基于模糊加权的分布式IMMJPDA算法

提出了一种基于模糊加权的分布式交互多模型联合概率数据互联算法.该算法在融合中心采用模糊加权方法对不同传感器关于同一目标的模型概率、状态估计及其协方差进行融合,而模糊权值为各传感器关于各目标的状态估计协方差的迹的隶属度.最后通过计算机仿真验证了该算法的正确性和有效性.     

一种水中目标深度估计和运动状态跟踪方法

建立水下目标深度估计模型,采用LMS自适应时延估计算法来估计时延,并用可变步长方法及sinc函数内插法提高估计精度;建立水下目标运动状态跟踪模型,采用基于方位时延的扩展卡尔曼滤波算法来估算水下目标运动状态信息;通过消声水池、湖泊和仿真试验,表明该方法有效可行。     

一种基于合作目标的机动雷达误差配准技术

针对机动平台传感器非协同误差配准技术实施难度大和配准效果差的问题,对基于合作目标的协同误差配准技术进行了研究。首先根据传感器对合作目标的地球直角坐标系量测方程,建立了系统误差的估计模型,然后根据建立的系统误差估计模型,利用传感器获得的量测和目标通过数据链上报的导航信息,采用最大似然估计技术,对系统误差进行估计。仿真结果表明：该系统误差估计模型可得到系统误差的有效估计,并对目标的导航误差具有强鲁棒性,因此该算法具有一定的工程应用前景。     

基于证据理论态势估计中的目标分组方法

在态势估计问题中，战场态势目标尤其是敌方目标的分组识别非常重要，是指挥员指挥作战所关心的重要问题之一，也是对敌方作战意图识别的必要环节，以D-S证据理论为依据，采用模板匹配的方法，提出了一种识别敌目标分组的算法，最后通过算例对该方法进行了验证。     

基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。     

基于SA-PSO算法的多基地声纳水下目标初始位置估计

本文首先通过理论推导分析了利用多基地声纳发射端,声纳接收端以及双基地联合定位各自的水下目标测量误差,仿真结果表明联合定位得到的量测误差明显小于单个声纳的定位精度。其次,针对水下目标初始位置估计精度较低的问题,将模拟退火粒子群算法(SA-PSO)算法运用到双基地的水下目标初始位置估计,该算法基于初始时刻获取量测和估计量测的加权最小二乘原则估计目标的初始位置。仿真结果表明,该算法以少于60次的迭代次数收敛,并且初始位置估计误差略大于克拉美劳下界。     

基于变分模态时频分布下的水下目标DOA估计研究

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。     

一种基于改进支持向量机的目标威胁估计方法

针对现代战争对信息获取和处理的需求,在综合考虑信息融合中目标威胁估计的特点和目标威胁值的主要影响因素的基础上,论文提出了一种基于改进支持向量机(PSO-SVM)目标威胁估计方法。论文建立了PSO-SVM目标威胁估计模型,实现了PSO-SVM目标威胁估计算法,并对该方法进行了仿真实验。仿真实验结果显示,论文算法的平均误差绝对值为零,远远优于普通的SVM算法,具有很好的预测能力,可以快速、准确地实现作战目标威胁估计。     

基于粒子群算法的水下多元线阵阵形有源校正方法

针对存在阵元位置误差的水下多元线阵,提出一种基于粒子群优化算法的远场有源阵形校正方法。该方法选用2个辅助源分时工作方式,利用无条件最大似然方位估计算法构建目标函数,并通过粒子群算法对阵元位置进行寻优。利用该方法对均匀线阵进行性能仿真实验。结果表明:该方法稳健性好、校正精度高,具有一定的应用前景。     

基于粒子群算法的水下多元线阵阵形有源校正方法

针对存在阵元位置误差的水下多元线阵,提出一种基于粒子群优化算法的远场有源阵形校正方法.该方法选用2个辅助源分时工作方式,利用无条件最大似然方位估计算法构建目标函数,并通过粒子群算法对阵元位置进行寻优.利用该方法对均匀线阵进行性能仿真实验.结果表明:该方法稳健性好、校正精度高,具有一定的应用前景.     

基于分级聚类和近邻函数准则的目标分群算法

文章依据分级聚类的方法和近邻函数准则算法的原理,提出了基于分级聚类和近邻函数准则的目标分群算法,对于攻击目标编队的分群具有重要意义。     

基于并行聚类算法的无监督异常检测研究

为满足高效聚类大规模数据集的要求,该文提出一种基于k均值算法的并行聚类算法,该并行算法能使聚类时间随节点主机数目的增多,呈近似线性递减。为了更好地平衡检测率与误报率,文章又提出了基于平方误差最小的重定位算法,相比于李娜等人提出的算法,该重定位算法使检测率提升了5%,误报率降低了1.1%。实验结果表明,该文算法不但能够提高聚类效率,而且能够更加有效地检测出已知和未知攻击。     

有标记的文本聚类方法研究

聚类分析是一种模式识别无监督的分类方法。对于根据类别先验知识已经分类的文本,提出一种有标记的文本聚类分类方法。这种方法是在模糊聚类算法基础上进行了改进,通过有标记的文本样本,利用模糊聚类算法提取分类规则,然后用模糊推理方法进行分类的一种算法。文中讨论了此算法的具体数学模型,给出了算法流程。并通过实验验证了这种聚类方法是一种有效的文本分类手段。     

基于YOLOv3的船舶目标检测算法

为提高船舶目标智能检测的精度和实时性,提出一种基于YOLOv3算法的船舶目标检测方法,可用于视频图像的监测与跟踪。参照PASCAL VOC数据集格式,构建船舶目标检测数据集,采用k-means聚类先验框、mixup、标签平滑化等方法对算法进行改进和优化,在GPU(Graphic Processing Unit)云服务器中完成算法模型的训练和检测,并与FasterR-CNN、SSD(Single Shot MultiBox Detector)、原始YOLOv3等算法进行模型性能的试验对比。试验结果表明:改进的算法明显优于其他算法,其在测试集上的平均精度均值(mean Average Precision,mAP)和检测速度分别达到89.90%和30每秒检测帧数(Frames Per Second,FPS)。     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

基于聚类的干扰资源优化分配研究

对雷达网干扰资源的优化分配,是一个重要而又难以解决的课题.首先,在对雷达干扰资源优化分配模型研究的基础上,提出了基于聚类的干扰资源最大化算法.然后,对算法在雷达网干扰资源分配上的技术实现上进行了计算机仿真.仿真结果表明：基于聚类的算法能很好地解决雷达网干扰资源优化分配问题,具有较好的资源分配效益.     

红外序列图像帧间匹配算法研究

文章在现有单帧图像检测算法的基础上,提出了一种可同步跟踪运动目标的帧间匹配算法。算法采取对相邻两帧间像素点匹配,匹配过程与当前两帧外的其余帧无关,把匹配结果兴趣区域像素点对应的另一个全零矩阵位置值赋为1,顺利输入检测后的单帧图像,执行匹配操作,实时形成目标运动轨迹。该算法结构简单、存储量少、计算速度快,硬件平台要就低,可有效地完成对多个目标、交叉目标、迎头目标的检测与跟踪。根据仿真和实拍照片的试验,证实了算法理论上的优点,有较高的应用价值。     

多目标微粒群优化聚类算法及应用

提出了多目标函数评价法,通过定义两个新的目标函数实现了基于多目标微粒群优化聚类算法,可实现对多目标优化问题非劣最优解集Pareto的搜索.同时根据电磁力的计算公式定义了新的相似度测量方法,该相似度测量考虑了聚类簇的大小对数据划分的影响.给出了IRIS数据仿真结果,用入侵数据集KDD CUP99测试,实验结果验证了该算法的有效性.     

雷达机动目标的自适应跟踪算法

机动目标跟踪一直是雷达目标跟踪的重点难点,论文建立了一种当前统计模型的目标运动模型,给出了概率密度以及非零均值目标加速度随机过程数学表达式,结合基本Kalman滤波,建立了基于该模型的机动目标跟踪自适应算法.最后针对实际目标机动情况,对其进行仿真计算,仿真结果证明,该算法具有良好的跟踪性能.     

舰载光电跟踪系统软件优化研究

为了解决与战场环境相适应的红外目标警戒与跟踪问题,在介绍传统的目标检测与跟踪算法基础上,分析了先检测后跟踪算法（DBT）与先跟踪后检测算法（TBD）的优缺点,并结合海空背景下运动目标红外成像特点,提出了一个研究方向—边检测边跟踪算法模型。该模型通过对序列图像中相邻帧间进行匹配,完成一个基本的检测与跟踪过程,与输入单帧图像同步输出目标运动轨迹,适用于舰载光电跟踪仪的软件优化升级,具有较高可靠性、实时性和军事应用价值。