天波超视距雷达数据关联跟踪算法现状研究

在远程预警系统中,天波超视距雷达以其探测距离远、覆盖范围大和抗隐身等优点受到各国学者的广泛关注。但其存在的"三低"和"多径"——低检测概率、低测量精度、低数据率和多传播路径问题给目标跟踪带来很大困难。探讨了天波超视距雷达目标跟踪数据处理算法目前存在的一些问题,回顾了目前天波超视距雷达数据关联跟踪算法研究的发展现状,讨论了基于不同坐标系的天波超视距雷达数据关联跟踪算法的优缺点,并指出了应重点研究的方向。     

小波不变矩在图像识别中的应用研究*

从矩特征的一般表达方式出发,引入了一种新的不变矩——小波不变矩,并将其用于飞机图像的识别中,仿真结果表明,同Hu矩和Zernike矩相比,该算法具有比较好的识别效果。     

基于三级信息融合结构的多平台多雷达目标识别算法

为了解决多平台多雷达目标识别时空信息融合过程中存在的时效性不高,识别特征信息模糊和雷达识别结果高冲突等问题,提出了一种基于三级信息融合结构的多平台多雷达目标识别算法。一级特征融合中,基于模糊评判法解决了多特征识别信息模糊问题。二级空域融合中,基于DS融合规则和折扣融合规则,提出了以平均证据距离为阈值的自适应证据融合算法。三级时域融合基于多雷达序列信息,给出了时域自适应融合算法。仿真计算结果表明文中提出的融合结构能够在保证结果正确的同时,每个周期都能输出结果,时效性较之以往的融合结构有了明显改善。文中的自适应证据融合算法能够克服证据间可能存在的高冲突性,并且与采用折扣证据融合算法相比计算量显著减少。     

基于直觉模糊和证据理论的混合型偏好信息集结方法

针对混合型偏好信息的集结问题,利用直觉模糊实现了5类混合型偏好信息的统一,提出利用冲突系数和Jousselme距离综合表示的证据冲突度计算专家权重的方法,最后利用Demsper组合规则对专家权重修正后的证据进行组合.实例分析表明,所提出的偏好信息统一方法能够保持转化前后方案的优先顺序不变,通过专家权重对专家意见的修正使得证据合成结果能体现多数专家的一致意见,具有较高的实用价值.     

复杂网络交叠团模糊分析与信息挖掘*

针对复杂网络交叠团的聚类与模糊分析方法设计问题,给出一种新的模糊度量及相应的模糊聚类方法,并以新度量为基础,设计出两种挖掘网络模糊拓扑特征的新指标：团间连接紧密程度和模糊点对交叠团的连接贡献度,并将其用于网络交叠模块拓扑结构宏观分析和团间关键点提取。实验结果表明,使用该聚类与分析方法不仅可以获得模糊团结构,而且能够揭示出新的网络特征。该方法为复杂网络聚类后分析提供了新的视角。     

基于空间关系几何约束的无人机景象匹配导航*

针对GPS的信号强度较弱、易受各种电磁干扰,提出一种基于空间关系几何约束的景象匹配导航算法。首先基于空间关系几何约束的多匹配区选择方法,将实时图划分为多个分区;然后采用基于边缘响应的加权Hausdorff距离景象匹配算法对各个匹配区进行定位计算;最后,通过最优配准点坐标估计策略,解算出无人机实时图中心在基准图上的精确定位坐标。多区域景象匹配采用并行计算方法,利用历史导航信息来辅助修正景象匹配导航误差。实验结果表明,该算法可较好地满足无人机对景象匹配导航算法实时性、精确性的性能要求。     

运动目标联合跟踪与分类研究综述*

目标跟踪与分类是现代跟踪系统的基本功能,不同的数据特性使得传统研究经常忽视二者之间的联系而将其分开处理。联合跟踪与分类研究则充分利用二者之间的耦合关系,使之互为补充,达到提高各自精度的目的。在分析联合跟踪与分类算法基本原理的基础上,按机理将其分为基于贝叶斯推理、D-S理论和贝叶斯风险框架下的联合跟踪与分类算法,并对三种框架下的算法进行了综述与性能比较。指出了联合跟踪与分类算法研究存在的问题及进一步研究的方向。     

快速的自适应景象匹配算法

在基于改进Hausdorff 距离的景象匹配辅助导航系统中,为满足系统对实时性的要求,常采用小波多尺度图像分解进行由粗到精的分层匹配,但这种方法对于图像尺寸较小的情况不太适应。基于Hausdorff距离特性,首先提出一种跳跃式的搜索策略,通过对跳跃式搜索及小波多尺度分解两种方法的分析比较,进一步提出一种自适应的快速匹配方法。仿真结果表明,在保证匹配概率的同时,提出的自适应的快速匹配方法比仅采用小波多尺度分层匹配的实时性更好,且在图像尺寸较小时仍能精确定位。     

基于局部冲突分配策略的DST算法研究

为有效克服证据理论(DST)组合规则存在的小足,提出一种基于局部冲突分配策略的DST改进算法.首先根据证据距离获得各个证据的相互支持度,并将支持度归一化为证据的相对可信度;然后通过分析局部冲突产生的原因,将冲突信息只分配给产生冲突的焦元,且分配给焦元的信息取决于证据之间焦元的信任度和相似度.实验结果表明,所提出的算法提高了证据合成结果的可靠性与合理性,可有效地解决高冲突证据融合的问题.     

基于最小均方误差估计的噪声相关UKF设计

传统Unscented卡尔曼滤波器(UKf)要求系统噪声和量测噪声必须是互不相关的.针对此局限性,研究了一类带相关噪声的非线性离散系统UKF设计方法.基于最小均方误差估计和正交变换,给出了噪声相关UKF滤波递推公式,并采用Unscented变换(UT)来计算系统状态的后验分布.所设计的UKF有效解决了传统UKF在噪声相关条件下非线性滤波失效的问题,拓展了UKF的应用范围.最后,仿真实例表明了所设计UKF的有效性.