基于Bayesian-MCMC估计的隐身飞机RCS模型优化

对隐身飞机的雷达散射截面(RCS)统计建模时,传统方法通过直接计算RCS样本的统计特征估计模型参数,可能会产生较大的拟合误差。本文提出采用贝叶斯-蒙特卡罗(Bayesian-MCMC )方法提高起伏模型的参数估计精度,从而减小模型的拟合误差。首先将卡方分布模型和对数正态分布模型进行贝叶斯推导,得到其特征参数的后验估计表达式。然后采用MCMC算法构造后验分布的马尔可夫链,从而计算特征参数的估计值。最后通过比较2种方法的拟合曲线及其误差可知,本文方法适用于2种起伏模型,模型参数的估计误差比收敛误差门限值低1~2个数量级,2种分布模型的拟合精度均提高50%以上。