态势估计中的统计时间区间推理方法

在战场态势估计中 ,许多事件有一个持续过程 ,因此需要引入时间区间来表示这些事件发生的时间。态势估计中常常需要判断这些事件发生的时间顺序 ,而对事件发生的时间区间的推测或观测往往含有统计不确定性。利用似然比检验理论 ,建立了一种判别两个事件发生的不确定时间区间的顺序的新方法 ,并讨论了利用检验结果进行限制传播的方法 ,从而有效地增强了态势估计中对时间关系的描述和推理能力     

偏最小二乘紫外分光光度法同时测定萘，1－甲基萘和蒽

用偏最小二乘法（ＰＬＳ）进行校正和预测，不经分离同时测定了混合体系中的萘，１－甲基萘和蒽。萘，１－甲基萘和蒽的浓度分别在０～２８ｍｇ／Ｌ，０～４０ｍｇ／Ｌ和０～４０ｍｇ／Ｌ的浓度范围服从比耳定律。对合成样品中这三种组分进行分析，结果令人满意。     

Telyakovskiǐ型定理

本文在二阶连续模情形下,证明了满足Timan型估计的线性算子A,经过适当的修正后得到的线性算子A~+满足Telyakovskiǐ型估计。     

偏最小二乘法校正火焰原子吸收光谱干扰

用偏最小二乘法（ＰＬＳ）校正火焰原子吸收分析中Ｍｎ４０３．３０７ｎｍ对Ｇａ４０３．２９８ｎｍ干扰。实验结果表明，ＰＬＳ法是谱线重叠干扰的有效校正方法，同时预示着该法可成为用一种元素空心阴极灯同时测定谱线重叠的二种元素的分析方法。     

完整的最小二乘递推算法及其对跟踪与预报的应用

借助广义逆矩阵的理论，本文分别就一般加权情形、最优加权情形和指数加权情形，给出了无需事先提供待估计量的任何初始统计知识而能获得严格意义下的所谓完整的最小二乘递推(PRLS)算法。应用这种算法，分别得到了某些线性系统的无差和无偏状态估计以及机动目标多模型跟踪与预报(MMTP)算法。     

复杂系统的遗传-模糊建模方法

针对复杂系统的模糊建模问题，提出了一种遗传．模糊建模新方法。首先，利用竞争学习算法对输入空间进行自适应聚类，基于聚类结果提取模糊模型的规则前件隶属函数参数，采用局部最小二乘法求得规则后件参数，从而初步建立起系统的T-S模糊模型。然后，对规则前、后件参数进行编码，借助于实值编码遗传算法优化模糊系统。最后，数字仿真结果验证了算法的可行性和有效性。     

平方损失下区间有界的位置参数函数极小极大估计

给出了位置参数θ区间有界时，函数ｈ（θ的极小极大估计存在的一个充分条件，并据此对一些分布的参数估计进行了讨论。     

基于强跟踪滤波器估计的最优融合方法

在分布式雷达数据处理模式中 ,数据融合是获得较精确的目标轨迹的主要环节。为克服卡尔曼滤波器对初始值敏感、鲁棒性差和对机动目标跟踪性能差的缺陷 ,通过利用各传感器的观测数据 ,采用强跟踪滤波器对目标进行跟踪 ,以改善目标状态估计的精度。对判定源于同一目标的状态估计值 ,给出了一种估计状态线进行性组合的最优融合准则。得出了实际数据的实验结果。