基于量子機(jī)理的認(rèn)知方法及其在自動目標(biāo)識別和提取中的應(yīng)用研究.pdf

1、自動目標(biāo)識別和提取是智能信息處理領(lǐng)域的重要內(nèi)容。自動目標(biāo)識別和提取技術(shù)廣泛應(yīng)用于國防和民用工業(yè)領(lǐng)域，特別在軍事上有著重要的應(yīng)用價值。目前自動目標(biāo)識別和提取技術(shù)面臨的主要問題是如何理解目標(biāo)所在的復(fù)雜的不確定環(huán)境信息以及如何將目標(biāo)從各種復(fù)雜環(huán)境中有效提取出來。 針對這個問題，目前自動目標(biāo)提取技術(shù)研究的重要發(fā)展方向是試圖通過模擬人腦處理外界復(fù)雜不確定信息的認(rèn)知機(jī)理來使計算機(jī)具有在復(fù)雜環(huán)境下更強(qiáng)的適應(yīng)性。本文以量子力學(xué)為數(shù)學(xué)工具模擬人腦

2、認(rèn)知機(jī)理和處理不確定信息的方法，提出若干的量子認(rèn)知方法和結(jié)構(gòu)，并在已提出方法的基礎(chǔ)上，針對不同的自動目標(biāo)識別和提取問題，提出相應(yīng)的算法，并應(yīng)用于工程實踐和相關(guān)實驗。 首先，針對不確定信息的表示和認(rèn)知問題，提出一種基于量子測量機(jī)理的認(rèn)知結(jié)構(gòu)。該認(rèn)知結(jié)構(gòu)將人腦認(rèn)知比擬為量子測量過程，以所認(rèn)知的不確定信息為量子態(tài)或量子系綜，以測量算符體現(xiàn)人腦中的知識和認(rèn)知目的?；诹孔訙y量機(jī)理的認(rèn)知結(jié)構(gòu)融合了信息加工過程中無意識數(shù)據(jù)驅(qū)動和有意識概念驅(qū)

3、動兩種機(jī)制。 在量子認(rèn)知結(jié)構(gòu)基礎(chǔ)上，針對無監(jiān)督聚類球殼原型目標(biāo)難以提取的問題，提出一種基于量子測量的球殼聚類方法。其基本思想是將聚類樣本集分別視為可測量的環(huán)境量子系綜和刺激量子系綜，每個樣本視為宏觀系綜中的一個微觀量子疊加態(tài)。刺激量子系綜依概率在具體微觀態(tài)上進(jìn)行塌縮產(chǎn)生刺激引起無意識的注意，并產(chǎn)生球殼面算符。球殼面算符通過對環(huán)境量子系綜進(jìn)行有意識的測量并得到平均測量值來驗證球殼面的有效性并同時可以得到殼面上的樣本集。量子球殼聚類

4、方法相對模糊球殼聚類方法具有能有效初始化和自動確定聚類數(shù)目的功能。 其次，針對復(fù)雜信息的選擇性處理問題，提出一種基于量子測量機(jī)理的選擇性注意機(jī)制。該注意機(jī)制將處理的信息視為量子態(tài)，將選擇性注意過程視為構(gòu)造相應(yīng)的測量算符進(jìn)行測量并對量子態(tài)過濾的過程。測量平均值體現(xiàn)了注意目的模式的存在程度。通過測量算符所對應(yīng)投影空間的投影衰減過程體現(xiàn)了注意后對信息的過濾作用。整個過程反復(fù)進(jìn)行，形成了對外界信息處理的注意反饋機(jī)制。 基于選擇性

5、注意機(jī)理的量子化實現(xiàn)方法，針對3維復(fù)雜地形上高空視界覆蓋哨位目標(biāo)選取存在的尋優(yōu)時間長的問題，提出一種高空視界覆蓋哨位目標(biāo)選取算法。算法以DEM柵格數(shù)據(jù)形成量子態(tài)，以選取的哨位目標(biāo)形成測量算符和投影空間，形成不斷有意識的選擇性注意有價值的哨位目標(biāo)并對地形信息進(jìn)行注意后過濾處理的機(jī)制。基于該機(jī)制的算法能有效降低高空視界覆蓋的計算量，提高實時性。實驗也證明，本文提出的高空視界覆蓋節(jié)點選取算法相對基于粒子群的尋優(yōu)方法耗時短，且交互性好，即可以讓

6、用戶根據(jù)實際問題要求的視界覆蓋率來選擇經(jīng)濟(jì)的非完全覆蓋方案，以節(jié)省實地布置節(jié)點的開支。 第三，提出一種基于量子干涉機(jī)理的圖像認(rèn)知模型。該模型將柵格圖像視為量子疊加態(tài)。而將所需提取的目標(biāo)模式視為存在人腦意識中具有確定幅度衰減比例和相位偏移量的干涉器。人腦對圖像的目標(biāo)識別和提取過程即是根據(jù)圖像量子態(tài)的量子概率分布確定相應(yīng)的目標(biāo)模式干涉器，且將圖像量子態(tài)通過相應(yīng)的目標(biāo)模式干涉器獲得干涉值進(jìn)行驗證的過程。這個過程是交互進(jìn)行的過程，直到獲

7、得當(dāng)前圖像上相對最佳的目標(biāo)模式。與目前的圖像目標(biāo)識別方法相比，基于量子干涉機(jī)理的圖像認(rèn)知模型的優(yōu)勢在于其能充分考慮圖像模式各個部分梯度方向信息的拓?fù)潢P(guān)系。 目前基于Hough變換為指導(dǎo)思想的包括直線段在內(nèi)的弧段提取方法，往往具有占用內(nèi)存過大、提取弧段不完全的缺點。針對這個問題，在基于量子干涉機(jī)理的圖像認(rèn)知思想的基礎(chǔ)上，提出一種量子弧輪廓方法。量子弧輪廓完全模擬人腦從圖像中提取弧線段的機(jī)理，通過不斷的干涉計算對弧線段進(jìn)行拉伸、旋轉(zhuǎn)

8、和曲率變換來獲取弧段目標(biāo)。量子弧輪廓方法獲取的弧段目標(biāo)簡潔而明顯，相對Hough提取結(jié)果更加符合人腦的認(rèn)知結(jié)果。 最后，針對傳統(tǒng)單調(diào)推理方法難以對不協(xié)調(diào)信息進(jìn)行單調(diào)推理的問題，在已有Petri網(wǎng)推理的基礎(chǔ)上，提出一種基于量子疊加原理的Petri網(wǎng)推理方法。Petri網(wǎng)推理方法提出了量子Petri網(wǎng)結(jié)構(gòu)。量子Petri網(wǎng)的特點在于點火閾值和庫所均由量子疊加態(tài)表示，這樣，量子Petri網(wǎng)推理方法就可以通過并行處理不協(xié)調(diào)信息得到以量子

9、形式存在的推理結(jié)果。推理結(jié)果依概率塌縮獲取推理結(jié)果集，最后設(shè)計相應(yīng)的優(yōu)化算子綜合分析出最合理的推理結(jié)果。 針對強(qiáng)噪聲下莫爾斯電報碼識別率低的問題，提出一種基于量子Petri網(wǎng)推理的莫爾斯電報碼信號目標(biāo)識別算法。根據(jù)莫爾斯電報碼自身的編碼特點，給出了幅度閾值量子態(tài)、碼元長度閾值量子態(tài)和碼間隔長度閾值量子態(tài)的構(gòu)建方法，給出了推理結(jié)果量子態(tài)的塌縮優(yōu)化算法?；谒惴ㄩ_發(fā)的莫爾斯電報碼識別系統(tǒng)經(jīng)不同組的測試人員測試，具有良好的穩(wěn)定性和較高