基于整体推断的Bayes方法及其在精度评定中的应用

验前分布的表示及验前信息的融合是Bayes小子样理论应用中的关键问题。 根据同一型号武器试验中不同状态下信息的横向互补特性,提出一种多源信息的整体推断方 法,将Dirichlet分布引入多源信息权重系数的验前信息中,建立基于Bayes网络的权重系数 推断模型,利用MCMC方法更新所有节点信息,得到了合理的权重系数验后分布,解决了多源 信息加权融合中权重系数难以确定的问题。仿真结果表明,该方法可以有效地融合验前分布 ,在精度评定中有一定的应用前景。
     

基于屏蔽数据的航空电源系统可靠性分析

当航空电源系统具有屏蔽寿命数据时,研究逆Weibull型部件可靠性的估计问题.利用Bayes方法和极大似然方法,给出了逆Weibull型部件可靠性的Bayes估计和极大似然估计.利用随机模拟方法对两种估计的结果进行了比较.     

基于验前信息的测试性验证试验方案确定方法

针对目前测试性验证试验方案样本量过大、工程上实现困难的问题,提出了基于验前信息的复杂设备的Bayes测试性验证试验方案.首先,利用Beta分布对测试性验前信息的不确定性进行描述,运用不同来源的验前信息确定验前分布超参数;然后,定义了验前分布不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;接着,利用融合后的验前信息建立成败型装备测试性验证试验方案的Bayes决策模型;最后,通过实例分析表明,与经典验证试验方案相比,新方案减少试验样本量40%左右,又克服了传统Bayes验证试验方案的冒进.      

基于云模型的目标威胁等级评估

目标威胁等级评估的实时性、正确性对于后续作战仿真具有重要意义.提出了基于云模型的威胁等级评估的方法,通过对依据专家经验得到的对定性概念评估的隶属云图的贝叶斯修正,得到了标尺云.由战场态势信息对标尺云的匹配和处理,最终得到了目标威胁评估云图,实现了威胁评估.定性概念对战场态势的描述以及隶属云图体现了模糊性与随机性的较好结合,反映了空战时飞行员获取信息的不确定性的特点.通过实例验证表明:基于云模型的威胁等级评估的方法能有效地实现对目标威胁等级的确定.     

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。     

基于Bayes变动统计理论的测试性外场统计验证方法

针对故障检测/隔离数据为"小子样"情况导致的测试性外场统计验证存在的周期长、验证结论置信度低等问题,研究并提出了基于Bayes变动统计理论的的测试性外场统计验证模型和方法。首先建立了不同寿命周期阶段故障检测率(FDR)的序化关系模型;然后以Dirichlet分布为先验分布,利用不同寿命周期阶段故障检测率先验估计值确定Dirichlet分布参数;在此基础上,融合"小子样、异总体"研制阶段增长试验数据和"小子样"外场使用数据,研究并提出了故障检测率的Bayes综合评估模型;引入Gibbs抽样方法求解故障检测率Bayes综合评估模型的复杂高维后验积分;最后在某机载稳定跟踪平台上开展了应用研究。结果表明本文方法能在较短的外场使用周期内,给出较高置信度的外场验证结论,为大型高可靠性装备测试性外场统计验证研究提供了重要的理论依据。     

无线传感器网中的加权距离节点选择法

节点选择存在于无线传感器网的目标跟踪问题中,主要任务是从多个传感器中选取合适节点跟踪当前目标,满足跟踪精度、算法计算量的要求.提出一种适用于测角传感器节点的加权距离选择法,该算法利用目标状态预测的分布及节点的探测模型,通过计算节点距目标几何距离及加权系数,选择具有最小加权距离的传感器点进行探测,避开了贝叶斯滤波,在减少计算量的同时具有很好的选择精度.仿真结果表明,本算法大幅度减少了计算量,同时可达到和熵值法相当的跟踪定位效果.      

备份设计的可靠度

文章在两类不同的验前分布情况下,用贝叶斯定理推断并联、待机和多数表决系统的可靠性置信下界。其解可供电子系统设计者参考。     

飞行器运动辨识的复杂假定及其贝叶斯检验方法

提出了利用贝叶斯 (Bayes)理论对飞行器运动辨识的复杂假设进行检验的方法 ,推导了检验规则及实现算法。该研究对于大型复杂仿真系统的置信度评估和提高仿真结果的正确性及减少仿真工作量具有一定的参考价值     

多台系统Weibull过程的Bayes统计推断方法

本文的目的是要给出多台系统Weibull过程的Bayes推断方法。获得了尺度参数、形状参数以及系统能达到的MTBF的Bayes点估计和区间估计。某些估计只涉及到一重数值积分。最后,用一个实例说明这些方法。