基于随机文法的多功能雷达识别方法

 针对多功能雷达采用复杂体制而造成的辐射源不能正确识别问题,提出了一种基于随机文法(SG)的辐射源识别算法。该算法基于多功能雷达的句法模型,将威胁数据库中的多功能雷达文法分为随机正则文法(SRG)和随机上下文无关文法(SCFG)两种情况,并分别构造随机有限自动机(SFA)和随机下推自动机(SPDA)对测量辐射源进行识别。仿真实验表明,该方法不仅能识别出多功能雷达辐射源的型号及模式,而且能识别出雷达辐射源的功能状态,并进而推断出雷达辐射源的威胁等级。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

数据库技术在多传感器信息融合系统中的应用综述

数据库技术在多传感器信息融合系统中占有非常重要的地位。论文以数据库对融合算法的支持为目标,以数据库模型和数据融合数据库的全面设计为基础,在全面考虑面向特征的数据表征形式和组织结构的基础上,详细讨论了多传感器信息融合系统中数据库设计的基本理论,讨论了融合算法对数据库的需求和数据库设计,设计了辐射源识别的知识数据库。     

基于最小不可识别损伤模型的传感器优化布置

提出了一种以不可识别损伤最小为目标的传感器优化布置方法。该方法在某种损伤情况下,建立结构的损伤模型,得到任意传感器潜在位置处的预测效应值,将使不可识别损伤模型数目减少到最小的布设方案做为最优方案。考虑到在求解最小不可识别损伤模型的个数的过程中计算量巨大,针对最小不可识别损伤模型个数的求解,编制了相应的优化算法。算例分析验证了此方法原理明确,操作简单,实用性较强。     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

基于灰色理论的一种数据融合方法

在灰色关联分析的基础上,对斜关联度进行了修正,引出了点、斜修正关联度分析的概念.通过对影响目标属性识别的各种因素进行分析,结合战术思想利用灰色点、斜修正关联度分析及多目标优化方法建立了数据融合模型,提出了一种基于灰色理论的多传感器数据融合方法.计算多传感器测量数据的灰色关联矩阵,进行灰色优势分析,然后进行数据融合.此方法考虑了各传感器测量数据的精确度,而且删除掉了测量比较差或测量不到的数据.仿真结果表明,应用该方法可进一步提高多传感器的测量精度和可靠性,适用于多传感器的数据融合.     

融合双谱特征的雷达辐射源个体识别方法

双谱以其独特的抑制高斯有色噪声的优势,被广泛应用于雷达辐射源识别分析。采用双谱对角线作为雷达辐射源识别特征可以很大程度上减少计算量,但是使用双谱对角线作为唯一识别特征,会损失信号的部分幅度和分布特征。针对上述问题,提出了 1种基于辐射源信号双谱提取二次特征的方法。取双谱作为二次特征提取对象,根据信息熵概念定义双谱奇异值全局熵和双谱对角线的幅度分散熵,联合双谱对角线及其积分结果作为特征向量,将其送入神经网络进行识别。实验表明,相比双谱对角线法,该方法对辐射源识别的正确率平均提高约 3.3%。     

启发式多无人机协同路网持续监视轨迹规划

研究了旋翼无人机组在路网环境下的协同持续监视问题。基于最优化原理定义了路网持续监视问题。通过简化路网离散过程、考虑传感器识别准确度、引入不确定度度量,提出面向事件的路网持续监视问题建模方法。针对路网持续监视轨迹规划问题的特殊性,设计了一种启发式多无人机协同轨迹规划算法。通过理论分析和仿真对比,表明了算法的可行性、准确性和通用性。所提算法作为对当前路网巡逻方法的扩充,不仅可解决实际路网移动持续监视任务,也为基于图模型的持续数据采集、连续覆盖等任务提供一种解决方案。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。     

基于PSO-SVM的空中目标智能融合识别模型

支持向量机(SVM)算法能较好地解决传感器数据不完整、缺失情况。针对SVM关键参数难以选择问题,提出了基于粒子群-SVM算法空中目标智能融合识别模型。结合工程需求,进行仿真。仿真结果表明,该算法能较精确地识别目标。     

基于短时时差序列的无源定位方法

针对脉冲辐射源定位问题,提出了一种基于短时时差(TDOA)序列的多站无源定位新方法.首先建立了TDoA序列模型,然后推导了该方法定位误差的克拉美罗下限(CRLB),并提出了一种高效的解算方法--两步定位法(TSLM):第1步利用TDOA序列线性估计出TDOA及其变化率信息,第2步基于TDOA及其变化率信息进行定位.典型...     

基于云映射的多粒度语义决策属性识别

异类多传感器多属性目标识别中的描述性语义和决策属性信息无法直接进行识别判定,为此基于粒层转化的思想,提出了一种语义和决策属性识别方法。首先构造云映射函数,将语义和决策属性粒层统一到区间粒层,再根据灰色关联的思想计算区间化后的语义和决策属性信息与数据库之间的区间关联度,实现了不等粒层属性的粒度计算,最后采用证据推理进行了识别判定。结合语义和决策属性识别算例及对比分析,验证了所提出方法在异类数据模糊转化处理和识别上的有效性。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

面向空中目标威胁评估的多传感器管理方法

为了降低在空中目标威胁评估任务中由于威胁评估结果的不准确性和传感器辐射所带来的潜在损失，提出了一种基于风险的多传感器管理方法。首先，基于部分可观马尔可夫决策过程建立了传感器管理模型；然后，给出了基于信息状态的威胁评估风险和传感器辐射风险的预测方法以量化潜在损失；接着，为获得更优的作战收益，以多步风险预测值为决策依据，以两种风险的加权和最小为优化目标建立了长期目标函数；最后，在求解目标函数时，将传感器管理问题转化为决策树搜索，设计了一种基于分支定界的标准代价搜索算法以快速获得高质量的管理方案。仿真实验表明，所提算法能够在搜索到高质量解的同时大幅减少计算时间和内存消耗；所提方法能够对风险进行准确预测，且相比于经典的传感器管理方法，所提方法具有更好的风险控制效果。     

传感器位置误差条件下仅用到达频率差的无源定位性能分析

传感器自身的位置误差对辐射源的无源定位精度可能有较大影响,详细分析并推导了在存在传感器位置误差条件下,仅使用到达频率差(FDOA)参数对辐射源定位时,定位精度的克拉美罗下限(CRLB)和均方误差(MSE).在传感器位置误差条件下,提出仅用FDOA来同时估计辐射源和传感器位置的泰勒级数方法,并证明该定位方法理论上的MSE...     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

基于左矩阵分式模型的模态参数识别方法

提出一种多输入多输出(MIMO)系统的宽频模态参数识别算法。该方法基于频响函数(FRF)的左矩阵分式模型(LMFD),通过最小二乘法在z域内求解模态参数,避免了s域内矩阵的病态问题。针对左矩阵分式模型的特点,给出了一种通过主分量分析(PCA)建立稳定图的方法。指出了传统的频域多参考点(PRFD)方法与基于左矩阵分式模型识别方法之间的关系。最后采用GARTEUR模型仿真算例与飞机模型的实测算例对所提出的方法进行了验证,结果表明该方法具有良好的识别效果。     

基于模糊条件证据理论的雷达辐射源识别

基于不确定证据与不确定先验知识和谐的思想,利用模糊条件证据理论,给出一种融合模糊先验知识的新的雷达辐射源识别方法。首先,把雷达辐射源模糊观测数据表示为Dempster-Shafer（D—S）证据的随机集形式;然后,计算观测证据与模糊先验知识之间的和谐度;最后,利用模糊条件证据理论把需要融合的证据进行组合。这种方法可充分利用各种不同来源的信息,从而提高雷达识别的可靠性。     

自适应核模式分析方法及其在航空发动机部件性能衰退识别中的应用

针对测量数据因其部件之间的耦合不能有效识别各个部件性能衰退程度的问题,提出一种基于性能修正因子核模式分析的发动机部件性能衰退识别方法,并能与传感器测量偏差区分开。首先将传感器测量数据输入到自适应模型中去,产生一组用于识别部件性能衰退的修正因子。将修正因子参考模式通过核模式映射到高维特征空间中去,在此可分(基本可分)空间中完成识别。考虑到修正因子参考模式在高维空间中映射的像呈带状分布,几何距离不能有效识别,基于此采用神经网络方法对模式进行识别。识别成功率达到94.34%。进一步分析了特征约简的输入维数对识别效果的影响以及所提方法的泛化能力。考查了噪声对模式识别的影响,得到幅值3%以内的噪声对识别结果无明显影响。证明了“自适应模型+核模式分析+神经网络”识别方法是可行的。      

基于双重容量识别标准的航空网络关键航段识别方法

对航空网络中的关键航段进行有效识别存在传统识别方法单一,网络性能评价指标不全面等问题,提出一种基于双重容量识别标准的航空网络关键航段识别方法。通过建立脆弱识别标准和瓶颈识别标准,从航段容量变化对航空网络综合性能影响的角度对网络中的关键航段进行识别,并在网络性能评价阶段,采用一种基于AHP的航空网络综合性能评价指标,使用基于UE模型的空中交通流量分配模型,对该识别方法的有效性进行验证。结果表明:该方法能够对航空网络中的关键航段进行有效识别。