运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.     

基于HMM的传感器位置优化模型

首先介绍了隐马尔可夫模型(HMM)理论,并对HMM健康状态评估的基本程序和方法进行了研究。HMM对系统健康状态评估具有所需样本少、识别精度高及分类明显等优点,利用隐马尔可夫模型对传感器的不同位置进行评估,从定量的角度对传感器位置的优劣进行评价,提出了利用隐马尔可夫模型对传感器在不同位置上的效果进行评价的方法。最后,利用齿轮箱实验数据,分析验证了方法的实施流程和有效性。     

基于HMM的电子设备健康状态评估方法

针对弹上设备的性能退化问题,提出一种改进流形学算法的电子设备健康状态评估方法.首先,在SNPP算法中引入非相关约束并加入核函数形成KSUNPP算法,将其用于原始特征的提取,获得有效的特征集作为隐马尔可夫模型(HMM)的输入进行训练;其次,用KL距离来衡量故障程度,可实现设备退化程度的评估.最后,通过将该方法应用于某型导弹指令接收机健康状态评估中,验证了有效性.     

基于HMM的FOPEN UWBSAR图像中的树干杂波抑制

树干杂波是叶簇穿透(FOPEN)超宽带合成孔径雷达(UWBSAR)图像中叶簇隐蔽目标检测的主要干扰,能否有效抑制树干杂波是目标检测成功与否的关键。利用UWBSAR的大积累角成像特性所提供的目标方向性信息,基于隐马尔可夫模型(HMM),提出了一种识别并抑制树干杂波的方法。试验结果表明,该方法可有效识别并抑制FOPENUWBSAR图像中的树干杂波,增强叶簇隐蔽目标检测性能。     

指标融合和隐马尔可夫模型的舰船装备技术状态评估

科学合理的技术状态评估技术是保障舰船安全性和任务完好性的有效途径之一,针对目前舰船装备技术状态评估缺乏动态性以及评估指标过多的问题,构建舰船装备技术状态多指标融合模型,结合技术状态评估指标融合模型和隐马尔可夫模型所具有双随机性和严谨数学推理能力的特点,建立基于指标融合模型和隐马尔可夫模型的舰船装备技术状态动态评估模型。最后通过案例分析验证了所提出的方法能够有效体现技术状态评估中的动态性,为舰船装备技术状态评估提供新的途径。     

基于卷积神经网络的多功能雷达行为辨识研究

针对多功能雷达行为状态复杂多变、难以识别的问题,提出了一种基于卷积神经网络的雷达行为辨识方法.建立多功能雷达行为辨识模型,对数据进行预处理,构建多功能雷达信号样本集.通过变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的信号加参数数组样本.并针对处理后的雷达行为数据集的特点设计卷积神经网络进行训练与测试.仿真实验结果表明,训练完成的网络模型对于加入参数的样本训练效果更好,对多功能雷达行为有较好的识别效果.     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。     

基于警报关联的威胁行为检测技术综述

基于警报关联的网络威胁行为检测技术因其与网络上大量部署的安全产品耦合,且能充分挖掘异常事件之间的关联关系以提供场景还原证据,正成为复杂威胁行为检测的研究热点。从威胁行为和网络安全环境的特点出发,引出威胁行为检测的应用需求和分类,介绍基于警报关联的威胁行为检测的基本概念和系统模型;重点论述作为模型核心的警报关联方法,并分类介绍了各类典型算法的基本原理和特点,包括基于因果逻辑的方法、基于场景的方法、基于相似性的方法和基于数据挖掘的方法;并结合实例介绍了威胁行为检测系统的三种典型结构,即集中式结构、层次式结构和分布式结构;基于当前研究现状,提出了对未来研究趋势的一些认识。     

运用警报关联的威胁行为检测技术综述

基于警报关联的网络威胁行为检测技术因其与网络上大量部署的安全产品耦合,且能充分挖掘异常事件之间的关联关系以提供场景还原证据,正成为复杂威胁行为检测的研究热点。从威胁行为和网络安全环境的特点出发,引出威胁行为检测的应用需求和分类,介绍基于警报关联的威胁行为检测的基本概念和系统模型;重点论述作为模型核心的警报关联方法,并分类介绍了各类典型算法的基本原理和特点,包括基于因果逻辑的方法、基于场景的方法、基于相似性的方法和基于数据挖掘的方法;并结合实例介绍了威胁行为检测系统的三种典型结构,即集中式结构、层次式结构和分布式结构;基于当前研究现状,提出了对未来研究趋势的一些认识。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

基于小波域隐Markov模型的SAR图像滤波方法

在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015     

二维隐马氏模型的一种简化算法及其参数估计

针对现有的二维隐马氏模型算法给出了一种简化算法及参数估计方法。该算法与现有的算法相比非常简单。基于此方法给出了相应的识别方法和参数估计,并且该估计与极大似然估计是等同的。     

Higher‐order Markov chain models for categorical data sequences*

In this paper we study higher‐order Markov chain models for analyzing categorical data sequences. We propose an efficient estimation method for the model parameters. Data sequences such as DNA and sales demand are used to illustrate the predicting power of our proposed models. In particular, we apply the developed higher‐order Markov chain model to the server logs data. The objective here is to model the users' behavior in accessing information and to predict their behavior in the future. Our tests are based on a realistic web log and our model shows an improvement in prediction. © 2004 Wiley Periodicals, Inc. Naval Research Logistics, 2004     

Transient analysis of Markov models of fault‐tolerant systems with deferred repair using split regenerative randomization

The (standard) randomization method is an attractive alternative for the transient analysis of continuous time Markov models. The main advantages of the method are numerical stability, well‐controlled computation error, and ability to specify the computation error in advance. However, the fact that the method can be computationally very expensive limits its applicability. In this paper, we develop a new method called split regenerative randomization, which, having the same good properties as standard randomization, can be significantly more efficient. The method covers reliability‐like models with a particular but quite general structure and requires the selection of a subset of states and a regenerative state satisfying some conditions. For a class of continuous time Markov models, model class C₂, including typical failure/repair reliability‐like models with exponential failure and repair time distributions and deferred repair, natural selections are available for both the subset of states and the regenerative state and, for those natural selections, theoretical results are available assessing the efficiency of the method in terms of “visible” model characteristics. Those results can be used to anticipate when the method can be expected to be competitive. We illustrate the application of the method using a large class C₂ model and show that for models in that class the method can indeed be significantly more efficient than previously available randomization‐based methods. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006     

非高斯噪声下信号盲检测算法*

针对实际甚低频和超低频接收机不仅受非高斯噪声的影响,同时受到接收机内部和外部环境中高斯噪声影响的问题,对噪声采用高斯尺度混合分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号。算法迭代效率快、精度高。通过与最优检测性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。     

无人机集群作战中连续时间Markov链模型的求解方法

针对无人机集群目标作战解析建模时在状态转移过程中计算速率低的问题,提出了一种基于行压缩存储的四阶Runge-Kutta法。根据无人机集群作战样式将无人机集群作战过程划分为三个阶段,并分阶段对无人机集群作战的状态转移过程建立连续时间Markov链模型。以无人机集群完成作战任务的可靠性作为求解指标,运用四阶Runge-Kutta法对Markov模型进行求解。由于求解过程中速率转移矩阵具有稀疏特性,采用基于行压缩存储的算法优化求解速率。仿真实验表明,运用连续时间Markov理论建立的无人机集群作战过程模型的有效性和可行性优于其他模型。同时,与其他算法及模型相比,该算法计算速率更高、能更好地满足结果精度的可靠性需求,进一步说明了本算法的优越性。 〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCHSC.TIF;%129%129〗听语音 聊科研与作者互动     

一种针对基因识别的GHMM简化算法

广义隐Markov模型是计算机基因识别的一种重要模型,它克服了传统隐Markov模型的状态段长成几何分布的缺陷,更加适合于计算机基因识别。其缺点在于计算量大,需要采用有效的简化算法。利用基因的结构特点,在不附加额外限制条件的情况下,提出了一种新的简化算法,其计算复杂度是序列长度的线性函数。对实际生物序列数据的测试结果表明了此简化算法的有效性。     

基于参数辨识的电动舵机系统健康仿真和评估

针对目前电动舵机系统故障诊断方法不能有效预测缓变故障,提出基于舵机系统模型的状态变量检测法对飞行器常用的执行机构电动舵机系统进行健康分析与仿真评估。分析电动舵机系统子系统电机本体、控制器、传动机构的常见故障,对其中反映系统性能的关键参数进行数学建模;通过对系统注入不同的健康参数得到相关故障状态下的状态变量特征,进而作为定位故障源的知识库,引入健康因子评估故障参数的变化趋势;仿真算例选择电机本体的主要物理参数电机绕组阻值和反映永磁体性能的电机力矩常数作为健康因子,通过定位知识库建立的健康因子评估算法验证了方法的可行性。