基于模糊邏輯控制的目標識別技術研究.pdf

1、模糊邏輯控制系統(tǒng)是由模糊器、規(guī)則、模糊推理引擎、解模糊器四個主要模塊構成的智能化學習系統(tǒng)。在工程問題中，將模糊邏輯系統(tǒng)的判決與學習能力與目標識別結合起來，使得接收到的原始數(shù)據(jù)中更多的關聯(lián)信息能夠被充分利用起來，能夠提高對于目標類型和參數(shù)的識別能力。在大數(shù)據(jù)的背景下，模糊邏輯控制與識別的融合，將會產(chǎn)生更多的研究方向和新的技術，而現(xiàn)有的文獻報道和應用案例中對這一方面的研究較少。本文針對兩種典型的識別問題設計相應的兩種模糊邏輯系統(tǒng)，分別進行目

2、標識別和參數(shù)識別的應用基礎研究問題，主要工作包括：
　　1.本文首先介紹了兩類主要的模糊集合及其運算性質，以及兩類模糊邏輯系統(tǒng)的設計。包括一型與二型模糊集合的定義與運算，相同集合與不同集合之間的融合計算等。在此基礎上討論一型和二型模糊邏輯系統(tǒng)的框架，及其各部分模塊的設計與邏輯關系表達。針對二型模糊邏輯系統(tǒng)，從理論研究和工程實際的角度出發(fā)，進一步探討了區(qū)間二型模糊邏輯系統(tǒng)。
　　2.本文然后針對空中目標的寬帶雷達目標高分辨率一

3、維距離像，采用一型模糊邏輯控制系統(tǒng)進行識別。該模型針對不同種類的空中目標的一維距離像下所提取的兩類特征進行融合。首先根據(jù)目標本身的特點，基于專家經(jīng)驗進行分類，然后在分類的基礎上采用兩種不同類型的隸屬函數(shù)建立模糊器，并根據(jù)專家經(jīng)驗設計模糊規(guī)則和解模糊器。將待測試的兩種基于一維距離像的特征數(shù)據(jù)輸入預先分類兩種不同的的模糊集中，經(jīng)過模糊化、基于規(guī)則的推理、解模糊幾個步驟輸出識判別的目標類型。本文進一步分析了在不同的信噪比和虛警概率條件下的模糊

4、邏輯控制系統(tǒng)對目標正確識別的性能變化。
　　3.在研究了一型模糊邏輯系統(tǒng)的基礎上，進一步研究了處理高不確定度的二型模糊邏輯系統(tǒng)，并將兩種模糊邏輯系統(tǒng)進行了比較。這一部分將兩種模糊邏輯系統(tǒng)應用于超寬帶雷達獲取的實測回波數(shù)據(jù)以識別兩類土壤的不同體積含水量值。首先采集砂土和裸土兩類不同的土壤不同的含水量下的超寬帶雷達回波。經(jīng)過數(shù)據(jù)預處理后，將多次雷達回波拼接起來構成準周期信號用于進行時序建模，并在該模型基礎上分別采用了一型和二型模糊邏輯

5、控制系統(tǒng)進行時序預測學習訓練。訓練中分別采用了后向傳播算法和修正的K-M算法進行迭代，當實測和預測回波的均方根誤差收斂到固定門限時，提取對應的隸屬函數(shù)參數(shù)，以獲得不同種類不同含水量的土壤模板。然后采用模板匹配的原理對待識別回波進行同等處理，識別其相應的體積含水量，并比較兩種模糊邏輯系統(tǒng)在兩種不同的準則下的正確識別性能。
　　通過對上述兩種模糊邏輯系統(tǒng)的研究發(fā)現(xiàn)：
　　(1)在對空中目標的識別中，對比兩種不同的模糊器的隸屬函數(shù)

6、設計，在不同的虛警概率條件下，對于F-15和AH-64，采用三角形和梯形隸屬函數(shù)組合的識別率優(yōu)于高斯型隸屬函數(shù)，而Tu-16則情況相反。因此，如何設計模糊邏輯系統(tǒng)受到了目標特征和經(jīng)驗知識的影響。
　　(2)在對土壤的含水量參數(shù)識別中，兩種模糊邏輯系統(tǒng)的時序預測都實現(xiàn)了收斂，并且經(jīng)過多次迭代后獲得了一型二型模糊集合對應的隸屬函數(shù)系數(shù)的參數(shù)模板。識別結果顯示二型模糊邏輯系統(tǒng)相比于一型模糊邏輯系統(tǒng)而言識別性能更優(yōu)，這是由于融合了背景噪聲