红外导引头抗人工干扰性能评估方法

红外导引头抗人工干扰性能评估是目前红外制导武器系统研究中迫切需要解决的问题。本文提出采用层次分析法，充分利用导引头研制过程中各阶段的实验数据，综合的评估红外导引头抗干扰性能。文章采用单一准则构造了判断矩阵，初步导出了各研制阶段实验数据的权重。最后以某型号红外导弹为例，评估出它的综合抗干扰性能。     

基于Bayes Monte Carlo方法的小样本模糊可靠性仿真研究

针对基于Bayes解析方法的小样本模糊可靠性评估过程中存在的先验主观性和后验复杂性缺陷,通过引入贝叶斯蒙特卡罗(Bayes Monte Carlo,BMC)方法、融合信息熵原理与加权思想,建立了小样本模糊可靠性的BMC方法基本框架,给出了基于BMC方法的小样本模糊可靠性仿真流程,设计了相应算法.采用Matlab工具实现了该算法,并对指数寿命分布的小样本模糊可靠性进行了仿真实验.实验结果表明,运用BMC方法对小样本模糊可靠性进行评估能够有效地降低Bayes方法的先验主观性和后验复杂性.     

仿真输出分析中的BAYES方法

本文提出用Bayes方法对小样本或单次运行的仿真输出进行分析。给出了几种条件下的Bayes方法和伽玛分布置信区间的估计方法。并用M/M/I排队系统对几种方法进行了实例研究。实验结果表明,在处理小样本或单次仿真运行时Bayes方法有明显的优越性和应用前景。     

Burr-ⅩⅡ部件可靠性指标的贝叶斯估计

基于逐步增加Ⅱ型截尾样本,讨论了Burr-ⅩⅡ分布的Bayes估计及其性质.在不同的先验分布及刻度平方误差损失函数下给出了参数,可靠度函数以及失效率函数的Bayes估计,并证明了估计的容许性.最后运用Monte Carlo方法对各结果的MSE进行了模拟比较.结果表明,本文给出的估计结果精度高.     

基于仿真的复杂系统可靠性评估输入数据统计分析研究

对应用仿真技术评估复杂系统可靠性时榆入数据的统计分析进行了深入研究。特别是对试验数据较少，即小样本情况进行了研究。对于根据小样本进行的可靠性估计，结合Bayes方法的蒙特卡洛(Bayes-MC)方法和结合改进的Bootstrap方法的蒙特卡洛(改进的Bootstrap-MC)方法是比较有效的。概括总结了无数据情况下的专家经验估计三角分布方法，提出了改进的Bootstrap方法，将验前信息与专家经验纳入Bootstrap方法中，克服了该方法利用样本信息量不足的缺陷，使其更加完善与实用。在复杂系统的可靠性评估时，应采用综合或混合的方法。     

长寿命卫星活动部件Bayes-Weibull可靠性评估方法

长寿命卫星活动部件可靠性评估具有小样本、无失效数据的特点,采用大样本寿命数据统计方法或通常的无失效数据分析方法难以解决寿命分布建模与可靠性评估问题.针对Weibull寿命型卫星活动部件,提出了一种有效的Bayes可靠性评估方法.综合利用相似型号活动部件数据估计Weibull分布形状参数,利用相似因子和参数Bootstrap方法构造Bayes验前分布.实例分析表明,该方法具有较高的精度,可以解决小样本无失效条件下,长寿命卫星活动部件可靠性评估的困难问题.     

基于Bayes近似限法的串联系统置信区间的求解

运用基于Bayes的方法对红外空空导弹进行抗干扰性能评估时,只能分别得到导引头和导弹控制系统的抗干扰概率P<,g>、P<,c>及其置信区间,而难以求出导弹复杂系统的抗干扰概率在一定的置信度下的置信区间.针对该问题,提出用Bayes近似限的方法拟合导弹导引头、控制系统的整个串联系统的抗干扰概率的分布,得出该复杂系统的置信度为y的近似置信区间的求解公式,并给出导弹串联系统数字仿真中抗干扰概率的置信区间的求解实例,对该求解方法的正确性进行了验证.     

产品可靠性新型顺序约束及评估算法改进

在产品研制过程中,通常经过多个阶段试验及改进才能达到最后定型要求,产品研制的每个阶段均产生有大量可靠性信息。利用产品可靠性增长规律,对传统的顺序约束条件进行改进,给出了一种新型顺序约束关系,该新型顺序约束关系更为准确地反映了产品可靠性增长规律。基于新型顺序约束关系给出了一种新的顺序约束Bayes评估方法,并通过Bayes评估方法进行合理改进,有效降低了Bayes估计的计算复杂性。最后,通过模拟仿真实例分析,说明提出的改进方法计算简单,与传统的顺序约束Bayes评估方法相比,得到的产品在各阶段可靠性评估结果具有较高精度,能够简单高效地运用于工程实际问题。     

红外传感器自身效应仿真研究

在实验室里采用硬件闭环方式测试和评估红外导引头信息处理机需要实时、高逼真度的红外光电仿真技术。为了在硬件闭环仿真中更真实有效的评估导引头信息处理机算法的性能，必须在硬件闭环仿真中增加红外传感器效应自身仿真的环节。通过对红外传感器自身效应的仿真方法和需要实现的关键功能进行分析，确定了仿真功能流程。充分考虑到多种处理要求，设计了一种基于FPGA＋DSP的硬件实现方式。最后通过实验结果验证了设计方法的有效性。     

基于无失效数据的加权E-Bayes可靠性评估方法

针对无失效数据情况下产品的可靠性评估问题,提出加权最小二乘法结合期望Bayes（expected Bayesian, E-Bayes)可靠性评估方法与模型。根据工程经验,构造出产品失效概率的先验分布;运用Bayes理论与方法,给出产品失效概率的E Bayes估计;在威布尔分布场合下,采用加权最小二乘法来拟合产品寿命分布参数,给出产品可靠性指标的点估计和区间估计;结合算例分析,探讨模型的稳健性与方法的优越性,表明该方法具有较好的工程应用价值。     

Wiener过程性能退化产品可靠性评估的Bayes方法

在分析性能退化数据模型的基础上,针对Wiener过程性能退化产品提出了一种可靠性评估的Bayes方法,给出了参数的递推估计.该方法计算简单,并且能随着性能退化试验进行不断更新可靠性评估结果,而不需要重新处理历史数据,因而也适合于实时可靠性评估.最后通过金属化膜电容器可靠性评估实例分析验证了该方法的适用性,并进行了相关讨论.     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

目标数据缺失下离散动态贝叶斯网络的参数学习

离散动态贝叶斯网络参数学习的难点在于:隐藏节点的片间转移概率获得及观测数据发生不同程度缺失。针对上述问题,提出基于目标缺失数据估计的前向递归参数学习算法。该算法利用离散动态贝叶斯网络中各观测变量与隐藏变量之间的对应关系,采用支持向量机建立观测变量间的非线性函数关系完成缺失数据估计,此基础上利用完整数据集和前向递归算法完成片内和片间参数更新。以空中目标识别为仿真背景,通过与期望最大算法对比,验证了该算法的学习效率和精度两个方面的优势。     

EM算法在Wiener过程随机参数的超参数值估计中的应用

Wiener过程广泛用于产品的性能退化建模,为了便于Bayesian统计推断大都采用随机参数的共轭先验分布。针对目前的二步法得到的超参数先验估计值精度不高的问题,研究了最大期望(expectation maximization,EM)算法在Wiener过程超参数先验估计中的应用。EM算法将随机参数作为隐含变量对先验信息进行整体处理,利用随机参数的期望值代替其估计值,通过Expectation和Maximization组成的递归迭代过程寻找超参数的估计值。仿真实验表明,EM算法相比于二步法提高了估计精度,特别是在采样数量较少时EM算法具有较大的精度优势。GaAs激光器实例应用表明EM算法不但具备很好的收敛性而且有良好的工程应用价值。     

Parameter estimation of DSSS signals in non-cooperative communication system

A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal processing with too complex computation. Based on the fourth-order cumulant with 1-D slices and adaptive filters, an efficient algorithm is proposed to solve the problem and is extended for nonstationary stochastic processes. In order to achieve the accurate parameter estimation of direct sequence spread spectrum （DSSS） signals, the fast step uses the modified fourth-order cumulant to reduce the computing complexity. While the second step employs an adaptive recursive system to estimate the power spectrum in the frequency domain. In the case of intercepted signals without large enough data samples, the estimator provides good performance in parameter estimation and white Gaussian noise suppression. Computer simulations are included to corroborate the theoretical development with different signal-to-noise ratio conditions and recursive coefficients.     

低位截断瑞利噪声的统计推理

预警雷达抗噪声压制干扰评估通常需要对量化后的瑞利噪声样本进行估计,在实际雷达系统中受硬件采样位数限制有时会舍弃噪声样本的低位数据,相当于进一步提高了噪声的量化误差,这时采用截断后的噪声样本计算均值会造成很大的估计偏差。为了有效运用低位截断后的噪声样本进行噪声估计,基于多项分布和瑞利分布推导了分布参数的最大似然估计方法,并证明了对数似然函数的凸函数性质以及后验分布为对数凹分布的性质,在此基础上提出了无信息先验贝叶斯估计方法和共轭先验贝叶斯估计方法。仿真数据实验验证了所提的极大似然估计、无信息先验贝叶斯估计和共轭先验贝叶斯估计算法的有效性,且对比分析了贝叶斯估计相对于极大似然估计的优越性。     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

Single channel signal component separation using Bayesian estimation

A Bayesian estimation method to separate multicomponent signals with single channel observation is presented in this paper. By using the basis function projection, the component separation becomes a problem of limited parameter estimation. Then, a Bayesian model for estimating parameters is set up. The reversible jump MCMC （Monte Carlo Markov Chain） algorithmis adopted to perform the Bayesian computation. The method can jointly estimate the parameters of each component and the component number. Simulation results demonstrate that the method has low SNR threshold and better performance.     

利用贝叶斯模型进行热参数估计

对利用Bayesian模型分析热传导反问题中的导热系数预测问题的方法进行了研究。导热系数反问题的解是其后验概率密度的数学期望,用MarkovchainMonteCarlo算法计算后验状态空间以得到未知导热系数的统计估计。方法中取导热系数的先验分布满足正态分布,似然函数中的温度数据满足稳态零均值白噪声,先验分布与似然函数相乘得到后验概率密度函数。采用Metropolis-Hasting算法进行数据采样构造Markovchain,并截取收敛后的样本进行分析。     

基于共轭梯度求解代价函数的卷积码参数识别算法

卷积码常作为级联码、Turbo码等高性能编码的子码,正确识别出卷积码的参数是级联码、Turbo码参数识别的基础,这要求卷积码参数识别算法具有较强的抗噪能力。利用解调软判决序列可以有效提高识别算法的抗噪能力。根据递归系统卷积码编码码元间的线性约束关系构造了一个基于指数函数的代价函数模型,将生成矩阵的识别问题转化成求解代价函数极小值的最优化问题,并采用共轭梯度法不断逼近极小点。仿真结果显示,与现有算法相比,所提方法显著提高了抗噪能力,且适用性强、收敛速度快。