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

1、自動(dòng)目標(biāo)識(shí)別和提取是智能信息處理領(lǐng)域的重要內(nèi)容。自動(dòng)目標(biāo)識(shí)別和提取技術(shù)廣泛應(yīng)用于國(guó)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(jià)值。目前自動(dòng)目標(biāo)識(shí)別和提取技術(shù)面臨的主要問(wèn)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(lái)。 針對(duì)這個(gè)問(wèn)題，目前自動(dòng)目標(biāo)提取技術(shù)研究的重要發(fā)展方向是試圖通過(guò)模擬人腦處理外界復(fù)雜不確定信息的認(rèn)知機(jī)理來(lái)使計(jì)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(duì)不同的自動(dòng)目標(biāo)識(shí)別和提取問(wèn)題，提出相應(yīng)的算法，并應(yīng)用于工程實(shí)踐和相關(guān)實(shí)驗(yàn)。 首先，針對(duì)不確定信息的表示和認(rèn)知問(wèn)題，提出一種基于量子測(cè)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(cè)量過(guò)程，以所認(rèn)知的不確定信息為量子態(tài)或量子系綜，以測(cè)量算符體現(xiàn)人腦中的知識(shí)和認(rèn)知目的?；诹孔訙y(cè)量機(jī)理的認(rèn)知結(jié)構(gòu)融合了信息加工過(guò)程中無(wú)意識(shí)數(shù)據(jù)驅(qū)動(dòng)和有意識(shí)概念驅(qū)

3、動(dòng)兩種機(jī)制。 在量子認(rèn)知結(jié)構(gòu)基礎(chǔ)上，針對(duì)無(wú)監(jiān)督聚類球殼原型目標(biāo)難以提取的問(wèn)題，提出一種基于量子測(cè)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(cè)量的環(huán)境量子系綜和刺激量子系綜，每個(gè)樣本視為宏觀系綜中的一個(gè)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(wú)意識(shí)的注意，并產(chǎn)生球殼面算符。球殼面算符通過(guò)對(duì)環(huán)境量子系綜進(jìn)行有意識(shí)的測(cè)量并得到平均測(cè)量值來(lái)驗(yàn)證球殼面的有效性并同時(shí)可以得到殼面上的樣本集。量子球殼聚類

4、方法相對(duì)模糊球殼聚類方法具有能有效初始化和自動(dòng)確定聚類數(shù)目的功能。 其次，針對(duì)復(fù)雜信息的選擇性處理問(wèn)題，提出一種基于量子測(cè)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(guò)程視為構(gòu)造相應(yīng)的測(cè)量算符進(jìn)行測(cè)量并對(duì)量子態(tài)過(guò)濾的過(guò)程。測(cè)量平均值體現(xiàn)了注意目的模式的存在程度。通過(guò)測(cè)量算符所對(duì)應(yīng)投影空間的投影衰減過(guò)程體現(xiàn)了注意后對(duì)信息的過(guò)濾作用。整個(gè)過(guò)程反復(fù)進(jìn)行，形成了對(duì)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(shí)現(xiàn)方法，針對(duì)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(shí)間長(zhǎng)的問(wèn)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(cè)量算符和投影空間，形成不斷有意識(shí)的選擇性注意有價(jià)值的哨位目標(biāo)并對(duì)地形信息進(jìn)行注意后過(guò)濾處理的機(jī)制?；谠摍C(jī)制的算法能有效降低高空視界覆蓋的計(jì)算量，提高實(shí)時(shí)性。實(shí)驗(yàn)也證明，本文提出的高空視界覆蓋節(jié)點(diǎn)選取算法相對(duì)基于粒子群的尋優(yōu)方法耗時(shí)短，且交互性好，即可以讓

6、用戶根據(jù)實(shí)際問(wèn)題要求的視界覆蓋率來(lái)選擇經(jīng)濟(jì)的非完全覆蓋方案，以節(jié)省實(shí)地布置節(jié)點(diǎn)的開(kāi)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(shí)中具有確定幅度衰減比例和相位偏移量的干涉器。人腦對(duì)圖像的目標(biāo)識(shí)別和提取過(guò)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(guò)相應(yīng)的目標(biāo)模式干涉器獲得干涉值進(jìn)行驗(yàn)證的過(guò)程。這個(gè)過(guò)程是交互進(jìn)行的過(guò)程，直到獲

7、得當(dāng)前圖像上相對(duì)最佳的目標(biāo)模式。與目前的圖像目標(biāo)識(shí)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(shì)在于其能充分考慮圖像模式各個(gè)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(guò)大、提取弧段不完全的缺點(diǎn)。針對(duì)這個(gè)問(wèn)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(guò)不斷的干涉計(jì)算對(duì)弧線段進(jìn)行拉伸、旋轉(zhuǎn)

8、和曲率變換來(lái)獲取弧段目標(biāo)。量子弧輪廓方法獲取的弧段目標(biāo)簡(jiǎn)潔而明顯，相對(duì)Hough提取結(jié)果更加符合人腦的認(rèn)知結(jié)果。 最后，針對(duì)傳統(tǒng)單調(diào)推理方法難以對(duì)不協(xié)調(diào)信息進(jìn)行單調(diào)推理的問(wèn)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(diǎn)在于點(diǎn)火閾值和庫(kù)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(guò)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(jì)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(duì)強(qiáng)噪聲下莫爾斯電報(bào)碼識(shí)別率低的問(wèn)題，提出一種基于量子Petri網(wǎng)推理的莫爾斯電報(bào)碼信號(hào)目標(biāo)識(shí)別算法。根據(jù)莫爾斯電報(bào)碼自身的編碼特點(diǎn)，給出了幅度閾值量子態(tài)、碼元長(zhǎng)度閾值量子態(tài)和碼間隔長(zhǎng)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。基于算法開(kāi)發(fā)的莫爾斯電報(bào)碼識(shí)別系統(tǒng)經(jīng)不同組的測(cè)試人員測(cè)試，具有良好的穩(wěn)定性和較高