基于动态贝叶斯网络的弹头目标融合识别方法

通过分析导弹目标识别问题的特殊性,设计了适用于导弹目标识别的动态贝叶斯网络。根据导弹目标的特点,选取了几种具有较好普适性的目标特征,并给出了每种目标特征的条件概率。通过分析导弹目标识别流程,提出了合理的贝叶斯网络模型。最后经过仿真试验,证明该模型相比单特征识别模型识别概率有明显提高,并且具备较好的稳健性。     

基于贝叶斯—熵权法的岸舰导弹作战效能研究

通过系统分析岸舰导弹作战流程,确定了影响岸舰导弹作战效能的 4个主要因素。选取了 17个指标,构建了岸舰导弹作战效能评估模型,运用贝叶斯网络原理以及熵权法对模型进行仿真,并针对仿真结果,提出岸舰导弹战斗使用和装备发展对策建议。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

Multiple model particle flter track-before-detect for range ambiguous radar

The middle pulse repetition frequency（MPRF）and high pulse repetition frequency（HPRF）modes are widely adopted in airborne pulse Doppler（PD）radar systems,which results in the problem that the range measurement of targets is ambiguous.The existing data processing based range ambiguity resolving methods work well on the condition that the signal-to-noise ratio（SNR）is high enough.In this paper,a multiple model particle flter（MMPF）based track-beforedetect（TBD）method is proposed to address the problem of target detection and tracking with range ambiguous radar in low-SNR environment.By introducing a discrete variable that denotes whether a target is present or not and the discrete pulse interval number（PIN）as components of the target state vector,and modeling the incremental variable of the PIN as a three-state Markov chain,the proposed algorithm converts the problem of range ambiguity resolving into a hybrid state fltering problem.At last,the hybrid fltering problem is implemented by a MMPF-based TBD method in the Bayesian framework.Simulation results demonstrate that the proposed Bayesian approach can estimate target state as well as the PIN simultaneously,and succeeds in detecting and tracking weak targets with the range ambiguous radar.Simulation results also show that the performance of the proposed method is superior to that of the multiple hypothesis（MH）method in low-SNR environment.     

考虑人及组织因素的航天工程项目风险分析模型

针对人及组织因素是造成航天工程项目风险的重要原因,在揭示了人及组织因素产生航天工程项目风险的机理基础上,构建了考虑人及组织因素的航天工程项目风险分析模型。模型首先评价人及组织因素对航天工程元器件建造工作质量的影响,接着测度工作质量与不同缺陷类型之间的一致性概率,并应用Poisson分布计算缺陷严重性,最后根据贝叶斯定理对元器件先验失效率进行修正,通过一个经过数据处理的航天工程项目对所构建的模型和方法进行了验证。     

基于多源诊断信息融合的发动机气路分析

针对气路可测信息的有限性及不确定性易导致航空发动机气路分析结果准确度和精度不高的问题,提出了一种基于贝叶斯网络的多源诊断信息融合机制,以提高气路部件故障诊断的准确度和精确度.介绍了基于贝叶斯网络的气路分析方法,在此基础上提出了改进的用于多源诊断信息融合的气路分析贝叶斯网络,即以常规的气路可测参数为主,而其他诊断信息则借助故障模式先验概率表引进贝叶斯网络,实现多源信息的融合.仿真实验表明:通过融合多源信息能够准确地诊断出传统的气路分析难以识别的故障,同时降低了健康参数估计值的方差,提高了诊断结果的精确度;在观测噪声放大一倍、健康参数变化量小于1%的情况下,通过融合多源信息仍能准确的估计出健康参数变化量,且标准差均于0.1%.      

基于博弈论的飞行安全风险评价

通过研究飞行机组与空中交通管制员之间的合作问题,以达到对飞行安全风险的分析和评价;结合博弈论的基本思想和方法,应用贝叶斯条件概率定理和NASH策略对飞行机组与管制员之间的合作关系进行定量分析,建立飞行安全风险博弈模型假设;根据Bayesian决策模型和NASH均衡算法,计算出飞行机组与管制员之间的局势均衡点,即飞行安全风险的最小值;通过仿真计算表明,该结果对改善航空公司安全管理的科学性、可靠性和进一步降低事故率以及提高飞行安全水平具有一定的参考价值。     

贝叶斯网络在动量轮地面试验可靠性分析中的应用

为了有效综合动量轮地面试验过程中积累的大量复杂试验信息,对动量轮进行可靠性定量分析.提出了利用贝叶斯网络模型,融合大量测试和调试数据、专家知识等多种信息,建立动量轮可靠性模型的方法;采用贝叶斯网络推理技术,对动量轮进行可靠性评估、故障诊断和灵敏度分析,有效解决了动量轮地面试验可靠性分析与评估等难题,为动量轮可靠性试验提供了理论指导.      

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。