基于贝叶斯估计的特征事件判别方法研究

针对利用遥测指令参数进行特征事件自动判别时，现有方法忽略了数据源之间相互印证的条件，仅依据测量值相同来判别特征事件的发生时间，存在一定的误判概率，提出了一种基于贝叶斯估计的特征事件判别方法。方法不仅利用了当前数据源的测量值，同时还兼顾特征事件固有的先验分布信息，能够有效提高自动判别的准确率。首先，通过对特征事件数据源的内涵进行分析，得出了不同数据源相互印证的条件；其次，通过对历史数据进行统计分析，建立了特征事件发生时间的正态分布概率模型，并以此为基础提出了基于贝叶斯最大后验估计算法，设计了完整的特征事件判别方法；最后，通过工程数据的仿真计算和结果分析，验证了方法在特征事件判别中的实用性和有效性。     

基于贝叶斯优化的磁光阱多参数自主优化系统

磁光阱是一种冷却陷俘原子的装置，磁光阱实验参数的优化是冷原子实验中基础且重要的工作，人工手动优化参数需耗费大量时间，且很难确保最终参数是全局最优的。基于贝叶斯优化的机器学习方法是一种对目标表达式未知、非凸、多峰的量子物理系统进行参数优化的有效方案，该过程通常远快于人工手动调节，且有更大概率找到全局最优值。提出了一种基于贝叶斯优化方法的冷原子多参数自主实时优化实验方案，该方案通过成本函数构造、控制程序编写、贝叶斯算法优化等形成一个可自主优化的闭环系统。实验结果表明，经过约30 min的迭代优化，所提方案可有效完成磁光阱系统的多参数优化，并得到最优的实验结果；所提方案验证了贝叶斯优化方法在多参数物理系统中应用的可行性，通过改进成本函数，还可应用于其他的复杂多参数实验物理系统最优参数快速确定。     

一种基于组合策略的低轨星座网络流规划方法

低轨星座网络流规划方法是提升大型星座网络性能的关键技术。针对现有低轨星座网络流规划方法手段单一，难以兼顾全局性能优化与卫星自主灵活性等问题，研究提出了一种基于组合策略的低轨星座网络流规划方法，首先根据业务特点对网络流进行分类映射，针对6类映射业务的QoS差异，分别采用集中式、分布式和源端路由等路由控制策略；在此基础上将星座网络流规划问题抽象为求解带宽约束下的多源单汇网络最大流和多源多汇网络最大流问题，分别采用负载均衡路由和多约束QoS路由算法；对基于组合策略和单一策略的星座网络流规划方法进行了仿真分析，结果表明组合策略比集中式的传输时延低约20ms，丢包率低约9%，比分布式的带宽利用率高约42%，可有效提升星座网络性能，能够更好满足不同场景及需求。     

基于贝叶斯网络的某型导弹状态评估

针对传统"是非制"状态评判方法过于粗略的问题,将某型导弹状态重新细划为"优"、"良"、"中"、"差"和"故障"5个等级。在充分考虑导弹定量信息和定性信息的基础上,结合云模型建立了多状态信息融合的贝叶斯网络模型,提出了基于贝叶斯网络的状态评估方法,以期为装备质量的科学有效管理提供技术支撑。