基于差值修正的IFS到ZFS转换方法

针对直觉模糊集中倾向性对犹豫度取值的影响,提出一种基于差值修正的直觉模糊集到模糊集的转换方法.首先,以投票模型为例,分析了现有的转换方法,包括均值法、比例法和分段比例法,揭示了它们的局限性.其次,针对直觉模糊集与模糊集的特点,提出一种基于差值修正的转换方法,并对其建立了相应的几何表示.最后,通过实例分析,验证了方法的有效性.该方法与现有方法相比,更加符合人们的直觉,使直觉模糊集中具有倾向性的犹豫度赋值含义更加明确.     

Zadeh模糊推理算法的直觉化扩展

对Zadeh模糊推理算法进行了直觉化扩展.将Zadeh定义的模糊关系Rm进行直觉化扩展,推出了其对应的直觉模糊取式推理算法和直觉模糊拒式推理算法.以具体算例叙述了推理计算过程中的细节,验证了方法的正确性和有效性,并依据直觉准则,对其性能进行了评价.     

基于波形熵的雷达目标一维距离像检测技术

高分辨雷达一维距离像目标检测实质上是扩展目标检测,具有与低分辨雷达回波目标检测不同的特点.通过分析目标一维距离像和噪声的波形特点,提出了一种基于波形熵的一维距离像检测方法.该方法对目标一维距离像信号形式和噪声的先验知识要求少,运算复杂性小,易于工程实现.仿真实验说明算法能有效地提高检测性能.     

基于直觉模糊优选动态规划的武器协同运用

将武器运用问题看作一个多阶段多指标的系统,对空战协同武器运用问题进行了分析研究.当作战指标值不能精确给出时,将直觉模糊优选理论与动态规划技术相结合,提出了一种基于直觉模糊优选动态规划.将各作战方案的指标值转化为一个模糊决策矩阵,得出各个作战方案的直觉模糊评价值.通过实例进行了仿真分析,结果表明,所提出的方法可以得到各个阶段的最优决策     

一种新的周期性运动部件调制谱估计方法

目标内部运动部件对雷达回波产生的周期性运动部件调制 (PMPM )为目标识别提供了丰富的特征信息。但由于大多数雷达均采用多目标工作方式 ,因此 ,通常情况下只能从雷达获得不连续的目标回波脉冲串 ,这极大增加了根据目标回波频谱提取PMPM特征的难度。针对含PMPM目标回波频谱具有简单结构这一特点 ,提出了基于最小熵准则的交替迭代反卷积方法(AIDME)用于扩展目标雷达回波频谱估计。结果表明 :与傅里叶谱分析方法相比 ,该方法能够有效消除卷积核函数的不利影响 ,获得逼近目标回波真实谱的良好谱估计结果     

一种改进的模糊可靠度计算方法

根据模糊集理论推导了一种模糊可靠度的计算方法,并对模糊可靠度计算时如何运用隶属函数的问题进行了讨论.该方法的特点是将模糊可靠度用普通事件的概率来表示,因而其应用范围更广,且适用于计算机的仿真.     

模糊多目标半定规划

将模糊集理论、多目标规划、半定规划三者结合起来,提出含有约束的模糊多目标半定规划(FMSDP),构造隶属度函数。将模糊多目标半定规划转化为一般的多目标半定规划(MSDP)。通过引入隶属度函数及一系列的转化研究,给出一种模糊多目标规划的解法。     

利用RCS信息的空间目标雷达识别

本文应用模糊数学和天体力学原理,提出了一种利用空间目标的雷达散射截面(RCS)时间序列进行特征提取和模糊分类的目标识别方法,给出了利用该方法对三种尺寸的三轴稳定式目标RCS序列进行特征提取和模糊识别的仿真结果。     

基于多级模糊综合评判的雷达网目标识别技术

由于目前的战场环境非常复杂,目标识别具有重要意义。有关雷达的基于模糊综合评判的目标识别技术目前研究比较多,通过类似的方法可以进一步进行雷达网的目标识别,即采取两个单级模糊综合评判方法进行雷达网的目标识别,但这种方法具有一定的弱点,文中根据雷达网探测目标的特点,提出了一种基于多级模糊综合评判的雷达网目标识别方法。对这种方法与雷达网基于两个单级模糊综合评判进行目标识别的方法进行了仿真比较,结果表明前者较之后者具有计算量小、识别精确、便于工程应用的特点。     

脉冲雷达凝视模式下低轨碎片相对运动特征分析

脉冲雷达凝视模式是一种探测低轨小碎片的重要方式,其中低轨碎片与雷达的径向运动关系是碎片统计分析的基础.为推算碎片相对雷达的运动特征,基于坐标系的相互转换,先利用雷达测站信息,得到可见碎片在地惯坐标系下的轨道信息;再逆向将目标不同时刻的位置转换至测站坐标系下,得到目标的径向运动特征.在不同要素（雷达波束指向、雷达仰角、测站纬度、目标距离）下,仿真及对比分析了各个参数对速度模糊度、雷达可见性等的影响,得出在凝视模式下目标相对雷达近似做径向匀加速运动,这为后续试验工作提供有力的依据.     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

基于实测数据的海杂波与海面小目标特征分析

目标特性是雷达目标检测识别等精细化处理的基础。设计检测器主要是设计 1个检测统计量,使之在有无目标时有尽可能大的差别。经典的检测主要用幅度特性、相关性等。利用 X波段雷达 2~5级海况下航道浮标实测数据,分别对比分析海况连续变化下海杂波和海面小目标的时间相关性、空间相关性、相对平均幅度(RelativeAver-ageAmplitude,RAA)、相对多普勒峰高(RelativeDopplerPeakHeight,RDPH)和相对多普勒向量熵(RelativeVector Entropy,RVE)5种特征的变化情况。大量实测数据验证表明,随着海况等级增加,海杂波与海面小目标的时空强相关数值逐渐变小:2~5级海况下,RAA具有较好的可区分性;2~3级海况下,RDPH据有较好的可区分性,4~5级海况下区分效果不理想;5级海况下,RVE的具有较好的可分效果。结论对于海杂波背景下雷达目标特征检测方法优化设计具有重要意义。     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

Target Identification by Natural Resonance Estimation

This paper presents a target identification method based on an estimation of the natural frequencies of oscillation in transient radar signatures. The emphasis is placed upon signal modeling and estimation ation strategy rather than relating resonance locations to physical structures. Salient features of this identification method are: 1) target aspect angle is not needed, 2) multiple targets of the same type can be illuminated simultaneously, and 3) bandpass interrogation ion pulses can be used. The latter feature is compatible with existing radar facilities. The method is applied to some simulated transfer functions, and factors affecting estimate accuracy are discussed.     

基于S变换的时频特征提取与目标识别

目标的时间-频率联合分布能够很好地反映目标物理结构特征,可以作为雷达目标识别的一个有效手段。针对现有时频分析方法存在的识别率低和抗噪性能差等问题,提出一种基于S变换的空间目标回波信号电磁特征提取与识别方法。首先对目标的雷达回波进行时频分析,得出在较大方位角变化范围内和不同信噪比情况下,目标S变换的时频分布具有相对不变性的结论;然后基于这种稳定的时频分布特征,采用最小贴近度的方法进行分类识别。针对不同目标模型的仿真结果表明,该方法的识别率高于其他时频分析方法并且具有很好的鲁棒性。     

Bayesian and Dempster-Shafer target identification for radarsurveillance

This paper considers the problem of target track identification in a radar surveillance system. To build a target identifier alongside a tracker, four features which are available for real-time processing in an air surveillance system are used here: target identity (TID) from a friend-and-foe identification (IFF) system, elevation measurement from the radar, target speed, and acceleration estimated by a tracker. These four features are combined to classify air targets into five different air target categories: friendly commercial, friendly military, hostile commercial (or unknown airline), hostile military, and false targets (clutter). Two popular statistic-based techniques, namely, the Bayesian and Dempster-Shafer methods, are applied to develop radar target identification algorithms for our application. Real-life as well as simulated air surveillance radar data are used to evaluate the practicality and effectiveness of this track identification approach in a radar surveillance system     

JEM modeling and measurement for radar target identification

The jet engine modulation (JEM) phenomenon, observed in radar returns from the rotating structure of jet engines, has been successfully exploited for aircraft target identification in a number of experimental radar systems. The authors develop a parametric model based on the periodic modulation of the scattered return, motivated by the potential reduction in time-on-target for reliable target identification provided by parametric models as well as by gaining insight into the JEM phenomenon. They compare the model with JEM measurements made with an experimental radar system and discuss the implications for JEM-based target identification systems     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

基于贝叶斯网络的末制导雷达模糊可靠性分析

弹载末制导雷达可靠性多含不确定性与模糊性因素影响,且其具有样本量小、可靠性高等特点,传统可靠性评估方法难以适用。提出了一种基于贝叶斯网络的模糊可靠性分析方法,以某型导弹末制导雷达系统的为具体研究对象,对其进行可靠性分析,验证了方法的有效性。