方案交互评价的排序向量隶属度求解算法;进一步考虑隶属度和非隶属度的内在联系,构建了获取各方案非隶属度的目标规划模型;最后,通过算例分析说明该方法不需要进行一致性调整,决策信息的损失能够得到有效避免,具有较好的可信度和广泛的适用性.     

多属性决策的时间不确定事件流时序推理方法

针对信息物理融合系统时间不确定事件流调度顺序的决策依据单一问题,首先利用D-S证据理论在多证据源概率融合上的优势,充分考虑事件优先级、截止期、紧迫度、事件依赖等多个属性的影响,构建具备多属性特征的模糊结束时刻基本概率分配求解模型。然后,建立D-S证据理论与直觉模糊集的关联模型,求解模糊结束时刻隶属度与非隶属度;最后,利用直觉模糊集负向时间推理理论和相关计分函数推导模糊开始时刻概率得分,得到时序推理结果,并以此确定基于多属性判据的时间不确定事件流调度顺序。实验结果表明,当事件数量增长时,调度准确率可保持在85%以上;当模糊区间限制规模扩大时,调度准确率下降幅度不超过15%。     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于空天信息的异类传感器模糊航迹关联算法

针对空天高速飞行器这类目标的跟踪问题实时性和精确性要求高的特点,高速飞行器目标的航迹关联问题同样要求高实时性和精确性。使用一种将粗关联和精关联相结合的模糊关联方法,对现有的模糊关联算法进行改进,综合考虑了目标的位置信息(距离和角度量测)和属性信息(目标的身份信息等),使用多因素模糊综合决策方法进行关联,使用模糊判决规则进行相关判定,对关联成功的航迹使用简单的加权融合算法进行航迹融合。模糊推理的方法较之传统的基于统计的方法,计算简单省时,提高了系统处理的实时性，仿真结果表明有效。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

基于概率假设密度滤波的红外弱小目标跟踪

目标数未知或随时间变化是红外弱小目标跟踪技术的一个难题。为解决这个问题,提出了基于概率假设密度滤波的红外弱小目标跟踪算法。从数据关联的角度出发,将目标集看作随机集,利用概率假设密度滤波的数据关联算法实现目标数未知的红外弱小目标的跟踪。实验结果表明,在杂波环境下,概率假设密度滤波可以稳健地跟踪红外弱小目标的目标状态和目标数目。     

基于非均匀采样间隔的数据关联算法研究

针对工程中普遍存在的非均匀采样目标跟踪问题,给出了基于多扫描的后向递归概率数据关联算法实现过程,讨论了判断目标丢失的准则.对分别基于一维和多维扫描数据进行数据关联判决的不同算法的性能进行了仿真分析.仿真结果表明:在采样次数不变的条件下,和应用单扫描的PDAF算法相比,多扫描非均匀采样方法能够获得更好的航迹维持性能.当目标检测概率越大、杂波密度越大、目标机动性能越大时,非均匀采样和均匀采样方法航迹维持性能的差别越大.     

基于颜色和边缘特征CAM Shift目标跟踪算法

针对连续自适应均值漂移(CAM Shift)目标跟踪算法只适用于特定颜色目标跟踪且容易受到光照变化影响和背景色干扰的缺点,提出了一种改进的CAM Shift目标跟踪算法。该算法采用颜色空间三基色权重直方图建立目标模型,并用目标边缘特征增加目标权重。首先通过颜色空间三基色均匀量化获得特征值,建立基于核函数概率密度估计的目标模型;然后用Sobel算子检测目标边缘特征,结合颜色特征,分别赋予不同的权重投影生成概率密度分布图;最后用MeanShift算法迭代寻找目标,并通过矩运算调整跟踪窗口大小和方向。实验结果表明:该算法可以有效跟踪多色彩目标,并能够抵御一定光照变化和大面积同色干扰的影响。