结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。     

多尺度融合估计算法及其在导航系统中的应用

针对如何将多传感器的数据进行融合处理、提高数据处理的可靠性和处理精度的现实问题，提出一种多尺度融合估计算法，对多传感器的数据进行估计处理。该算法首先建立系统的动态方程和观测方程，然后利用小波变换将数据在不同尺度上进行融合处理，归纳出该算法的实现步骤。最后通过在SINS／GPS组合导航系统中的实际应用，进一步证明了该算法能够有效地提高多传感器数据的处理精度。在实际应用时，结合应用环境设置适当的尺度，可以达到较好的应用效果。     

一种改进的证据理论融合算法

[针对D-S证据理论无法解决证据冲突和基蝴率分配函数的微小扰动使融合结果急剧变化等问题，提出了一种改进的证据理论融合算法。该方法首先求出了证据距离得出相应的证据冲突，然后给出描述证据间相互支持度的模糊矩阵，并依次来研究不同情况对融合数据的影响，进而说明改进的融合算法的有效应。     

基于模糊C均值聚类和距离的专家赋权研究

针对判断矩阵专家赋权研究多使用硬性聚类以及类间权重值可能出现相同值的情况,提出了基于模糊C均值聚类和距离的赋权方法。该方法首先利用模糊C均值聚类对专家所给出的排序向量进行分类,然后根据聚类结果计算出各专家的类间权重和类内权重,从而集结为属性权重。在类间权重确定过程中,引入类间距离权重,给出一种新的类间权重计算方法。文末给出的算例表明,所提出的方法是可行、有效的。     

CPI权重计算新方法探究

CPI计算中权重是一个重要因素,关系到CPI能否真实有效地反映居民消费价格的综合变动。努力寻求一个有效的权重计算方法,对CPI客观有效性具有重要的现实意义。本文通过对近年统计年鉴数据的收集和处理,将年鉴数据转化为矩阵,然后利用判断转化矩阵求解出相应的CPI权重,在实际应用过程中验证了该方法的可行性。     

基于证据源和组合规则双修正的证据合成

针对冲突证据合成时传统证据合成和单一修正改进方法存在的问题，提出了新的证据源预处理和组合规则双修正的证据合成方法。利用夹角余弦理论，计算证据向量距离后转化得到权重系数，依据权重系数对证据进行重新概率分配，完成证据源修正；之后用修正的动态合成规则，进行修正证据的合成;同时提出了算法分析模型。实例结果验证了算法在证据合成时具有最优结果、较强通用性和稳定性，可应用于信息融合、不确定信息决策等领域。     

一种改进的证据冲突衡量因子

为解决证据融合时证据间冲突衡量不准确问题,提出了一种新的证据冲突衡量方法。对当前冲突衡量方法国内外研究现状进行总结,结合典型算例分析,指出了当前方法存在的主要问题。基于前人研究成果,提出了一种改进冲突因子用于衡量证据间冲突,主要基于修正证据距离与合取冲突,对两者采用加性组合。通过一般类型算例与特殊类型算例对所提方法进行验证,结果表明改进的冲突衡量因子能够准确衡量证据间冲突,并具有普适性。     

采用截断循环前缀的OFDM系统码元盲同步

为提高低信噪比下抗干扰能力,提出一种更加稳健的正交频分复用（OFDM）系统盲同步方案。所提方法不需要预先估计信噪比（SNR）信息,而是根据循环前缀（CP）和距离分析,进行定时偏移的盲估计。算法利用CP和对应码元尾部的相似性,在频域最小化码间距离。为减少计算复杂度,距离测量同样可在时域进行。为提高算法性能,剥离多径干扰,使用了截断CP技术。仿真结果表明,在SNR为0 dB时,算法依然可正确识别定时偏移位置,较以往基于CP的盲同步算法,所提方案在低信噪比下性能更加稳健。这使得所提算法更适合一些低SNR情况下的应用,如混合直接序列扩频技术的OFDM系统。     

一种考虑稳定性的动态综合评价新模型

针对动态综合评价需要考虑被评对象的稳定性问题,提出了一种综合考虑指标权重、时间权 重和稳定性的动态综合评价模型。定义了稳定因子来表征被评对象指标的稳定程度,采用离 差最大化的方法确定指标权重,提出了一种基于极小范数时间权重确定方法。将所提模型应 用于军事IP网络评价,结果表明该模型能够把被评对象的稳定性反映到评价结果中。     

一种量测转换的移动外辐射源多站协同跟踪算法

针对移动外辐射源跟踪问题，提出一种融合到达角(Angle of Arrival，AOA)与到达时间差(Time Difference of Arrival，TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter，CMKF)算法。首先，采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法，并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时，该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound，CRLB)界；其次，在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型，将非线性的目标跟踪问题转化为线性滤波问题，并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合，还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。     

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法。通过改进的K-L距离得到证据间间距 ,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始 的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果。最后通 过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况。     

基于分级信息融合的引信多模融合

为了提高引信的准确性, 结合当前微型毫米波雷达、激光传感器、微机电系统（MEMS）传感器对目标的探测能力,提出了一种引信多模融合策略。以传感器受环境影响的主要因素为输入,构建环境影响贝叶斯网络,形成传感器可靠性权重分配;通过建立传感器量测加权融合,形成测距与加速度两级融合综合处理获得目标准确位置信息,从而提高量测可靠性,为准确引爆提供支撑。实验表明该算法可提高测距准确性且对不同环境具有较好的适应性。     

外弹道测量多测速元数据融合同步修正方法

采用数据融合算法完成高精度外弹道测量对各测元时间同步有着严格的技术要求。在分析时间不同步对融合弹道测速精度的影响基础上,分析了引起无线电测速时间不同步的因素,并构建了有效的数学修正模型。针对融合弹道速度异常超差现象,依据对测速误差理论模型公式和无线电测速原理分析结果,提出基于各测量设备测速数据解算模型的积分点移位和传播延迟修正模型算法,并应用于潜射弹的数据融合同步修正。工程应用结果表明,融合弹道偏差优于0.04 m/s,较修正前精度提高了4倍以上。由于陆基无线电测量系统的测距、测角具有类似的时间不同步特征,因此该模型也可作为多测元融合弹道解算过程中的一般方法推广使用。     

差异维度传感器数据融合新方法

针对不同维度传感器数据融合问题,提出一种利用三维量测（同时含有距离和角度 信息）结果为不足维量测（仅有距离或仅有角度信息）构建假量测点和协方差的新方法。仿 真结果表明,该方法能够有效地利用不同维度的量测数据,明显提高目标的定位精度,具有 一定的应用价值。     

融合梯度和色度信息的分块均值漂移目标跟踪

针对在相似颜色干扰场景下传统均值漂移目标跟踪鲁棒性差的缺陷,提出Prewitt梯度和色度信息融合的分块均值漂移跟踪算法。首先,对跟踪框进行分块,并提取当前帧各子块特征;其次,利用Bhattacharyya距离计算参考目标区域与候选区域间各子块对应的相似程度,根据其相似程度分配各子块的权值,并通过融合规则对各子块相应特征进行融合构成新子块特征,在此基础上,将子块特征选择串接方式作为最终目标特征;最后,采用均值偏移原理迭代估计最终目标位置信息。实验结果表明,当场景中存在相似颜色干扰的情况下,相对于经典均值漂移算法,其准确度提高了84%左右。     

多源置信综合的雷达与ESM协同跟踪方法

跟踪空间邻近目标时,仅依靠运动学信息不足以实现可靠的数据关联,而基于动目标指示器（Moving Target Indicator,MTI）雷达和电子支援措施（Electronic Support Measurement,ESM）的多源异类传感器数据融合可以通过提升数据关联性能达到改善跟踪性能的目的。通过构建基于五种成比例再分配规则（Five Proportional Conflict Redistribution Rules,PCR5）置信度量的数据关联策略,将目标运动学信息和属性信息结合做多特征推理,解决异类传感器数据的不确定性和不一致性;利用Dempster-Shafer（DS）证据理论方法进行属性融合更新,完成属性信息在时间序列上的相干积累,实现空间邻近目标的可靠跟踪。该方法从数据关联和状态估计两方面联合进行改进,通过引入属性信息提升数据关联的正确性,从而提升跟踪性能,实现多源异类信息下的协同跟踪。仿真表明,相比于仅雷达跟踪、雷达和ESM序惯跟踪等方案,该方法可有效提升跟踪精度和关联性能。     

一种加权聚类划分决策树算法

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题，提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重，并将权重用于树结点中数据的聚类过程，使用分簇结果对结点进行多路划分，得到可直接用于多分类问题的决策树。理论分析和实验结果表明，该算法与经典轴平行决策树相比，拥有更好的泛化能力以及相近的算法时间复杂度，与大部分斜决策树相比，在付出更少计算代价的前提下，获得了近似的正确率以及模型简洁度。     

针对隐写分析冗余评估指标的属性约简算法

针对隐写分析评估指标体系中存在的知识冗余,提出了一种隐写分析评估指标的属 性约简方法。在分析存在知识冗余的指标体系的基础上,采用BCC算法求出各评估指标初始 区间及其约简,并用之将仿真实验数据离散化;之后将离散化矩阵作为HORAFA算法的输入, 输出即得到最终的属性约简。仿真实验验证了该属性约简方法对冗余评估指标约简的有效性 ,通过对属性约简前后的评估算法兼容度分析,表明属性约简使评估结果的可靠性显著提高 。     

无线传感器网络中DV-Hop定位方法的一种改进策略

原DV-Hop(Distance Vector-Hop)方法的定位步骤可归纳为两步：距离估计与位置计算。其中,距离估计精度对网络拓扑敏感,而位置计算算法对距离估计精度敏感,从而导致方法整体对多样性网络拓扑分布的鲁棒性较差。针对这一问题进行分析与改进,在距离估计阶段提出基于1跳内最近邻信标与其余信标的跳数连接关系独立确定未知节点与各信标间平均跳距的策略,以此改善未知节点与信标之间的距离估计误差;在位置计算阶段提出在原有Lateration算法的基础上增加牛顿迭代法优化步骤,以此提高定位精度。实验结果表明,在相同的网络条件下,与原DV-Hop方法和其他典型改进方法相比,改进策略首先在距离估计阶段提高了距离估计精度,进而在位置计算阶段提高了对距离估计误差的鲁棒性,从而整体上可有效提高全网未知节点的定位精度。