基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括：通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题：验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。     

Bayes分析中的多源信息融合问题

在Ｂａｙｅｓ小子样理论中，验前分布的获取与表示是一个关键问题。本文对验前样本和现场子样服从同一总体分布情况下的经典统计方法和Ｂａｙｅｓ方法进行了比较。然而在工程实践的大多数情况下，验前样本和现场子样并不完全属于同一总体分布。本文推导了异总体情况下最佳验前数据量，讨论了多源异总体信息融合问题。仿真结果表明了方法的有效性。     

相关函数融合法及其在可靠性分析中的应用

验前分布的获取与表示是Bayes小子样理论中的关键问题 ,尤其在验前信息多源性的情况下 ,更需要合理客观地综合利用这些信息 ,为统计判断提供充分的论据。随着科技的发展 ,可靠性试验分析等实际研究领域现场样本较少 ,而验前信息多源化的趋势日益明显。为此提出了一种基于相关函数的多源异总体信息融合技术 ,并通过仿真实例说明了该方法在可靠性试验分析研究中的应用。     

基于熵的自适应加权投票HRRP融合识别方法

基于不同分类器对同一样本分类能力不同,同一分类器对不同样本可分程度不同的思想,为不同样本赋予不同融合权重,提出了一种基于熵的自适应加权投票高分辨距离像(high range resolution profile, HRRP)融合识别方法。该方法将二分类相关向量机(relevance vector machine,RVM)扩展为多类分类RVM概率模型,并对不同HRRP特征样本进行分类,利用每个多类分类RVM输出的样本后验概率信息计算出的熵值自适应为各个样本赋予权重,使得不同分类器以及同一分类器对不同样本的决策占有不同的比重,熵值越大的样本赋予的融合权重越低,最后通过加权投票方法实现融合识别,得到目标的最终识别结果。仿真实验结果验证了所提方法的有效性。     

广义均衡模糊C均值聚类算法

模糊C均值聚类(FCM)算法是一种快速有效的聚类算法,但它没有考虑各类样本容量的差异, 其最小化代价函数会导致聚类判决有利于少样本类.提出一种新的聚类算法—-广义均衡模糊C均值聚类, 通过对模糊C均值聚类最小化代价函数的改进,使得样本容量在聚类代价函数中发挥效用, 从而弱化了样本容量差异对聚类判决的干扰.讨论分析了该算法的性质,模糊隶属度的推导突破了FCM解析解的约束. 通过仿真实验,验证了所提出算法的有效性.     

基于约束正则化的生成聚类分析

基于现有的硬约束高斯混合模型不能处理约束违反情形,而软约束高斯混合模型又没有封闭的参数估计表达式,提出了一种基于约束正则化的生成聚类方法。该方法将约束一致正则化算子引入高斯混合模型,通过惩罚似然来处理约束违反,使满足正约束的成对样本的后验概率尽可能相似,满足负约束的成对样本的后验概率尽可能不相似;同时封闭的参数估计迭代公式降低了参数估计的计算复杂度。在一组真实数据集上的实验表明,与现有的相关方法相比,该方法能有效改善聚类性能,并对噪音约束有着更好的适应性。     

基于贝叶斯融合与仿真的系统剩余寿命预测

针对复杂设备的系统级剩余寿命预测问题, 提出一种将贝叶斯理论与仿真相结合的融合预测方法。首先, 采用仿真方法将单机级的多源失效信息折合到系统级, 并转化为验前分布。然后, 结合系统级的现场试验数据, 获得多源信息的验后分布, 并通过加权融合确定联合验后分布, 从而预测系统的剩余寿命。最后, 以某系统作为实例进行方法验证。结果表明,所提方法为系统剩余寿命预测提供了一条可行思路, 并能够在工程实践中运用。     

正态分布未知参数的联合序贯验后加权检验方法

在进行抽样试验时,采用传统的假设检验方法进行决策所需的样本容量通常是比较大的,而充分利用在进行抽样试验之前所能获得的关于总体分布未知参数的验前信息,在Bayes理论的基础上,采用序贯验后加权检验方法可以有效地减小试验所需的样本容量。对正态分布总体的均值与方差参数均未知时的联合序贯验后加权检验方法进行了深入分析,给出了在抽样试验之前确定假设检验问题所需样本容量和决策阈值的计算方法,并结合雷达探测距离的以往实际试验数据和结果进行了对比分析,验证了该方法在减小样本容量及提高试验效费比方面的有效性。     

小样本场合下相容性检验方法

针对武器系统试验次数少,试验之前有许多信息可利用等特点,研究了小样本场合下验前信息可信性检验方法,从统计观点看,就是验前验后样本是否相容的检验方法.主要介绍小样本场合下一般分布和正态分布的相容性检验方法,其它分布的相容性检验方法将另文介绍.     

特小子样试验下导弹精度评定的Bootstrap方法

针对特小子样下导弹精度评定的需求,提出了利用验前信息来弥补现场试验信息不足的改进Bootstrap统计方法.首先介绍了Bootstrap方法的基本概念;其次分析和比较了特小子样下验前信息与现场试验信息的若干种相容性检验方法的性能,并根据相容性检验水平确定了各类信息源的权重.然后,基于重要度抽样的思想,分别针对非参数Bootstrap方法和参数Bootstrap方法讨论了验前信息在导弹精度评定中的运用.最后,根据工程经验提出了一种改进的权重分配方案.仿真结果表明,KS相容性检验方法在特小子样下更为适用,考虑相似验前信息的Bootstrap精度评定结果更为合理.     

移动通信网络路测数据的抽样与分析方法

通过对抽样调查理论和无线传播特点的研究,提出了一种移动通信网络路测数据的抽样与分析方法。首先根据抽样理论,引入聚类分析进行分类,采用整群抽样和二阶段抽样,给出了分析路测数据的方法。为了提高路测采集数据的有效性,以根据抽样理论确定的抽样点数目作为指导,结合无线网络规划理论,提出了有效的路测路线确定方法。     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

小子样变总体下的Bayes测试性验证方法

现有测试性验证试验方案一般都需要较大的故障样本量,利用装备研制阶段的测试性数据则可能有效解决这一问题。但研制阶段的测试性数据和现场试验数据一样属于“小子样”且具有“变总体”特点,为此提出一种基于Bayes理论的测试性验证方法。首先根据装备研制各阶段积累的测试性试验信息构建装备测试性参数故障检测/隔离率(fault detection rate/fault isolation rate,FDR/FIR)的动态增长模型,用以揭示装备测试性水平的动态变化规律,并对其测试性指标进行预测。然后根据最大熵原理计算系统FDR/FIR的先验分布。最后结合少量现场试验数据,根据Bayes最大验后风险准则制定装备测试性验 证方案,对装备测试性指标进行验证。通过实例对比分析表明,该方法有效融合了研制阶段数据与现场试验数据,能在小样本的情况下提高验证结论的置信度,降低评估风险。     

子空间约束秩1干扰下的雷达信号检测

考虑雷达待检测单元在受到子空间约束的秩1干扰情况下的自适应检测问题,即待检测单元背景噪声协方差矩阵中叠加有一个秩为1的干扰协方差矩阵,并假定干扰分量约束在一个已知的子空间内.采用双步广义似然比检验准则,得到子空间约束的秩为1的干扰检测器(subspace constrained rank one interferenc...     

Objective Bayesian analysis of degradation model with respect to a Wiener process

This paper proposes an objective Bayesian method to study the degradation model with respect to a Wiener process. The Jeffreys prior and reference prior for the parameters are derived, and the propriety of the posteriors under these priors is validated. Two sampling algorithms are introduced to compute the posteriors. A simulation study is conducted to investigate the performance of the objective Bayesian procedure. Finally, the authors apply the approach to a degradation data.     

成败型系统变总体下的Bayes可靠性试验鉴定方法

提出了一种成败型系统变总体下的Bayes可靠性试验鉴定方法.该方法依据产品研制过程中不同阶段的试验数据,建立了产品可靠性的动态参数模型,以此描述产品可靠性的变化趋势,并对正样阶段的产品可靠性进行预测,利用最大熵法给出了产品可靠性的验前分布,最后结合产品少量的现场试验数据,对正样阶段的产品可靠性做出了Bayes统计决策.通过算例对比分析,该方法很好地解决了小子样产品的可靠性试验鉴定问题.     

指数分布下可靠性指标验证的截尾SPOT方法

针对传统指标检验方法进行验证决策所需样本量大的问题,提出一种序贯验后加权检验方法(se-quential posterior odd test,SPOT),给出系统寿命服从指数分布条件下,应用SPOT方法进行可靠性指标验证时决策阈值的计算模型及给定样本容量时的截尾SPOT方法。由于该方法充分利用了验前获得的关于总体分布未知参数的信息,因而减小了对现场试验子样的需求。最后给出了应用该方法的具体步骤,通过仿真实验证明了该方法的有效性。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。