基于反卷积处理的Bartlett匹配场定位方法

为了降低Bartlett匹配场定位方法输出定位模糊函数背景级,提出了一种基于反卷积处理的Bartlett匹配场定位方法.该方法借助图像复原理论中的反卷积技术,在Bartlett匹配场定位方法基础上论述了点扩展函数设计过程;利用预设计的点扩展函数和二维反卷积技术,对Bartlett匹配场定位方法输出定位模糊函数进行反卷积处理,得到清晰定位模糊函数,降低了背景级及其导致的定位模糊问题.数值仿真结果表明,该方法通过对定位模糊函数进行反卷积处理,定位模糊函数背景级远低于Bartlett匹配场定位方法和MVDR匹配场定位方法;定位模糊函数背景级随着反卷积迭代次数增加而降低,函数峰值也变得更加"尖锐",具有更好的目标声源空间位置分布估计能力.     

考虑专家偏好的基于概率犹豫模糊熵的多属性决策方法

针对现有概率犹豫模糊多属性决策研究中,专家权重和属性权重的确定存在主观随意性的问题,提出了一种考虑专家偏好的基于概率犹豫模糊熵和前景理论的决策方法.基于贴近度度量,考虑专家的偏好性,以追求整体一致性为原则确定专家权重;基于概率犹豫模糊熵,考虑专家的决策差异,度量评估信息的犹豫性和模糊性,确定属性权重;采用前景理论对方案评估信息进行集结,根据价值函数和权重函数得到方案的前景价值,并以此进行方案排序.通过算例对比分析,验证了所提方法的科学性和合理性.     

基于DEMATEL-TFNAHP的合成营作战能力评估指标权重确定方法

为获取完整的合成营作战能力评估指标权重信息,建立合成营作战能力评估体系层次结构模型,分别利用三角模糊层次分析法(TFNAHP)和决策实验与评估实验法(DEMATEL)获取评估指标的影响权重和价值权重,并利用积和归一法对这两种权重信息进行融合,得到包含评估指标隶属关系和相互影响关系信息的综合权重,最后对合成营综合作战能力进行评估.通过与未改进的三角模糊层次分析法获得的合成营综合作战能力评估结果进行对比,验证了A方法的有效性和可靠性,为合成营作战能力评估指标权重确定提供了一种新的思路.     

改善机载前向阵雷达全程检测性能的研究

针对前向阵的杂波分布特性 ,给出了一种空时自适应处理 (STAP)结合多重中脉冲重复频率(MPRF)的处理方案 ,研究了重复频率的选择以改进系统性能 ,并分析计算了三路多普勒通道联合处理STAP方法在一组中脉冲重复频率下的改善因子和距离 /速度二维盲区分布图。理论分析与仿真结果表明 ,该方案可以大大改善机载前向阵雷达的全程检测性能     

基于模糊融合的目标检测算法研究

针对经典决策层融合检测过程中本地“硬”判决导致的信息损失问题 ,利用模糊子集理论 ,提出了一种基于模糊“软”判决的融合检测方法。理论分析与仿真实验表明 ,该方法优于传统的“K秩”方法 ,ROC雷达工作曲线接近理论最优曲线。     

模糊理论在导弹系统故障诊断中的应用

任何系统的故障都有一定的模糊性,因此模糊理论在故障诊断中有着广泛的应用.模糊故障诊断有利于提高系统的故障诊断的水平,本文以模糊理论知识为基础,建立了系统的模糊故障诊断模型,并应用于某型号导弹武器系统的故障诊断中,结果证明该模型的有效性和合理性.     

基于小波Radon变换检测线性调频信号

对信号小波分析的结果进行Radon变换,简称小波Radon变换。通常情况下,线性调频信号小波变换的结果在时间尺度图上呈现曲线的形式,而在时频图上呈现直线的形式。通过Radon变换检测时频平面上的直线,可以精确地得到调频信号的参数。仿真结果表明,小波Radon变换是一种较好的线性调频信号检测方法。     

正规模糊测度空间上的条件期望

讨论了次可加、具有有界变差的正规模糊测度空间上关于模糊测度、内测度及模糊积分的性质，在此基础上定义了此模糊测度空间上随机变量的条件数学期望，它是相对于经典测度空间的一个推广。     

基于多子网语言决策图的空管体系绩效评估

为评估空管体系综合绩效水平,制定了关键绩效领域和指标,提出基于多子网语言决策图的群体评估模型。采用多子网策略分析领域及指标间的影响关系,应用语言尺度辅助群体专家建立了领域及指标间的初始判断矩阵和影响连接矩阵。给出了模型的求解方法,在求得各子网内准则的全局权重后,聚合即可得到体系的综合评估值。案例分析表明,相比于不考虑领域及指标间影响的情况,模型结果能更客观、全面地展示各领域及指标的权重,更显著地揭示空管体系间的差距。     

基于多特征模糊融合的疲劳状态判决

在基于视觉的疲劳驾驶识别过程中,使用单个特征进行疲劳驾驶判断,常常会受到非普遍适用性、噪声等因素的影响,从而导致识别率降低。为了解决眼部特征参数或者是嘴巴特征参数单个特征识别率低甚至特使环境无法识别的问题,提出一种基于多特征融合的判决方法,利用了各种特征之间的优势互补,可以降低噪声和类内类间差异的影响,从而提高系统的性能,并且能增强适用性。最后通过实验结果证明,使用眼部和嘴巴特征融合的方法比单一的判决方法准确率更高。