动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。     

两弹协同定位的可行性研究

对两枚导弹协同定位的可行性进行了研究,推导出了其能有效定位的条件。并对正常工作下两枚导弹的信息共享、协同作战情况进行了仿真研究。结果表明,当两导弹均距离目标较远,或两导弹一远一近的情况下,通过信息融合,协同定位,可以有效提高单个导弹的定位精度,同时定位精度也受导弹本身站址误差的影响。     

分布式星载SAR回波仿真的并行化计算研究

对分布式星载SAR系统地面回波仿真程序并行化算法进行了研究。重点介绍了分布式小卫星SAR系统多星协同工作的仿真策略、各并行节点任务的分配策略和并行节点问大量数据传输的策略。实验证明此并行化算法具有较高的加速性能，具有实际的应用前景。     

有效区分决策单元的数据包络分析方法

针对传统数据包络分析模型不能区分有效决策单元以及不同决策单元的效率缺乏可比性问题,引入最优和最差两个虚拟决策单元,提出一种有效区分决策单元的DEA模型.该方法借助两个虚拟决策单元,建立模型,求出一组公共权重,并以此为基准计算每个决策单元的效率指数,实现决策单元的排序.通过实例,与其它方法比较,验证该方法在区分决策单元方面更有效.     

基于DEA 模型的部队编制方案评价

建立评价优选部队编制方案的DEA模型,该模型测算了各备选编制方案的总体效率、技术效率、规模效率等状况,对非DEA有效的编制方案提出了使其达到DEA有效的途径,给出了各备选编制方案的初排序.在此基础上,通过比较各有效备选编制方案平均横切效率的大小,得到所有备选编制方案的终排序.并就部队编制方案制定,提出了若干建议供决策部门参考.     

基于log2logistic 概率分布的近海水质组合预测方法研究

通过多种预测方法的综合运用,提出一种依据环境监测数据的近海水质组合预测方法,力求在降低计算难度的同时,提高预测精度.首先,依据入海水体的情况,采用BP神经网络法对近海水质进行因果型预测,预测平均误差为26.46%;其次,采用傅立叶8次级数对近海水质历史数据进行拟合,并将其延伸对近海水质进行类比型预测,平均误差为38.33%;最后,确定近海水质数据符合log-logistic的概率密度函数,提出将上述两种预测结果的概率密度作为其组合权重的近海水质组合预测方法,平均误差降低为21.20%.应用表明,该组合预测方法避免了机理性研究对众多基础数据的要求,原理简单、实用性强,能够为环境管理提供决策支持.     

有限记忆ISODATA算法在航迹关联中的研究

针对多传感器多目标航迹关联的特点,提出了将基于聚类分析的ISODATA算法应用于航迹关联的解决方法。将表征航迹特征的参量构成待分类的样本空间,利用ISODATA算法对来自不同传感器的航迹进行关联。构建了基于ISODATA算法的有限记忆关联模型,利用有限步的历史航迹状态数据,有效地解决了目标密集环境下的误关联问题。通过仿真研究说明了算法的有效性。     

结合改进的PCC算法与LBG算法的高效码书设计

针对传统LBG算法因依赖于初始码书的选取,从而容易陷入局部最小的问题,提出一种改进的基于PCC的LBG快速算法。它结合了非迭代算法的码书生成速度和迭代算法码书质量高的优点,使得整体算法的性能得到了很大的提高。实验表明,该整体算法具有收敛速度快、码书性能佳等优点,其PSNR比传统的LBG算法提高3.17 dB。     

基于LDPC的不均等错误保护H.264抗误码算法

从最新的H.264视频压缩标准出发,提出一种基于数据分类和LDPC的不均等错误保护的策略。根据H.264数据分类中信息比特重要性的不同,对其进行不均等错误保护,即对信道中优先级较高的数据,采用码率低,抗误码性能更好的LDPC编码传输,以提高传输效率。仿真结果表明,这种联合的信源信道编码算法在AWGN信道下具有比以前的一般算法(如Turbo码)更好的适应性和更强的健壮性。     

雷达组网中联合数据关联与偏差估计方法研究

针对雷达组网目标跟踪系统中,单雷达系统偏差严重影响多雷达航迹数据关联及融合跟踪质量的问题,提出了一种联合数据关联与系统偏差估计的方法。该方法利用对雷达系统偏差不敏感的新特征量———目标参照拓扑对多雷达航迹进行自适应的预关联,然后根据关联质量选择可靠的关联航迹对作为雷达系统偏差估计的先验信息,最后应用递归最小二乘算法进行偏差估计,估计结果可为预关联过程提供依据。在无需外界提供关联先验信息的情形下,该方法实现了对静态系统偏差的在线估计,从而可以进行及时的校准,保证了后续数据处理的有效性,具有很高的工程应用价值。仿真结果表明了该方法的有效性。