基于双马尔科夫链的势概率假设密度滤波

针对已有的基于双马尔科夫链(PMC)模型的势概率假设密度(PMC-CPHD)滤波算法无法实现的问题,将PMC-CPHD算法改进为多项式形式以便于算法的实现,并给出了改进算法的高斯混合(GM)实现。实验结果表明给出的GM实现能够有效实现多目标跟踪,并且比基于PMC模型的概率假设密度(PMC-PHD)算法的GM实现提高了目标个数估计的稳定性。

雷达侦察截获效能评估的马尔科夫动态修正方法

针对传统雷达侦察截获效能评估时,没有有效利用实时获取的截获概率统计值的问题,提出了雷达侦察截获效能评估的马尔科夫动态修正方法。在利用凝聚谱值进行数据相关性分析的基础上,构造双链马尔科夫模型将历史实际统计值因素加入效能评估模型中,得出马尔科夫修正值。仿真实验表明,该方法对单雷达场景评估时,90%修正值的百分比误差低于8.3%;对多雷达场景综合评估时,90%修正值的百分比误差低于12.0%,可较好地实现雷达侦察截获效能评估。

基于关联辨识的虚假电力信息快速辨识方法设计

虚假电力信息作为一种常见的网络攻击方式,因其具备极强的隐蔽性,往往能够对电力系统造成较为严重的后果。攻击者利用电网拓扑信息精心构建隐蔽性攻击向量,从而绕过传统不良数据检测机制恶意篡改量测数据,严重影响到电力CPS的安全稳定运行。提出一种基于双马尔科夫链的虚假电力信息快速辨识方法。利用双马尔科夫链建立电力系统的运行状态函数,以实现电力系统的运行状态感知与电力信息的提取。通过对电力信息数据样本进行关联规则挖掘,并对挖掘结果进行预处理。建立基于支持向量机的虚假电力信息快速辨识函数,将预处理后的数据输入至辨识函数中,通过支持向量机的分类算法进行辨识,得到虚假电力信息的快速辨识结果。实验结果表明,设计的方法可以精准识别配电网节点携带的虚假电力信息条数,并对节点虚假电力信息类别进行划分,辨识时间短,虚假电力信息快速辨识效果好。