基于博弈论的GRA-TOPSIS辐射源威胁评估方法

将辐射源威胁评估作为多属性决策问题进行处理时，侦察方无法获取敌方辐射源的所有信息，而逼近理想解排序（TOPSIS）法在处理“贫信息”问题时很难得到完美结果，而且其仅仅考虑指标之间的欧氏距离，无法反映各指标间的关联性。针对TOPSIS法存在的问题，将灰色关联分析（GRA）和TOPSIS法结合，提出一种基于博弈论的GRA-TOPSIS辐射源威胁评估模型。在构建辐射源目标综合评价指标体系的基础上，运用博弈论（GT）思想将区间层次分析法（IAHP）所得主观权重和信息熵所得客观权重进行组合得到综合权重，能够较大程度减少单独赋权带来的信息损失。在基于GRA-TOPSIS辐射源威胁评估模型下，构建了关于战场态势的决策信息系统，通过与传统TOPSIS法进行对比仿真，验证了所提方法的有效性，有助于对辐射源进行更精细准确地排序。      

基于CRITIC-TOPSIS的动态辐射源威胁评估

为解决传统辐射源威胁评估方法与空战动态态势联系不紧密的问题，提高评估准确度，提出泊松分布逆形式与逼近理想解排序（TOPSIS）方法相结合的算法，并引入指标相关性的权重确定（CRITIC）方法分配属性权重，构建基于CRITIC-TOPSIS的动态辐射源威胁评估模型。针对传统方法仅依靠当前侦收数据，未体现空战态势动态变化的不足，采用泊松分布逆形式融合多个时刻的辐射源数据信息，实现动态评估；针对传统TOPSIS方法依赖主观赋值的问题，CRITIC方法综合考虑单个指标内部和多个指标之间的关联性，能完整描述属性信息并客观分配属性权重。仿真结果表明，相较于传统静态评估模型，所提模型对于威胁度不同的辐射源区分度更大，评估准确性和可靠性更高。      

基于RS-CRITIC的空战目标威胁评估

针对不确定信息下的空战目标威胁评估问题，提出了一种基于粗糙集（RS）理论和指标重要性相关（CRITIC）法的目标威胁评估模型。首先，通过CRITIC法确定准确信息下的目标威胁值，利用数据挖掘（MD）启发式算法求解最佳分割集合，将目标威胁值离散化处理后替代粗糙集决策信息系统中的决策属性。其次，基于构建的完备粗糙集决策信息系统，通过决策矩阵实现属性约简和目标威胁评估最小决策规则提取。最后，将规则应用于不确定信息下的目标威胁评估。仿真结果表明:所提模型能够实现信息缺失下的目标威胁评估，减少了主观因素和先验知识的影响，扩展了粗糙集理论应用范围。      

基于灰色理论的复杂系统多故障模糊诊断

航天、核电等复杂系统源发故障概率通常难于获取,由此导致基于最大后验概率准则的诊断方法失效。针对上述问题,从测试可靠性先验概率入手,提出了一种基于相关矩阵和灰色系统理论的故障诊断方法,通过对系统建立故障-测试相关矩阵,生成有排序的测试报警概率矩阵,并利用灰色关联度衡量测试结果向量与故障特征向量的接近度,实现了对多发故障的模糊诊断。实验结果表明,该方法在诊断指标权重调整、诊断精细度、重点关注故障检出等方面优势明显,诊断结论正确率满足实用需求。     

密集烘烤过程中烤房叶间风速指标的灰色关联聚类分析

在烘烤过程中,密集烤房内部不同位点的风速之间密切又复杂.为确定风速指标间的关系,测定了密集烤房内405个风速值,对15个风速指标进行了灰色关联聚类分析.结果表明：当聚类临界值为0.8时,15个风速指标可被聚为2类;当聚类临界值为0.7时,15个风速指标可被聚为1类.通过分析,密集烤房内部同一平面不同位点的风速差异较小,可视为均匀一致,密集烤房能够保证装烟室同一层烟叶整体上均处于同样的变色和干燥环境下,从而能够在理论上保证其烟叶相同的烘烤质量.     

基于IFA-HFS的雷达波形域LPI性能评估方法

针对雷达波形域低截获（LPI）性能评估的问题，提出一种应用改进萤火虫算法（IFA）求解指标权重的犹豫模糊集（HFS）评估方法。首先，介绍基于逼近理想解排序（TOPSIS）的犹豫模糊集理论，并从属性和方案2个角度构建指标权重的优化模型；其次，通过引入混沌理论，解决了萤火虫算法容易陷入局部最优的问题，给出用IFA求解指标权重的流程；再次，从雷达发射方角度，提取脉内、脉间5个波形域LPI性能评估指标；最后，得到利用IFA求解指标权重的犹豫模糊集评估方法。选取4种不同类型的雷达进行仿真对比，获得波形域LPI性能排序，验证了方法的快速性和有效性。      

基于朝向约束和重识别特征的目标轨迹关联方法

基于检测关联和深度学习的目标轨迹关联方法是计算机视觉领域的研究热点之一，但现有方法设计中缺乏有效的时空约束，且目标表观特征泛化能力不足，在目标朝向差异明显的情况下会发生识别错误，在目标轨迹关联时会导致频繁的ID切换和错误关联。针对该问题，提出了一种基于朝向约束和重识别特征的目标轨迹关联方法。将行人朝向判别引入行人重识别中，提出了一种具有朝向约束力的行人重识别网络模型，提升了目标特征的表示能力。结合目标朝向、卡尔曼滤波得到的位置信息、重叠面积等时空特征，提出一种基于朝向约束的分层轨迹关联模型，得到单相机内的目标轨迹。在跨相机场景中，通过引入一种简单有效的双向竞争匹配机制，实现了目标轨迹的有效关联。实验结果表明: 所提方法在MOT数据集上度量指标优于多种方法，能够减少频繁的ID交换，有效解决了相似目标相向而行时的错误关联；帧率达到19.6帧/s，能够满足近实时场景下的使用要求。      

基于灰色区间关联的UCAV自主决策方法

为解决信息不完备条件下的无人作战飞机（UCAV,Unmanned Combat Air Vehicle）战术决策问题,提出一种基于灰色区间关联的UCAV自主战术决策方法.依照作战任务要求选取决策要素,建立UCAV决策推理的规则库.构建不完备信息模型,并基于灰色区间关联理论给出UCAV战术决策模型;设计冲突消解算法,有效解决不完备信息导致的推理失效问题.仿真实例模拟了决策过程,验证了该方法在解决UCAV战术决策问题上的可行性和在化解规则匹配冲突方面的有效性.仿真结果表明,该方法能够应对决策要素不确定性较大的情况,并给出合理的战术行为推理结果.     

压力传感器动态校准不确定度评定

压力传感器动态校准不确定度是表征其测量精度的重要指标.提出一种用于压力传感器动态校准不确定度评价的灰色方法.首先,使用正弦压力发生器产生标准的正弦压力信号驱动被校传感器,获取传感器特征输出;然后采用灰色关联分析处理传感器特征数据,得到权重数列;之后建立灰色模型并计算出各校准频率点的灰色偏度;最后采用加权最小二乘法去拟合以得到的工作频率范围内所有频率点的不确定数据,建立起被校压力传感器的动态校准不确定度模型.设置了幅值变化及不变两种情况下的实验验证方案,使用本文所提灰方法及黄方法分别对各方案下的数据进行处理;实验结果的对比表明:两种方案下所得动态校准不确定度曲线模型具有一致性;其中幅值变化情况下,两种方法在指定校准频率点所得校准不确定度的相对误差优于6%,在测试频率点相对误差也小于10%;幅值不变情况下,在大部分频率点处所得相对误差普遍小于5%,部分优于0.018%.实验分析证明,所提灰方法能很可靠地评估压力传感器动态校准不确定度.      

一种参数区间交叉类型的目标识别方法

针对参数区间为交叉类型的目标识别问题，提出了基于直觉模糊集和云模型的逼近理想点（TOPSIS）识别方法。构建了包含个体类和交叉类的目标数据库模型，根据云模型的多步估计算法，得到未知目标相对已知目标类的确定度，提出了确定度向隶属度和非隶属度的转化方法，基于直觉模糊熵计算特征属性的动态权重，形成了去模糊距离测度的TOPSIS识别方法，应用于辐射源信号识别。仿真结果表明，所提方法对参数区间交叉类型的目标正确识别率较高，具有一定的实际应用价值。      

基于粗糙集-信息熵的辐射源威胁评估方法

为满足复杂电磁环境下战机对辐射源威胁等级判定算法的需求,将粗糙集理论引入对雷达辐射源威胁评估中,并结合信息熵理论构建一套完备的计算威胁度量值的数据处理模型,实现对辐射源威胁程度的定量表示,直观地评估辐射源的威胁程度。经典粗糙集理论难以应对在没有决策信息条件下的决策问题,采用信息熵的方法求取最大权重属性替代决策属性,拓展粗糙集的适用范围。模型直接基于数据驱动得到辐射源的威胁度量值,易于实现并具备良好的时效性,减少系统对先验信息的要求与主观赋值带来的影响。仿真结果表明,该方法可以快速、准确地实现对辐射源威胁的评估。      

基于回归型支持向量机的空战目标威胁评估

空战目标威胁评估是协同多目标攻击中的关键问题.针对传统空战目标威胁评估方法在确定权重系数方面的不足,提出了一种新的基于回归型支持向量机的评估方法.在分析了现有的空战目标威胁评估方法中距离威胁模型存在缺陷的基础上,提出了改进的距离威胁模型.建立了基于回归型支持向量机的空战目标威胁评估模型,利用该模型对想定的空战目标进行了威胁评估.仿真结果表明,该方法具有很好的预测能力,可以快速、准确地完成空战目标威胁评估.     

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。     

证据源权重的计算及其在证据融合中的应用

证据融合是提高目标识别准确性的有效方法.为了解决高度冲突证据融合时产生不合理结果的问题,提出了证据源权重的评定原则.引入了证据距离的概念,根据证据源权重的评定原则,提出了证据源权重的计算方法,实现了对各传感器证据的按权相加修正,从而在信息融合之前消除了冲突证据,避免了不合理结果的产生.为了有效利用先验知识,提高目标识别的效率,分两种情况设计了证据融合的方案,并进行了融合复杂性分析.分别对两种证据融合方案进行了仿真试验并进行了比较分析,仿真结果验证了使用证据融合进行目标识别的有效性.