模糊扩展比例导引研究

合集下载

【国家自然科学基金】_比例导引律_基金支持热词逐年推荐_【万方软件创新助手】_20140802

2012年序号 1 2 3 4 5 6 7
科研热词比例导引律局部通信导弹协同制导分数阶微积分分布式自适应 lyapunov-like方法
推荐指数 1 1 1 1 1 1 1
2013年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
推荐指数 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
2011年科研热词制导律多约束高超声速飞行器近空间视线偏差角粒子群优化瞬时平衡着地角比例导引次最优最优控制拦截导弹弹道导弹弹道仿真导弹拦截奇异摄动变结构卫星制导仿真交接中制导律三维 cmac 推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
科研热词导弹拦截比例导引律比例导引变结构控制制导律 rbf神经网络鲁棒性非线性系统自适应控制自适应制导律脱靶量分析直接侧向力目标跟踪滑模控制模糊控制有限时间广义h_2方法扩张状态观测器导引精度导引律复合控制变结构加速度估计
推荐指数 3 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2008年序号 1 2 3 4 5 6 7
科研热词比例导引律鲁棒性粒子群算法模糊导引律增广比例导引律三维追逃模型 btt导弹
推荐指数 2 1 1 1 1 1 1

遥感影像清晰度增强方法的研究及实现

学号_______________密级________________武汉大学本科毕业论文Remote sensing image definition enhancement method research andRealization遥感影像清晰度增强方法的研究及实现院（系）名称：武汉大学资源环境学院专业名称：地理信息系统学生姓名：王利伟指导教师：沈焕锋教授二○一二年四月郑重申明本人呈交的学位论文，是在导师的指导下，独立进行研究工作所取得的成果，所有数据、图片资料真实可靠。

尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含他人享有著作权的内容。

对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确的方式标明。

本学位论文的知识产权归属于培养单位。

本人签名：日期：BACHELOR'S DEGREE THESISOF WUHAN UNIVERSITYRemote sensing image definition enhancement method research and RealizationCollege ：Wuhan University College of resources and environment Subject ：Geographic Information SystemName ：Liwei WangDirector ：Huanfeng Shen ProfessorApril 2012摘要在遥感应用研究中, 经过处理后形成的高清晰影像, 对展开以后的工作具有重要的作用. 而影像增强技术对于改善影像的对比度, 突出某些局部细节等方面都起着积极的作用, 有利于减少遥感影像在成像过程中受传感器性能下降、大气扰动等因素造成的影响.本文对传统的增强方法进行了深入地研究, 并给予了实现, 包括线性变换、分段线性变换、非线性变换、直方图均衡化方法. 此外, 结合聚类理论和模糊增强理论, 提出了相应的改进方法.对于分段线性变换方法中如何划分灰度区间以及端点的设定这一问题, 给出了基于加权模糊C-均值聚类的遥感影像增强算法, 快速地实现了影像灰度分区, 并对各区间采取相应的变换进行增强. 试验结果表明本文算法有效提高了影像的信噪比,增强了对比度和清晰度, 且易于实现.针对传统的模糊增强方法存在的一些缺陷, 提出一种基于最大Tsallis 熵原则的遥感影像模糊增强算法, 首先将Tsallis 熵推广到多个阈值的情况, 在基于最大熵原则基础上, 利用遗传算法计算出影像灰度级的最佳分类阈值, 然后采用改进的隶属度函数和增强算子对影像进行模糊增强, 最后还将多阈值影像的模糊增强方法进行了推广. 试验结果表明, 该算法自动、有效地选取阈值, 且使影像亮度分布均衡, 对比度显著增强, 具有良好的视觉效果.实验表明, 本文提出的算法对于一些遥感影像的增强取得了比较好的增强效果关键词：加权模糊 C-均值聚类算法; 信噪比; Tsallis 熵; 遗传算法; 模糊增强算子ABSTRACTIn the research of remote sensing application, the very clear images after being processed play an important role in the following work. And image enhancement technology has a positive effect on improving the contrast and showing some local detailsof images, so it’s good to reduce the effect of sensor, atmosphere etc on images.Traditional enhancement algorithms are detailedly studied and realized. Including linear transform, piecewise linear transform, non-linear transform, histogram equilibration. Furthermore, some corresponding improved algorithms based on clustering theory and fuzzy enhancement theory are put forward.Aiming to the key problem of how to divide gray scale intervals and fix on the points, a Remote Sensing Image Enhancement Algorithm Based on Weighting Fuzzy C-Means Clustering (RSIE-WFCM) is proposed. Image is divided into some areas quickly and these areas are enhanced by the relevant transform methods. The experimental results show the algorithm in this paper can enhance the signal noise ratio, contrast and definition of the image effectively, moreover, it is easy to realize.To solve some drawbacks of the traditional fuzzy enhancement algorithms, a Remote Sensing Image Fuzzy Enhancement Algorithm Based on Maximum Tsallis Entropy Principle (RSIFE-MTEP) is proposed. First, Tsallis entropy is generalized to the case of multi-level thresholds. The optimal gray thresholds are computed by genetic algorithm. Then, images are fuzzy enhanced with improved membership function and enhancement operator. Finaly, the fuzzy enhancement algorithm for processing the images with multi-level thresholds is generalized. The experimental results show that the proposed algorithm can select the thresholds automatically and efficiently, and achieve the better seeing effect, distributing brightness uniformly and enhancing image contrast distinctly.The experimental results show that the algorithms proposed by the paper achieve comparative good effects for some remote sensing images.Keywords：Weighting Fuzzy C-means Clustering Algorithm(WFCM); Signal Noise Ratio (SNR); Tsallis Entropy; Genetic Algorithm; Fuzzy Enhancement Operator目录第1章绪论 (1)1.1 课题背景及其目的意义 (1)1.2 国内外研究现状 (1)1.3 本文的主要研究内容 (2)第 2 章遥感影像增强的基本理论 (2)2.1 遥感影像增强的一些基本概念 (2)2.1.1遥感数字影像的表示 (2)2.1.2遥感影像的获取 (3)2.1.3卫星遥感系统示意图 (3)2.1.4直方图 (4)2.2 遥感影像增强的目的及种类 (5)2.3 遥感影像的空间域增强 (5)2.4 遥感影像的滤波增强 (5)2.5 本章小结 (6)第3章基于加权模糊 C-均值聚类的遥感影像增强 (6)3.1引言 (6)3.2算法介绍 (6)3.2.1加权模糊 C-均值聚类算 (6)3.2.2 RSIE-WFCM 算法 (7)3.3仿真实验及实验分析 (8)3.4本章小结 (10)第4章遥感影像模糊增强方法的研究和实现 (10)4.1模糊集的概念 (10)4.2传统模糊增强方法 (11)4.3基于最大 TSALLIS 熵原则的遥感影像模糊增强 (13)4.3.1改进的模糊增强算法 (13)4.3.2 RSIFE-MTEP 算法 (13)4.3.3仿真实验及实验分析 (14)4.4本章小结 (16)第5章总结与展望 (17)5.1本文工作总 (17)5.2课题研究展望 (17)参考文献 (18)致谢 (19)第1章绪论人类依靠自身的器官获取有关世界的各种信息来认识世界. 影像(Image)是对客观对象的一种相似性的描述或写真, 它包含了被描述或写真对象的信息, 是人们最主要的信息源. 利用计算机对影像进行各种形式的处理, 促进了影像处理技术的发展. 影像增强本身就是影像处理中最具有吸引力的领域之一.1.1 课题背景及其目的意义影像处理技术在第三代计算机问世后得到了迅速发展. 1963 年, 美国喷气推进实验室处理了太空船“徘徊者七号”发回的月球照片, 这表示影像处理开始得到实用.目前, 影像处理技术发展迅速, 其应用领域也越来越广. 当前影像处理的发展趋势是改进现有的方法, 研究新的处理方法与系统, 以获取更好的效果；同时, 开拓更为广泛的应用领域.遥感影像是影像的一种, 根据其采集方式主要分为卫星遥感影像与航空遥感图像两大类, 它正日益广泛地应用于军事、经济、科研及社会生活等多种领域, 各个应用领域都是通过对遥感影像的处理、解译来解决实际问题的, 随着计算机的发展,遥感影像处理技术将会变的越来越重要. 影像增强是数字影像处理的基本内容, 根据影像的模糊情况利用各种数学方法和变换算法提高影像中的对象与非对象像的对比度与影像清晰度. 遥感影像增强处理的主要着眼点在于改进影像显示, 提高遥感影像的视觉效果和可解译性, 使遥感应用者易于从经过增强处理的遥感影像上获得所感兴趣的有用信息, 快速实现从遥感数据向有用信息的转化. 它是为特定的目的, 用各种数学方法和变换算法提高影像某灰度区域的反差、对比度与清晰度, 从而提高图像显示的信息量, 使影像更易判读.随着遥感技术的飞速发展及影像分辨率的提高, 对改善遥感影像质量的处理技术要求越来越高, 现有的处理手段已不能满足新的需求. 在遥感应用研究中, 得到经过正确增强处理以后形成的高清晰影像, 对展开以后的工作具有重要的作用. 1.2国内外研究现状自 20 世纪 70 年代末以来, 由于数字技术和微电子技术的迅猛发展, 给遥感图像处理提供了先进的技术手段. 遥感数字影像处理也就从信息处理、自动控制系统论、计算机科学、数据通信、电视技术等学科中脱颖而出, 成为研究遥感影像信息获取、传输、存储、变换、显示、判读与应用的一门崭新学科.遥感影像增强作为遥感影像处理的重要组成部分, 传统的影像强方法对于改善影像质量发挥了重要作用. 随着对遥感影像增强技术研究的不断深入, 新的影像增强方法不断出现, 并初步形成了一套比较完整的算法体系.(1) 传统的遥感影像增强方法(2) 基于多尺度分析的遥感影像增强方法(3) 数学形态学灰度增强方法(4) 模糊增强方法基于模糊的影像处理技术是一种值得重视的研究方法, 应用模糊方法往往能取得优于传统方法的处理效果, 如影像多灰度级非线性模糊增强算法研究[19]. 另外,模糊集方法和神经网络、遗传算法结合用于影像灰度增强的方法正在研究之中, 如基于模糊熵及遗传算法的影像增强技术[20]、遗传算法在影像增强处理中的应用[21]等. 近来随着彩色影像的广泛应用, 发展了许多关于彩色影像的增强处理方法, 如陈国群等人又提出了基于聚类算法的伪彩色增强[22]等遥感影像增强算法.由于增强后的遥感影像质量好坏主要靠人的视觉来评定, 而视觉评定是一种高度的主观处理. 经常采用的方法是, 使用几种灰度增强技术的组合或使用调节参量的方法. 要取得对一幅影像较好的改善效果, 有时要综合运用多种增强方法, 发挥每种方法的特长, 这就要求我们了解各种遥感影像增强方法的特点. 调节参量是遥感影像增强时经常使用到的一种方法,如何确定参量最佳数值, 是取得较好影像效果的关键因素. 因而影像增强的最大困难是, 很难对增强结果加以量化描述, 只能靠经验、人的主观感觉加以评价. 同时,要获得一个满意的增强效果, 往往需要人机的交互作用.1.3本文的主要研究内容传统的遥感影像增强方法是学习和研究遥感影像增强的基础, 对于改善影像质量发挥着重要作用. 本文着重研究和具体实现了传统的一些遥感影像增强方法, 并针对其些方法中存在的问题提出了几种遥感影像增强的改进方法, 实验表明本文提出的算法对某些遥感影像的增强取得了较好的增强效果.全文共分五章, 具体安排如下：第一章绪论. 介绍了遥感影像增强技术的研究背景、目的意义及研究现状, 最后介绍了本文的主要研究内容.第二章遥感影像增强的一些基本概念. 阐述了遥感影像表示、获取和增强的一些理论、目的和方法种类及常用的空间域增强和滤波增强方法和特点, 并对线性变换、非线性变换、直方图均衡化等给出了实现结果及比较分析.第三章基于加权模糊 C-均值聚类的遥感影像增强. 针对分段线性变换的区域划分存在的问题提出了改进方法, 详细介绍了该方法的具体实现过程, 并分析了该改进方法的优缺点及改进方向.第四章遥感影像模糊增强方法的研究和实现. 在分析传统的模糊增强方法的基础上, 提出了基于最大 Tsallis 熵原则的遥感影像模糊增强算法, 利用遗传算法确定最佳阈值, 并分别探讨了单阈值和多阈值影像的模糊增强方法, 取得了很好的增强效果.第五章总结与展望. 总结本文的研究工作, 并对以后的研究课题进行展望.第2章遥感影像增强的基本理论遥感影像增强处理的主要着眼点在于改进影像显示、提高遥感影像的视觉效果和可解译性, 使遥感应用者易于从经过增强处理的遥感影像上获得所感兴趣的有用信息, 快速实现从遥感数据向有用信息的转化, 为进一步的影像分析判读做好预处理工作. 传统的方法主要是空间域和频率域增强方法.2.1遥感影像增强的一些基本概念2.1.1遥感数字影像的表示影像不能直接用计算机来处理, 处理前必须先转化成数字影像. 随着计算机技术的发展, 模拟影像和数字影像可以通过计算机处理系统进行相互转换（参见图2.1）, 把模拟影像变成数字影像称为模/数转换, 记作 A / D 转换；把数字影像变成模拟影像称为数模转换, 记作 D/A 转换[2].图 2.1 模拟影像与数字影像相互转换示意图模拟影像数字影像图 2.2 影像数字化把模拟影像转换成数字影像的过程 ( A / D) 称作影像的数字化过程, 如图 2.2 所示, 该过程就是把一幅遥感模拟影像分割成一个个小区域(像元或像素), 并将各小区域灰度用整数表示.遥感数字影像像素的属性特征常用亮度值来表示, 在不同影像上(不同波段、不同时期、不同种类的影像), 相同地点的亮度值可能是不同的, 这是因为地物反射或发射电磁波的不同和受大气电磁辐射影响而造成的. 遥感数字影像亮度值的大小是由遥感传感器所探测到的电磁辐射强度决定的[1].2.1.2遥感影像的获取目前遥感数字影像的获取, 根据遥感传感器其本构造和成像原理不向, 大致可以分为摄影成像、扫描成像和雷达成像三类[1].(1) 摄影成像(2) 扫描成像(3) 雷达成像2.1.3卫星遥感系统从把遥感平台送到远离目标物的位置开始, 到由专用的处理系统生产出遥感数字产品和模拟产品的全过程和全部设备可以统称为遥感系统, 卫星遥感系统主要由星载系统和地面系统两部分构成. 图 2.3 是卫星遥感系统的示意图[2.3].2.3 卫星遥感系统示意图(1) 星载系统星载系统负责遥感成像、数据记录、信号通信以及系统控制等等, 遥感工程应用中广泛运用的星载设备有：遥感传感器、宽频磁带机、星载数据收集装置和自动调节控制分系统.(2) 地面系统地面系统除了负责与星载系统之间的指令通信和数据通信, 还负责各类遥感信息的加工处理.常规地面系统不同的功能子系统包括卫星操作控制中心、地面接收站、数据处理系统和遥感测试系统.2.1.4直方图直方图是多种空间域处理技术的基础. 对影像的灰度分布进行分析的重要手段是建立灰度直方图(Density Histogram), 利用影像灰度直方图, 可以直观地看出影像中的像素亮度分布情况, 通过直方图均衡化, 归一化的处理等, 可对影像的质量进行调整. 另外, 通过对直方图的分析, 有助于确定影像阈值化处理的阈值(Threshold).(1) 直方图的概念如果将影像中像素亮度（灰度级别）看成是一个随机变量, 则其分布情况就反映了影像的统计特征, 可用 Probability Density Function(PDF)来刻画和描述. 灰度直方图是灰度级的函数, 描述的是影像中具有该灰度级的像元的个数. 确定影像像元的灰度值范围, 以适当的灰度间隔为单位将其划分为若干等级, 以横轴表示灰度级,以纵轴表示每一灰度级具有的像元或该像元数占总像元数的比例值, 做出的条形统计图即为灰度直方图, 它是影像最基本的统计特征.(2) 直方图的性质由直方图的基本概念可知, 影像的直方图具有以下三个重要的性质.位置无关性：直方图是一幅影像中各像素灰度值出现次数(或频数)的统计结果,它只反映该影像中不同灰度值出现的次数(或频数). 但未反映这些像元在影像中的位置信息. 当一幅影像被压缩为直方图后, 所有的空间信息将全部丢失.对应性：任何一幅特定的影像都有唯一的直方图与之对应, 但不同的影像可以有相同的直方图. 也就是说, 影像与直方图之间是多对一的映射关系.叠加性：如果一幅影像有两个不相连的区域组成, 并且每个区域的直方图已知,则整幅影像的直方图是该两个区域的直方图之和.(3) 直方图的应用对于每幅影像都可做出其灰度直方图. 根据直方图的形态可以大致推断影像质量的好坏. 由于影像包含有大量的像元, 其像元灰度值的分布应符合概率统计分布规律. 影像的灰度值是离散变量, 因此直方图表示的是离散的概率分布. 若以各灰度级的像元数占总像元数的比例值为纵坐标轴做出影像的直方图, 将直方图中各条形的最高点连成一条外轮廓线, 纵坐标的比例值即为某灰度级出现的概率密度, 轮廓线可近似看成影像相应的连续函数的概率分布曲线.2.2遥感影像增强的目的及种类影像增强的主要目的有：改变影像的灰度等级, 提高影像对比度；消除边缘噪声, 平滑影像；突出边缘或线状地物, 锐化影像；合成彩色影像；压缩影像数据量、突出主要信息等.遥感影像增强处理技术根据处理空间的不同, 可分为基于影像空间的空域方法和基于影像变换的频域方法两大类. 空域增强处理主要是通过改变单个像元及相邻像元的灰度值来增强影像. 每次对单个像元进行灰度增强处理称为点处理；对一个像元周围的小区域子影像进行处理, 称为邻域处理或模板处理. 而频率域增强是对影像进行傅立叶变换, 然后对变换后的频率域影像的频谱进行修改, 达到增强的目的. 此外, 根据影像处理的范围又可将增强处理技术分为全局(整幅影像)处理和局部(部分影像)处理两种. 后来, 随着彩色影像的广泛应用, 发展了许多针对彩色图像的增强处理方法, 故又有灰度影像和彩色影像增强之分.2.3遥感影像的空间域增强空间域是指影像平面所在的二维平面, 空间域增强是指在影像平面上直接对每个像元点进行处理, 处理后像元的位置不变.空间域增强是影像增强技术的基本组成部分, 它包括点运算和邻域运算. 对于一幅输入影像, 经过点运算后产生的输出影像的灰度值仅由相应输入像素点的灰度值决定, 与周围的像元不发生直接联系. 点运算又可称为对比度增强、对比度拉伸或灰度变换.遥感影像灰度增强是一种点处理方法, 主要为突出像元之间的反差, 所以也称“反差增强”、“反差扩展”或“灰度拉伸”等.灰度拉伸方法有线性拉伸、分段线性拉伸及非线性拉伸(又称特殊拉伸)等.2.4遥感影像的滤波增强遥感系统成像过程中可能产生的“模糊”作用, 常使遥感影像上某些用户感兴趣的线性形迹、纹理与地物边界等信息显示得不够清晰, 不易识别. 各种通过单个像元灰度值调整的处理方法对此均难以凑效；需采用邻域处理方法来分析、比较和调整像元与其周围相邻像元间的对比度关系, 影像才能得到增强, 也就是说需要采用滤波增强技术处理.影像滤波增强处理实质上就是运用滤波技术来增强影像的某些空间频率特征,以改善地物目标与邻域或背景之间的灰度反差. 例如通过滤波增强高频信息抑制低频信息, 就能突出像元灰度值变化较大较快的边缘、线条或纹理等细节. 反过来如果通过滤波增强低频信息抑制高频信息, 则将平滑影像细节, 保留并突出较均匀连片的主体影像.滤波增强分空间域滤波和频率域滤波两种. 前者在影像的空间变量内进行局部运算, 使用空间二维卷积方法, 特点是运算简单, 易于实现, 但有时精度较差, 容易过度增强, 使影像产生不协调的感觉；后者使用富氏分析等方法, 通过修饰原影像的富氏变换来实现, 特点是计算量大, 但比较直观, 精度较高, 影像视觉效果好.2.5本章小结.本章对遥感影像增强的一些基本概念和基本方法进行了阐述, 并对线性拉伸、非线性拉伸和 HE 等方法进行了分析和实现. 大量的影像增强试验表明, 任何一种影像增强方法并不能适用于所有的影像, 针对不同特征的影像只有采用恰当的增强方法才能达到较好的增强效果. 有时需要将多种方法结合使用, 才能达到增强的目的. 本文第四章将模糊影像增强方法与自适应直方图均衡化方法结合起来处理影像,达到了很好的增强效果第3章基于加权模糊 C-均值聚类的遥感影像增强3.1引言常用的影像增强方法有直方图均衡化[5]、线性拉伸[6]等, 它们常用来改进全局对比度, 而没有很好的显示出细节., 容易造成噪声和对比度过度增强现象以及振铃效应. 进行影像增强处理时, 为了突出感兴趣的目标或灰度区间, 可采用分段线性变换, 如何划分灰度区间是进行变换的关键, 实际应用时灰度区间端点经常根据经验设定, 不具备普遍性. 影像分割是把影像分成若干有意义的区域的处理技术, 徐月芳[29]等人提出了许多基于 FCM 聚类准则的影像分割方法. 随着 FCM 聚类算法研究的深入, 高新波[30]等人进一步提出了基于 WFCM 影像分割方法. 基于区域分割的影像增强也是处理影像的一种有效的方法, 比如基于分割和累积指数变换的增强算法. 文献[31]在一定程度上解决了划分灰度区间这一问题, 但具有很大的主观性,且操作比较复杂.3.2算法介绍3.2.1加权模糊 C-均值聚类算法假设 X = {x1 , x2 , ⋅⋅⋅, xn } 为 p 维实数空间中给定的一个有限样本集, xk ∈ R p 为第k 个模式的特征矢量. 对任意给定的类别数 c , 2 ≤ c < n , 样本集 X 的模糊 C-均值聚类问题类可以表示为如下的数学规划问题：其中, U = uij 为模糊划分矩阵, w j 为每个样本的加权系数, 且满足概率约束条为模式集 X 的模糊 c 划分空间； = {v1 , v2 , ⋅⋅⋅, vc } 为 c 个模糊类的聚类中心矢量集；⋅为某种范数, 用来定义样本与聚类中心的相似性测度； m 为模糊指数, 控制聚类的模糊程度.利用拉格朗日乘子法, 可以推出式(3.1)的优化迭代公式：3.2.2 RSIE-WFCM 算法本文将以灰度及其出现的频率作为待分类的样本, 用 WFCM 算法对遥感影像的灰度直方图进行分割, 确定低、中和高亮度区, 并分别对各区域进行不同变换方法的增强 , 最后经过对比度自适应直方图均衡化 (Contrast Adaptive HistogramEqualization 简称 CAHE)处理得到增强影像.RSIE-WFCM 算法流程：Step1 根据 WFCM 确定待处理影像的低、中和高亮度区；Step1.1 计算待处理影像的规一化直方图 h j ( j = 0,1,L , L − 1) ；Step1.2 确定聚类数 c （取 c ＝3）和初始聚类中心, 置 k = 1 , w j = h j ；Step1.3 按照式(3.2)计算隶属度矩阵 U；Step1.4 按照式(3.3)更新聚类中心向量V k +1 ；Step1.5 如果 V k +1 − V k < ε , 则执行 Step1.6；否则, 置 k ← k + 1 , 返回 Step1.2；Step1.6 根据计算结果确定低、中和高亮度区间, 分别记为[0, x1 ]、( x1 , x2 ]和( x2 ,L-1]；Step2 对低、中和高亮度区用式(3.4)进行不同的灰度变换处理；Step3 将 Step2 处理后的影像进行 CAHE 处理.其中低亮度区的拉伸系数为 k1 (一般小于1, 为压缩过程), 中亮度区的拉伸系数k2 一般取为1, 高亮度区的拉伸系数为 k3 , 可根据实际要求选取为大于1的数, h1 、 h2 和h3 为三部分的平移系数.3.3仿真实验及实验分析为了验证 RSIE-WFCM 算法的有效性, 下面对 RSIE-WFCM 算法和文献[31]方法及同态滤波结合分段线性拉伸方法处理后的影像在视觉上和信噪比及峰值信噪比上进行了分析比较.图 3.1 中(a)为原图, 其尺寸大小为 1186×1828 像素, 利用 WFCM 聚类方法将像素分为三类(其中白色的部分表示各类像素区域), 精确度取ε =0.1, 按照3.2.2 中的Step1 得到低、中和高亮度区范围分别为（0,68]、（68,146]和（146,255].(a) 原遥感影像 (b) 低亮度像素影像(c) 中亮度像素影像 (d) 高亮度像素影像图 3.1 原图及各类像素区域图在 Step2 中, 式(3.5)中 k3 = 0.65 , 这里取 gh = 255 , gl = 0 , 其拉伸直线的斜率近似等于 1, 处理后该区内像素的亮度范围将几乎不变, 但由于该线段的截距大于 0,因而该区内像素的亮度值将会增加. 在 MATLAB 运行环境下, RSIE-WFCM 算法得到的处理结果如下图 3.2(a)所示. 与文献[31]方法处理后的影像(图 3.2(b))相比, 对比度提高了, 亮度分布均匀, 右边部分变得很清晰, 细节表现明显. 从直方图( 图 3.2(c)-(e))来看, 本文算法将分布低的灰度级扩展到了整个动态范围, 而文献[31]方法使灰度级减少了, 损失了部分信息, 且像素分布不均匀.(a) RSIE-WFCM 算法最后处理的影像 (b) 文献[31]方法处理结果。

python写比例导引法

python写比例导引法摘要：1.引言2.Python 与比例导引法的概述3.比例导引法的原理4.Python 实现比例导引法的步骤5.Python 代码示例6.总结正文：【引言】在现代科学计算和数据处理领域，Python 语言以其简洁易懂的语法和强大的库支持，逐渐成为科学家和工程师们的首选工具。

在众多应用场景中，比例导引法作为一种求解复杂数学问题的有效方法，借助Python 可以实现简洁高效的计算。

本文将介绍如何使用Python 编写比例导引法的相关代码。

【Python 与比例导引法的概述】Python 是一种面向对象、动态数据类型的高级程序设计语言，具有易学易用、跨平台、可扩展性强、库支持丰富等特点。

而比例导引法是一种求解线性和非线性方程组的迭代算法，通过不断更新变量值来逐步逼近方程组的解。

使用Python 实现比例导引法，可以充分利用其强大的数值计算和图形绘制功能，提高问题求解的效率和精确度。

【比例导引法的原理】比例导引法是一种基于牛顿- 拉夫逊迭代法的优化算法，其基本思想是将方程组中的变量按照一定比例进行更新，以提高收敛速度。

设方程组为Ax=b，其中A 为系数矩阵，x 为变量向量，b 为常数向量。

比例导引法的迭代公式为：x[n+1] = x[n] - (A^T * A * x[n]) / (A^T * A * x[n] + β* b)其中，x[n] 表示迭代后变量的值，A^T 表示A 的转置矩阵，β为比例导引参数，可根据问题特性进行调整。

【Python 实现比例导引法的步骤】1.导入所需的Python 库，如numpy 和matplotlib，用于进行数值计算和图形绘制。

2.定义比例导引法的迭代公式。

3.根据问题，创建系数矩阵A 和常数向量b。

4.初始化变量向量x，并设置迭代次数。

5.利用循环进行迭代计算，直至达到预定的收敛条件。

6.可视化结果，以便观察算法的性能。

【Python 代码示例】```pythonimport numpy as npimport matplotlib.pyplot as plt# 创建系数矩阵A 和常数向量bA = np.array([[2, 1], [4, 3]])b = np.array([3, 7])# 初始化变量向量xx = np.zeros(2)# 设置迭代次数_iter = 1000# 迭代计算for i in range(n_iter):x_new = x - (A.T * A * x) / (A.T * A * x + 0.1 * b) # β= 0.1x = x_new# 可视化结果plt.scatter(x[0], x[1])plt.plot(np.append(x, [x[0], x[1]]), "r")plt.show()```【总结】通过使用Python 编写比例导引法的代码，我们可以充分利用其强大的库支持，高效地解决各类科学计算和数据处理问题。

模糊数学(扩张原理)

扩张原理1
设f: UV,由f可以诱导出一个映射：
f:F(U)F(V), A|f(A) 隶属函数
f
(
A)(v)
f
(u)v
A(u)
f 1(v)
0
f 1(v)
吉林大学计算机科学与技术学院
15
扩张原理1
设f: UV,由f可以诱导出另一个映射：
f-1:F(V)F(U), B|f-1 (B) 隶属函数f-1(B)(u)=B(v), v=f(u)
模糊数学 10
1
题4-1
2
题4-4
3
题4-5
4
题4-11
设T是从U到V的模糊变换，A是U 上的普通子集，证明
T (A)(v) T (u,v),v V uA
5
题4-11 证明
设T是从U到V的模糊变换，A是U 上的普通子集，证明
T (A)(v) T (u,v),v V uA
T (A)(v) (A(u) T (u, v)) ( (A(u) T (u, v))) ( (A(u) T (u, v)))
uU
uA
uA
对于u A, A(u) 0,故 (A(u) T (u, v)) 0 uA
对于u A, A(u) 1,故 (A(u) T (u, v)) T (u,v)
uA
uA
6
第五章扩张原理
7
映射
设有映射f:UV，由它可以诱导出一个新映射，仍记做f,
f: P(U)P(V), 即A|B=f(A)，其中 f(A) ={v|存在u∈A, 使得f(u)=v,v∈V} 这个映射把一个普通集合映射为另
f=(0A∨)(91)==1∨f(u)=9A(u)=A(-3) ∨A(3)

基于目标变轨运动的扩展比例导引律仿真研究

ＷＡＮＧＸｉｎ，ＬＩＵＸｕ，ＹＡＯＪｕｎ
（ＳｈｅｎｙａｎｇＬｉｇｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ１１０１５９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｔｒａｄｉｔｉｏｎａｌｄｙｎａｍｉｃｄｉｆｆｅｒｅｎｔｉａｌｅｑｕａｔｉｏｎ，ａｎｅｘｔｅｎｄｅｄｐｒｏｐｏｒｔｉｏｎａｌｇｕｉｄａｎｃｅｌａｗｉｓｐｒｅｓｅｎｔｅｄ．Ｆｏｒｔｈｅｓｉｎｕｓｏｉｄｌａｏｒ・
基于目标变轨运动的扩展比例导引律仿真研究
王
摘
欣，刘旭，姚
俊
（沈阳理工大学，沈阳
１１０１５９）
要：在传统动力学微分方程的基础上提出一种扩展的比例导引规律，对于目标感知危险距离之后的正弦
ｂｉｔａｌｔｒａｎｓｆｅｒｍｏｔｉｏｎｏｆｔａｒｇｅｔａｆｔｅｒｐｅｒｃｅｐｔｉｏｎｏｆｄａｎｇｅｒｄｉｓｔａｎｃｅ，ｔｈｅｅｆｆｅｃｔｏｆｎｏｒｍａｌｏｖｅｒｌｏａｄａｎｄｔｒａｊｅｃｔｏｒｙｃｕｒｖａｔｕｒｅｉｓａｎａｌｙｚｅｄｕｓｉｎｇｔｈｅ

模糊控制器设计中量化因子、比例因子的选择

Ξ　收稿日期:2008-11-15作者简介:王川川(1985—),男,河南濮阳人,硕士研究生,主要从事军用电力系统测试技术的研究. 模糊控制器设计中量化因子、比例因子的选择Ξ王川川a ,赵锦成a ,齐晓慧b(军械工程学院a.电气工程系;b.光学与电子工程系,石家庄　050003)摘要:以一个具体的电机系统为控制对象,通过Matlab 编程,设计了模糊控制系统的仿真模型通过修改量化因子和比例因子,得到不同的阶跃响应曲线,在此基础上,详细地分析了量化因子和比例因子取不同值时对模糊控制系统性能的影响,并由此分析得出了选择量化因子、比例因子的基本原则.关键词:模糊控制;量化因子;比例因子中图分类号:TP273+.4文献标识码:A 文章编号:1006-0707(2009)01-0061-03 1965年L A Z adeh 教授创立了模糊集合论,从而为描述、研究和处理模糊性现象提供了一种新的工具.一种利用模糊集合的理论来建立系统模型、设计控制器的新方法———模糊控制也随之问世了.模糊控制对于非线性、时变、无法或难以建立精确数学模型的系统能进行有效的控制,且模糊系统的设备简单,鲁棒性好,经济效益明显.故自从模糊控制技术诞生以来,在诸多领域获得了广泛的应用.模糊控制系统设计的核心是模糊控制器的设计,模糊控制器的设计主要有3个部分:输入量的模糊化;模糊逻辑推理;去模糊化过程[1].因此在模糊控制系统的应用中,有2个问题是必须考虑的,一是输入量的模糊化,即量化因子的选择;二是去模糊化过程中比例因子的选择.量化因子和比例因子对模糊控制系统性能有极大的影响.为此,本文中就量化因子、比例因子对模糊控制系统性能的影响进行了详细的分析,并提出了量化因子、比例因子选择的基本原则.1　量化因子和比例因子定义[2] 设误差的基本论域为-x e ,x e ,误差变化的基本论域为-x ec ,x ec ,控制量的基本论域为-y u ,y u .设误差变量所取的模糊子集的论域为{-n ,-n +1,…,0,…,n -1,n}误差变化变量所取的模糊子集的论域为{-m ,-m +1,…,0,…m -1,m}控制量所取的模糊子集的论域为{-l ,-l +1,…,0,…,l -1,l}量化因子一般用K 表示,误差的量化因子K e 及误差变化的量化因子K ec 分别由以下2个公式确定:K e =nx e K ec =m x c 输出控制量的比例因子由下式确定:K u =y u l2　常规模糊控制器的设计常规二维模糊控制器结构[3]如图1所示.其中:e 与ec(输人变量)分别为系统误差和误差变化率;u (输出变量)为控制器输出;E ,EC 和U 分别为系统偏差与偏差变化率和控制器输出的语言变量;K e ,K ec 为量化因子;K u 为比例因子.图1　常规二维模糊控制器结构设误差e 、误差变化率ec 和输出变量的论域都为[-6,6];模糊子集都为{N B ,NM ,NS ,O ,PS ,P M ,P B},即:{负大,负中,负小,零,正小,正中,正大}.隶属度函数有三角形(trim f )、高斯形(gaussm f )、梯形(trapm f )等可供选择,在此,E ,EC 和U 的“N B ”都选择Z (zm f )型隶属度函数,“P B ”都选择sm f 型隶属度函数,其余语言变量的隶属度函数都选择三角形隶属度函数(trim f ).3个语言变量隶属度函数如图2所示.第30卷　第1期四川兵工学报2009年1月模糊控制规则是对专家的理论知识和实践经验的总结,根据前面的设定可设计出49条模糊规则,如表1所示.图2　3个语言变量隶属度函数表1　模糊控制规则UECEP B P B P M P M PS O O P B P B P M P M PS 00P B P B P M PS 0NM NM P M P M 0NS NM NB NB O O NS NM NM NB NB OONSNMNMNBNB 模糊控制器的设计除了合理的设计模糊控制规则外,还需要考虑计算机的字长及计算机输入输出接口的A/D 和D/A 转换精度及变化范围,合理地选择模糊控制器的量化因子和比例因子,使模糊控制性能达到最优状态.此外,在模糊推理系统中选择Mamdani 型算法,解模糊采用重心法.3　仿真实例与分析某电机的传递函数G (S )=208s 2+6s +1,根据图3的流程[4].利用图2中模糊控制器设计的理论,在Matlab 平台上,编写模糊控制系统的仿真程序.其中控制规则见表1,输入为阶跃函数.在被控对象不变的前提下,保持3个因子K e ,K ec 和K u 中的任意两个不变,使第3个因子在给定值附近变化,观察其变化时系统阶跃响应的动态性能,包括超调量和响应时间. 情况一:在K ec =1,K u=0.5,不同K e 时系统的响应,如图4所示.分析图4可知,K e 越大,上升速率越大,调节时间越长,超调量越大.通过仿真还可发现:K e 取得过大时,系统产生较大的超调,调节时间增大,严重时会产生震荡,使系统不能稳定工作;K e 过小时,又使系统上升速率太小,系统调节隋性变大,系统的稳态精度降低,如图5所示.图3　模糊系统的程序流程图4　仅改变K e 时的阶跃响应图5　K e 取值差别较大时的阶跃响应情况二:在K e =4,K u =1.5,K ec 取不同值时系统的响应见图6.26四川兵工学报图6　仅改变K ec 时的阶跃响应曲线分析图6可知:K ec 增大,反应变迟钝,调节时间变短,超调量增大;K ec 减小,反应加快,上升速率小,调节时间长,超调量小.通过仿真还可发现,K ec 过小时,调节时间就会过长,严重时系统无法稳定工作.情况三:在K e =1,K ec =0.5,不同K u 时系统的响应,如图7所示.图7　仅改变K u 时的阶跃响应分析图7可看出,随着K u 增大,上升速率加快,响应时间减小.通过仿真还可得知:K u 过大时,系统输出上升速率过大,从而产生过大的超调乃至振荡和发散,严重时将会影响系统的稳态工作;而K u 过小时,系统的前向增益很小,系统输出上升速率较小,调节速度变慢,即系统的过渡过程较长.综合上面的分析,可得出如下的选择量化因子、比例因子的基本原则:1)当误差e 和误差变化率ec 大时,取小的K e 、K ec ,大的K u ;2)当误差e 和误差变化率ec 较大时,取较小的K e 、K ec ,较大的K u ;3)当误差e 和误差变化率ec 较小时,取较大的K e 、K ec ,较大的K u ;4)当误差e 和误差变化率ec 小时,取大的K e 、K ec ,小的K u ;上述原则的2点解释:1)当误差e 和误差变化率ec 较大时,应当取较小的K e 和K ec 以降低对输入量e 和ec 的分辨率,同时取较大的K u ,增大控制量的变化,加快系统的过渡过程;2)当误差e 和误差变化率ec 较小时,应取较大的K e和K ec 以提高对输入量e 和ec 的分辨率,同时取较小的K u ,减小控制量的变化,抑制系统相应超调量的增加,使系统尽快达到稳态.4　结束语量化因子和比例因子对模糊控制器的性能有很大的影响.本文中对一个电机系统设计了模糊控制系统,在此基础上,详细地分析了量化因子和比例因子对模糊控制系统性能的影响,并初步提出了量化因子和比例因子选择的基本原则.由于量化因子K e 、K ec 和比例因子K u 对模糊控制系统的影响是非线性的,它们之间也存在着互相影响,故要使模糊控制系统的性能达到最优,应综合考虑如何选择合适的量化因子和比例因子,或使这些参数能够自调整,这是下一步努力的方向.参考文献:[1]　曹志国,廉小亲.基于M AT LAB 的两种模糊控制系统的仿真方法[J ].计算机仿真,2004,21(3):41-44.[2]　李士勇.模糊控制・神经控制和智能控制论[M].2版.哈尔滨:哈尔滨工业大学出版社,1998:275-277.[3]　梁铁城,姜长洪.参数自调整模糊控制系统的设计与仿真[J ].系统仿真学报,2006,18(2):628-633.[4]　屈丹.基于M AT LAB 的模糊控制参数自寻优设计与仿真[J ].光电技术应用,2005,20(2):67-70.36王川川,等:模糊控制器设计中量化因子、比例因子的选择。

【国家自然科学基金】_比例导引_基金支持热词逐年推荐_【万方软件创新助手】_20140731

2012年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14热词转台粒子滤波目标模拟器电流导引电流密度分布比例导引控制律比例导引律残差重采样机器鱼有序权值时变反馈控制律局部通信导弹跟踪导弹实验研究协同制导半物理仿真分数阶微积分分布式自适应光电子学倒装位姿镇定伺服控制 lyapunov-like方法 algainp led
推荐指数 6 3 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年序号 1 2 3 4 5
53 伴随法
1
2014年科研热词飞行制导空中加油控制点空中加油初始点空中加油会合推荐指数 1 1 1 1 1
科研热词比例导引稳定性末制导攻击时间协同制导制导全捷联高超声速飞行器领弹隔离度寄生回路隔离度过载自动驾驶仪视景仿真视场被领弹自适应脱靶量空地导弹相控阵雷达导引头气象要素比例导引系数比例导引制导律机动目标时间协同时变速度无源性攻击角度攻击时间控制捷联激光探测器微小型弹药弹道仿真干扰力矩导弹导引律导引弹道导引头隔离度寄生回路增强型比例导引增广比例导引反舰导弹参考目标动态逆剩余飞行时间剩余时间估计前置角制导精度制导火箭制导时间常数制导控制系统制导信息分段制导分布式通信全捷联导引头
2008年序号 1 2 3 4
科研热词比例导引律增广比例导引律三维追逃模型 btt导弹
推荐指数 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

比例导引原理的三维模糊导引律设计

例的基本原理［ｌ一］２。就目前导弹的导引头性能来说，探测到视线角速率信息在工程上是可以做到的，但要准确探测到目标的加速度信息及目标的角度信息还是相对困难的。本文采用比例导引的原理将视
线角速率作为模糊控制系统的输人量，将导弹法向加速度作为输出量，以控制视线角速率始终在一个很接近于零的范围内变化。而导弹与目标的接近速度则为另一个输人变量。以控制导弹以最快的速度接近目标。由于三维空间的追逃问题具有实时性和
一１
６，口
户＜一｛尤。（玖＋从）｝
口止＞凡
其中：甲．。６。分别为导弹的偏航角和俯仰角；甲。，氏分别为目标的偏航角和俯仰角；而甲：，氏则分别是
基于视线坐标系的视线偏航角和俯仰角；介是导弹与目标的接近速度。为了能够将三维追逃运动分解到两个平面中去，在这里有一个假设前提。即在 △ ，、０时间内，视线坐标系仅随导弹平动，但这样会使等式（５）与实际距离存在累积误差，为了减小这种误差，可以采用减
第１４卷第６期
２的７年１２月
电光与控制
Ｅｌ玉ＣＴＲＯＮＣＳＯＰＩｒ】ＣＳ＆ＣＯ入ＴＲＯＬ
Ｖｌｌｏ４
为６
Ｏｅｏ．２阅７
文章编号：１７１６一石３，Ｘ（２（Ｘ斤）６双月０３一ＳＱ
小步长增加采样频率的方法。假设导弹切向做匀减速运动，目标切线方向匀
廿者．、
、，夕廿
（１０）
１・ｅｌ一凡
１
式中的Ｋ；、凡、凡为待定系数。相应的输出变量也要进行反归一化处理：

基于粒子群算法的导弹模糊导引律设计

维普资讯
第２卷第１４期
２０年２月０８
哈尔滨商业大学学报（自然科学版）
ＪｕｎｌｆｒｉｉｅｓｙｏｏｏｒａｂｎＵｎｖｒｉｆＣｍｍｅｃａｕａＳｉｎｅｄｔｎｏＨａｔｒｅｆｔｒｌｃｃｓＥｉｏ）Ｎｅｉ
ｎｖｇｔｏｉａｅａｉａｉｎｇｄｎｃｕ
随着精确制导技术的发展，越来越多的新技术
应用在导弹设计上，代飞行器的发展，导弹的现对
参数选择的随意性，此运用粒子群（ａｉｅ因Ｐｒｃｔｌ
ＳＨＡＮｏｄｎＢａ — ｅｇ，ＬｉｙｎｇＩＳｈ — ｏ
（ｅａｔｅｔｆｏｔｌｃｅｃｎｎｉｅｒｇＨａｂｎｔｕｅｏｅｈｏｇ，ａｂｎ１００，ＣｉａＤｐｒｎｎｏＳｉｅａｄＥｇｅｉ，ｒｉＩｓｔｆｃｎｌｙＨｉ５０１ｈ）ｍｏＣｒｎｎｎｎｉｔＴｏｒｎ
的设计中，对模糊逻辑参数进行优化，定性和定将
量综合集成起来，比例导引地基础上实现了模糊在比例导引律设计．真结果表明优化后的模糊制导仿
的方法．利用粒子群优化方法调整模糊变量隶属度，比例因子等参数，并通过反复优化使模糊推理规
则接近于最优．方法克服了模糊逻辑设计中的随意性，高了模糊制导律的精度和鲁棒性．真结该提仿
果表明了这种优化方法得到的模糊比例导引律明显优于传统比例导引律．

基于模糊逻辑的高性能融合制导研究

ｂｓｄｇｉａｃｓａｐｏｏｔｏａｎｖｇｔｎｗｉｆｅｔｅｅｓｎｖｇｔｏａｉｄｓｅｔｕｚｏｉｕｉｇｍｅｓｒｄａｅｕｄｎｅｉｒｐｒｉｎｌａｉａｉｔｅｆｃｉｎｓａｉａｉｎｒｔａｊｔｄｗｉｆｚｙｌｇｃｓｎａｕｅｏｈｖｏｕｈ
ＬＯＳｒｔｎｌｉｇｐｅａｎｐｕｓＴｈｅｆｓｏｕｔｃｂｎｓｔｅｐｏｐｒｉｎａｖｇａｉｎｆｚｌｉｂｓｄｎａｅａｄｃｏｓｎｓｅｄｓｉｔ．ｕｉｎｎｉｏｍｉｅｈｒｏｔｏｌｎａｉｔｏｎａｄｕｚｙｏｇｃａｅｏｇｕｄａｃｏｍａｄｓｔｇｅｈＯｇｖｈｅｆｎｌｇｕｄａｅｃｍａｎｈｒｇｈｗｅｇｈｅ — ｕｉｅｈｏｉｎｅｃｍｎｏｔｅｒｔｉｅｔｉａｉｎｃｏｍｄｔｏｕｉｔｄｆｓｏｎｍｔｄ．Ｔｈｅｇｕｄａｃｐｒｉｎｅｅ— ｆｍａｅｉｏｐｒｄｗｉｈｐｏｏｒｉｎａｖｇａｉｎ．Ｔｈｅｕｔｍｏｎｓｒｔｈｔｔｅｇｕｉｎｅｌｗｓｏｆｈｇｈｇｕｄｏｒｎｃｓｃｍａｅｔｒｐｔｏｌｎａｉｔｏｅｒｓｌｓｄｅｔａｅｔａｈｅｎｗｄａｃａｉｉｉ —
２模糊逻辑融合制导设计
为了简化问题分析，虑平面拦截条件下导考
截高速大机动目标，靶量较大－５脱＇。现代先进３

扩展二型模糊系统在飞机故障检测中的应用

工程技术科技创新导报 Science and Technology Innovation Herald93故障诊断是自动控制中热点研究方向[1]，它是系统有效性和可靠性的先决条件。

一型模糊逻辑系统已成功应用于容错控制与故障诊断[2-4]，而其主要方法是利用模糊集合来表示残差或观察器，通过残差自适应方法[5]、滑模观察器[6]、模糊分类器[7]等解决故障诊断问题。

但目前的模糊故障诊断方法，只考虑根据故障征兆来肯定故障的程度，而没有考虑故障征兆从而否定故障。

另外，在描述故障特征时，由于含有大量的不确定性和采用语言变量的描述困难，使得隶属函数的设计也存在一定困难。

二型模糊系统的提出有效地解决了隶属函数的设计难度，而且能够描述更高层次的不确定性[8]。

近年来，越来越多的学者投身于二型模糊系统的研究，并将其应用于通信、金融、控制及医疗等各个领域[9-12]。

该文根据扩展二型模糊逻辑系统，增加扩展隶属函数取值范围，将系统残差的输出清晰的划分为三个状态：正常、异常和故障。

新增加的状态，能够有效的避免误诊和漏诊。

针对某非线性飞机模型的仿真结果表明了其有效性。

1 扩展二型模糊系统扩展二型模糊系统，是在二型模糊系统的基础上，将二型模糊系统中前件和后件的二型模糊集合，用扩展的二型模糊集合替换，而相应的运算方法不变，不同的是二型模糊集合的隶属函数是区间]1,0[上的常规隶属函数，而扩展的二型模糊集合的隶属函数是区间[1,1]−上的扩展的一型隶属函数[13]。

考虑p个输入,,,,2211p p X x X x X x ∈∈∈ 和一个输出Y y ∈的扩展二模糊系统，使用单点模糊化，重心去模糊的降型方法[13-14]和If-Then规则的如下形式：l R ：if 1x is l F 1~ and 2x is l F 2~ and … and p x is l p F ~theny is lG ~则：∑∑∫∫∫∫∏∏====−−∗=m l lml ll c c e e ml l E ml l C type e x eec e c f m ml l 1111211)(()((µµ （1）其中：li F ~和l G~分别是扩展的二模糊集合；l Gll C C c ~=∈表示第i 条规则后件模糊集合的重心；∏==∈pi i F ll x E e l i1~)(µ。

比例导引律研究现状及其发展

收稿日期:2006201208 修回日期:20062082013基金项目:总装预研重点基金资助项目(6140529)　作者简介:王亚飞(19822　),男,陕西户县人,硕士研究生,研究方向为航空导弹武器效能分析。

文章编号:100220640(2007)1020008205比例导引律研究现状及其发展3王亚飞,方洋旺,周晓滨(空军工程大学工程学院,陕西　西安　710038) 摘　要:在研究和分析国内外大量关于比例导引律的研究成果基础上,系统地论述了纯比例导引、理想比例导引、扩展PID 型比例导引,变结构比例导引和修正比例导引等改进型比例导引的研究现状。

分析了它们的原理、性能及特点,讨论了在理论与实践中的优缺点,对其发展进行了展望,为导弹制导与控制及相关问题研究提供了参考。

关键词:比例导引,导引律,制导精度,机动性中图分类号:TJ 39 文献标识码:AThe Status Quo of Proportional Navigation GuidanceLaw and its DevelopmentWANG Ya 2fei ,FANG Yang 2wang ,ZHOU Xiao 2bin(Air Force Engineering UniversityEngineeringCollege ,Xi ’an 710038,China ) Abstract :In this paper ,on the basis of researching and analyzing a large amount of results aboutproportional navigation ,the present statuses of some kinds of ameliorative proportional navigation including PPN ,IPN ,PID 2PN ,Variable Structure PN and Modified PN .Their principles ,performances and traits are analyzed ,their strong 2points and shortcomings in theory and practice are discussed ,and their developing foreground is previewed .All the above results will offer some reference for the Control and Guide of missile and related problems .Key words :proportional navigation ,guidance law ,guidance accuracy ,maneuverability引　言导弹制导规律即导引律的选择对导弹能否精确打击目标至关重要,而导引律的设计需要从导弹的飞行性能、作战空域、技术措施、制导精度、制导设备,战术使用等方面进行综合考虑与衡量[1]。

模糊控制比例因子

模糊控制比例因子模糊控制比例因子是指在模糊控制系统的设计中，用来确定模糊控制器输出的系数。

在实际应用中，比例因子的选取对模糊控制系统的稳定性、精度和响应速度等性能有很大影响，因此，对比例因子的研究受到了广泛的关注。

首先，需要明确什么是模糊控制系统。

模糊控制系统是一种基于模糊集合与模糊逻辑进行控制的系统。

相比于传统的精确控制系统，模糊控制系统具有更强的鲁棒性和适应性，在面对非线性、时变、模糊等情况时，表现出更优异的控制性能。

在模糊控制系统中，比例因子的作用是调节模糊控制器的输出，使其能够更好地控制被控对象。

在确定比例因子时，需要考虑多个方面的因素，如被控对象的特性、期望的控制精度、控制周期等。

通常，比例因子的选取可以采用经验法、试错法以及最优化方法等多种途径。

经验法是根据经验或者规则选取比例因子的方法。

这种方法适用于控制对象比较简单、控制要求不高的情况。

例如，在水平控制系统中，通常可以根据实际经验来选取比例因子，通过多次试控来不断调整比例因子，使得被控对象能够保持稳定的状态。

试错法是一种通过反复试控来寻找比例因子的方法。

这种方法需要进行多次试控，每次根据实验结果调整比例因子，直到得到最佳的比例因子。

这种方法比较耗时，但是对于复杂的控制对象和高要求的控制系统，试错法是一种有效的比例因子选取方法。

最优化方法是一种根据数学模型或者仿真模型来求解最优比例因子的方法。

这种方法需要建立一个适当的数学或者仿真模型，并且考虑到系统的非线性、时变等特性。

通过对模型进行求解，可以得到最优的比例因子。

优化方法相对于经验法和试错法更加科学和可靠，但是需要较高的数学和计算机技能。

总之，在确定模糊控制比例因子时，需要充分考虑实际应用的需求和控制要求，合理选择比例因子的选取方法，以保证控制系统的性能和稳定性。

运动模糊图像点扩展函数方向鉴别

运动模糊图像点扩展函数方向鉴别
史晓宏;廖述剑
【期刊名称】《科技创新与生产力》
【年(卷),期】2009(000)006
【摘要】提出一种基于频域特性利用Radon变换对模糊图像的模糊方向进行估计的方法.通过对一幅分辨率为256×256的图像进行仿真分析,证明了这种方法的精确性.
【总页数】2页(P70-71)
【作者】史晓宏;廖述剑
【作者单位】太原理工大学信息工程学院,山西,太原,030024;太原理工大学信息工程学院,山西,太原,030024
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.匀速直线运动模糊图像点扩展函数的识别方法 [J], 宋海英;胡蓉
2.运动模糊图像的运动模糊方向鉴别 [J], 陈前荣;陆启生;成礼智
3.基于频谱分析的运动模糊图像的参数鉴别 [J], 苏军
4.任意方向直线运动模糊点扩展函数研究 [J], 高梅;陈树越
5.运动模糊图像点扩展函数的参数鉴别 [J], 郭永彩;郭瑞瑞;高潮
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊扩张矩阵的启发式算法

基于模糊扩张矩阵的启发式算法
王熙照;闫磊凡
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)034
【摘要】扩张矩阵是一种规则归纳的方法.在模糊环境下,模糊扩张矩阵算法根据路径的最小模糊信息熵标准,从示例中归纳产生一组模糊规则.本文引入评价矩阵的概念,并使用近似集合覆盖算法的思想,对上述模糊规则归纳方法做了改进.实验结果表明,与原算法相比,改进后的版本增添了许多优点,比如,得到的规则较少,运算速度较快等.
【总页数】3页(P31-33)
【作者】王熙照;闫磊凡
【作者单位】河北大学数学与计算机学院机器学习中心,河北,保定,071002;河北大学数学与计算机学院机器学习中心,河北,保定,071002
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于词词关联矩阵改进的模糊检索研究 (一)——模糊集合检索系统中词词关联矩阵构造的策略和时机选择 [J], 夏立新;叶光辉;程秀峰
2.基于模糊扩张矩阵的钾盐判别模型及应用 [J], 赵文霞
3.容忍噪音的扩张矩阵启发式算法研究 [J], 王兴起;孔繁胜
4.基于信息熵的扩张矩阵的启发式算法 [J], 钱国良;舒文豪;王亚东
5.基于稀疏矩阵面向论文索引排名的启发式算法 [J], 万晓松;王志海;原继东
因版权原因，仅展示原文概要，查看原文内容请购买。

模糊奇异的 lyapunov 矩阵方程的扩展法

模糊奇异的lyapunov 矩阵方程的扩展法全文共四篇示例，供读者参考第一篇示例：Lyapunov矩阵方程是控制理论中重要的数学工具，用于研究线性系统的稳定性和响应。

对于非线性系统，Lyapunov矩阵方程的求解往往比较困难，因为非线性项可能使得方程无法直接求解。

近年来，研究人员提出了一种扩展法，通过将Lyapunov 矩阵方程转化为模糊奇异的形式，从而可以更好地处理非线性系统的稳定性分析。

本文将探讨模糊奇异的Lyapunov 矩阵方程的扩展法，并讨论其在控制系统领域的应用。

在控制系统中，Lyapunov矩阵方程的一般形式为：\[ A^TX + XA + Q = 0 \]其中A是系统的状态矩阵，X是Lyapunov矩阵，Q是正定对称矩阵。

通过求解这个方程，可以得到系统的平衡点的稳定性信息。

对于非线性系统来说，Lyapunov矩阵方程往往不再适用，因为非线性项可能会使得系统的稳定性分析变得复杂。

在实际应用中，模糊奇异的Lyapunov矩阵方程可以用于处理各种复杂的非线性系统，例如神经网络控制、混沌系统、遗传算法等。

通过将非线性系统建模为模糊奇异的形式，可以更准确地预测系统的稳定性和响应，从而提高控制系统的性能和鲁棒性。

模糊奇异的Lyapunov矩阵方程还可以用于设计优化控制器和观测器，通过最小化Lyapunov矩阵方程的解来优化系统的性能。

通过结合模糊理论和奇异值分解技术，可以更好地处理非线性系统的稳定性分析和控制设计问题。

第二篇示例：Lyapunov 矩阵方程是控制理论中非常重要的一个概念，用来描述系统稳定性和收敛性的特性。

在实际应用中，很多情况下系统的动力学方程很难直接求解，这时就需要考虑使用模糊逼近方法来处理系统的Lyapunov 矩阵方程，这也是一种对Lyapunov 矩阵方程的扩展方法。

模糊逼近方法是一种非常灵活和有效的数值计算技术，能够处理具有不确定性和模糊性的系统。

通过引入模糊逼近技术，可以将原始的Lyapunov 矩阵方程转化为一组具有确定性的代数方程，从而简化系统的分析和设计过程。

基于模糊理论的多属性决策和图像增强方法研究的开题报告

基于模糊理论的多属性决策和图像增强方法研究的开题报告一、研究背景及意义多属性决策是指在多个属性指标的影响下，选择最优的方案，是现代科学技术、经济管理等领域中普遍存在的问题。

在某些实际应用中，这些指标不仅是明确的，而且还可能是模糊的或不确定的，如产品质量、客户需求等。

这就导致传统的多属性决策方法难以处理这样的问题，因此需要一种能够处理模糊信息的多属性决策方法。

图像增强是指通过一定的算法，提高图像的质量、清晰度和对比度等指标，以更好地展现图像中的信息。

图像增强广泛应用于医学、工业、安全监控等领域中。

然而，不同图像增强算法具有不同的优缺点，并且图像本身可能存在噪声或失真，因此选取合适的图像增强算法便成为了一个多属性决策问题。

模糊理论是处理模糊信息的一种重要方法，可以将模糊的信息转化为数学可处理的概率分布形式，便于进行多属性决策和图像增强。

因此，使用模糊理论进行多属性决策和图像增强的研究具有重要意义和实际应用价值。

本研究旨在探索使用模糊理论进行多属性决策和图像增强的方法和技术，并提出一些解决方案以解决实际应用中的问题和挑战。

二、研究内容和目标1.分析模糊理论在多属性决策中的应用，探索基于模糊理论的多属性决策方法的优化和改进。

2.分析模糊理论在图像增强中的应用，探索基于模糊理论的图像增强算法设计和优化。

3.提出一种基于模糊理论的多属性决策与图像增强综合方法，并进行实验验证。

4.应用该综合方法于某些实际问题中，分析和解决实际问题中的多属性决策和图像增强问题。

三、研究方法和技术路线1.分析模糊理论及其在多属性决策和图像增强中的应用，并探索其优缺点。

2.建立多属性决策和图像增强的数学模型，并基于模糊理论对其进行扩展和改进。

3.设计并实现基于模糊理论的多属性决策和图像增强算法。

4.通过实验验证和分析，评估所提出的方法的有效性和可行性。

5.应用所提出的方法解决某些实际问题，并对结果进行评估和总结。

四、预期成果及创新点1.提出一种基于模糊理论的多属性决策与图像增强综合方法，对实际问题具有一定的解决价值和意义。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

中图分类号：Ｊ６．Ｔ７５３文献标志码：Ａ
ＦｕｚｇｃＥｘｅｄｅ＿ｏｏｔｏｌｎａｉａｉｎｚｙＬｏｉｔｎｄ。ｐｒｐｒｉｎａ－ｖｇｔｏ ‘
ＲＥＮｅｇ，ＰｎＪｅＨＯＵｉｇｈｎ．ｉＭｎｓａＹＡＮＧｅｘｅＷｎｕ
面也能知道制导系统具有的最低性能标准。在比例
导引的改进设计中，典型的导引律有增广比例导引最
性能［。
对被动寻的制导，由于目标探测信息缺乏，线视角加速度通过一定手段可近似获得，因此采用扩展的比例导引是一种较好的选择Ｌ。扩展比例导引实现２］
糊控制规则］优化的模糊控制规则可有效提高制导，
０引言
传统的比例导引容易实现，目标探测噪声能力抗强，低速小机动目标制导性能良好，在高速大机对但动目标攻击方面的性能差。对传统的比例导引进行改进是制导设计的一个重要研究方向，方面可保持一比例导引特有的制导鲁棒性和实施的简便性，一方另
以视线角速度和视线角加速度为输入．过输入的归一化处理和模糊制导指令运算得到基准的模糊控制指令通调节因子，照导弹最大法向加速度和指令调节因子形成制导指令。仿真结果表明，传统的比例导引比较，按与提出的模糊扩展比例导引抗目标机动的能力强，制能量要求低，靶量小。控脱关键词：比例导引；展比例导引；糊制导；线角扩模视
第３Ｏ卷
第３期
弹
箭
与
制
导
学
报
Ｖｏ．０ＮＯ３１３．
２１０Ｏ年６月
ＪｕｎｌｆＰｏｅｔｌｓｏｒａｒｊｃｉ，Ｒｏｋｔ．ＭｉｓｌｓａｄＧｕｄｎｅｏｅｃｅｓｓｉｎｉａｃｅ
Ｊｎ２１ｕ００
模糊扩展比例导引研究
（ｈｏｕｔｍａｉｎ．ＮｏｒｈｗｅｔｒＳｃｏｌｏｆＡｏｔｏｔｓｅｎＰｏｌｅｈｃｌＵｎｖｒｉｙ．Ｘｉａ０２，Ｃｈｉ）ｙｔｃｎｉａｉｅｓｔ ’ ｎ７１０７ｎａＡｂｓｒｃＩｒｅｔｉｐｒｅｔｐｒｏｒａｃｏｆｉｓｌｔａｔ：ｎｏｄｒＯｍｏｖｈｅｅｆｍｎｅｍｓｉｅｇｕｉｎｅａ，ａｄａｃｌｗｎｅ｛ｚｙｘｔｎｄｗｕｚｅｅｄｅｐｒｏｒｉｇｕｄａｃｌｗｗａｒ — ｏｐｔｏｎｉｎｅａｓｅｓａｃｄＴｈｅｌｎｉｅｒｈｅ．ｉｅｏｆｓｇｈｔ（ＬＯＳ）ａｎｇｕａａｅａｈｅＬＯＳｎｇｕａｃｅｅａｉｒｓｅｓｔｏｎｒｌｅｒｉｌｒｒｔｎｄｔａｌｒａｃｌｒｔｏｎｗｅｅｕｄａｈｅｃｔｏｌｎｐｕｓＢｙｍｅｎｓｏｔ．ａｆｎｏｍａｉｉｇｔｎｐｕｓａｆｚｙｌｃｃｌｕａｉｒｌｎｈｅｉｚｔｎｄｕｚｏｇｉａｃｌｔｏｎ，ｔｎｓｒｃｉｅｌｔｎｆｃｏｒａｃｉｅｈｅｉｔｕｔｏｎｒｇｕａｉｇａｔｓｃｎｂｅａｑｕｒｄ．Ａｃｏｒｎｇｔｈａ－ｒａｃｄｉＯｔｅｍｘｎｏｍｌａｃｌｒｔｏａｎｔｕｃｉｅｃｅｅａｉｎｎｄｉｓｒｔｏｎｏｆｒｇｕｌｔｎｇｆｃｏｒ８ｇｕｄａｅｉｔｕｔｏｎｗａｓｏｂｔｉｄＣｏｍｐｒｄｗｉｈｔａｔｏｎｌＰＮＧａａｉａｔｓ，ｉｎｃｎｓｒｃｉａｎｅ．ａｅｔｒｄｉｉａｌｗｓ。ｔｅｈｓｍｕａｉｍｏｔａｅｈｔｔｕｚｏｒｌｅｃｒｈｇｈｅｍｐｃｃｕｒｃｔｏｅｏｎｒ１ｉｌｔｏｎｄｅｎｓｒｔｓｔａｈｅｆｚｙｃｎｔｏｌｒａｑｕｉｅｓｉｒｉａｔａｃａｙｗｉｈｌｗｒｃｔｏ．
任鹏杰，明善，文学侯杨
（北工业大学自动化学院．安７０７）西西１０２摘要：了提高导弹制导律的性能．究了一种新的模糊扩展比例导弓方法。在模糊扩展比例导弓设计中，为研ｌＩ
Ｋｅｗｒｓｐｏｏｔｎｌｎｖｇｔｎ；ｅｔｎｅｒｐｒｉｎｌａｉａｉｎ；ｆｚｙｌｇｃｇｉａｃ；ｌｅｏｉｈｙｏｄ：ｒｐｒｉａａｉａｉｏｏｘｅｄｄｐｏｏｔａｖｇｔｏｏｎｕｚｏｉｕｄｎｅｉｆｓｇｔｎ