一种基于D-S推理的异源信息目标识别方法

讨论了多帧异类信源的目标识别问题,将D-S证据推理应用于多传感器的数据融合,将异类辨识框架下的证据体组合得到新置信指派,利用多个传感器共同或联合操作的优势来提高目标识别的有效性和精确性。同时给出基于基本概率赋值决策的目标识别时序累积方法。最后通过仿真验证了该方法的有效性,可信度及准确性得到提高,具有比累积前更可信的特点。     

Fusion of multiagent preference orderings with information on agent''''s importance being incomplete certain

The problem of fusing multiagent preference orderings, with information on agent's importance being incomplete certain with respect to a set of possible courses of action, is described. The approach is developed for dealing with the fusion problem described in the following sections and requires that each agent provides a preference ordering over the different alternatives completely independent of the other agents, and the information on agent's importance is incomplete certain. In this approach, the ternary comparison matrix of the alternatives is constructed, the eigenvector associated with the maximum eigenvalue of the ternary comparison matrix is attained so as to normalize priority vector of the alternatives. The interval number of the alternatives is then obtained by solving two sorts of linear programming problems. By comparing the interval numbers of the alternatives, the ranking of alternatives can be generated. Finally, some examples are given to show the feasibility and effectiveness of the method.     

PC／BMPE合金的裂纹扩展行为

用扫描电镜(SEM)研究了聚碳酸酯/双峰聚乙烯(PC/BMPE)合金断裂面的形貌,其断裂面可以分为裂纹引发区和裂纹扩展区.裂纹扩展区形成了大量的纤维,且这些纤维具有很大的塑性形变,而裂纹引发区几乎没有纤维形成,这是裂纹在缺陷处引发时存在气穴现象的缘故.冲击作用所产生的应力导致了裂纹尖端微空穴和聚合物纤维连结的形成,这个过程包括表面牵拉和纤维拉伸,裂纹形成时存在纤维的微颈细化过程,并用微颈细化理论建立了其微颈细化的理论模型.     

分布式异类传感器网异步采样下的航迹起始算法

为解决分布式异类传感器网异步采样下的航迹起始问题,基于模糊集理论,定义了测量集与目标间的模糊综合贴近度。基于模糊综合贴近度提出了分布式异类传感器网航迹起始算法。该算法通过模糊综合贴近度函数全局极值点的检测实现目标的检测,用与目标相关联的测量估计目标的初始状态。算法的特点是不需要掌握目标探测概率、虚警率、杂波密度等诸多信息。仿真实验验证了算法的有效性。     

分布式检测系统的幂求和融合准则

在基于局部检测统计量的分布式检测系统中,传统的直接求和融合准则在面对局部信噪比差异较大时,检测概率下降明显。在详细分析性能损失的原因之后,扩展出一类新融合准则。新准则通过对局部统计量的幂求和,实现对高信噪比数据的更有效利用。对一个双传感器并行分布式检测系统的仿真表明,高次幂求和在局部信噪比差异明显时,性能好于低次幂,当差异减小时则相反,低次幂求和的性能更好些。高次幂融合准则的鲁棒性更强。面对不同使用环境,应该综合考虑各局部传感器脉冲积累数目和局部信噪比的可能取值范围,从而选择合理的幂阶数进行融合。     

基于ESPRIT-LS的幅相补偿参数估计算法

幅相补偿是多频带雷达信号融合一维距离成像中的关键问题,其补偿的精度直接影响了信号融合的最终效果。分析了多雷达信号融合中的幅度相位模型,并基于旋转不变技术提出一种新的幅度相位补偿参数估计方法。该方法首先对幅相补偿模型进行预处理,使得处理后的阵列导向矢量具有旋转不变特性,然后采用ES-PRIT-LS算法同时估计多个雷达的幅相补偿参数。仿真结果表明该算法具有较高的估计精度,受噪声影响较小。     

基于Curvelet变换的多光谱图像与全色波段图像融合

为了使融合后的多光谱Ms图像在保持原始Ms图像光谱特性的同时,最大可能地提高空间分辨率,提出了一种基于Curvelet变换的遥感影像融合算法。该算法首先采用Curvelet变换提取全色波段Pan图像的空间细节信息,然后采用基于内容的注入模型将提取的空间信息局部调整后添加到各波段Ms图像中去,得到具有高空间分辨率的Ms图像。算法在有效避免融合后Ms图像光谱失真的同时,能够显著提高融合图像的空间质量。采用IKONOS卫星遥感影像进行了仿真实验,实验结果结果表明,该算法在光谱保留和空间质量提高方面比传统的基于小波变换融合算法具有更高的性能。     

RTQC误差配准算法性能分析

RTQC算法是一种已应用于工程中的经典的误差配准技术，但是该算法是在没有考虑随机量测误差的情况下给出的，没有揭示出随机量测误差对误差配准精度的影响规律。以雷达组网的误差配准为研究对象，推导了RTQC配准算法的准确形式，给出了随机量测误差为高斯分布条件下，RTQC配准算法的估计精度，从理论上分析了随机量测误差对算法性能的影响规律，纠正了人们对这一问题认识的偏颇。最后，通过仿真对理论分析的结果进行了验证。     

分布式主客观证据融合模型及其应用

为了有效地提高油田剩余油分布预测的准确率和可靠性,通过BP神经网络联合模型与两级D-S证据推理模型的优势互补进行主客观证据融合,实现了剩余油分布多属性特征的准确分类．提出了将BP神经网络分类结果的可信度及专家系统推理结论的可信度作为D-S证据推理模型输入证据基本概率赋值的有效方法．实际应用与结果分析表明了上述方法的有效性,为各类多源信息融合系统的研究和工程实现提供了示例、途径和有益的经验．     

一种基于相似度判据的K近邻分类器的车牌字符识别方法

针对K近邻方法分类准确率较高的特性,提出了一种基于相似度判据的K近邻分类器车牌字符识别方法.通过大量实验,选取字符的网格特征和轮廓特征作为分类依据,用特征融合方法将两种特征合并,实现特征的串行融合.根据相似度判据作K近邻分类,实现了一个车牌字符识别系统.实验表明,这种方法具有良好的识别效果,鲁棒性强,具有较大的实用价值.