成败型产品可靠性评估的Bayes修正幂验前方法

如何合理有效地利用验前信息,是Bayes评定的关键问题.针对小子样成败型产品的可靠性评估,引入修正幂验前分布控制验前信息对验后估计的影响,详细推导了Bayes修正幂验前下的成败型产品可靠性参数验后密度函数.通过时参数验后估计的分析,该方法能有效避免验前信息"淹没"现场信息的问题,而幂参数通过验后边缘分布得到.通过对验后估计MSE的分析,给出了验前信息利用的一些基本原则,为工程应用提供了指导.     

一种融合验前信息的特小子样精度评估方法

如何合理有效地利用验前信息是小子样精度评定中的关键问题.针对导弹制导精度评定,提出了一种根据验前信息确定验前分布参数,融合验前信息和飞行试验信息的精度评估方法,该计算方法引入了验前信息的可信度指标,能够有效避免验前信息“湮没”现场信息的情况,而且可以进一步解决信息使用的主观性问题.为工程应用提供了一定的指导.     

多层验前信息场合下多维动态参数Bayes估计的稳健性分析

文中首先讨论了多维动态参数具有多层验前信息时的建模的验前分布的确定。由此分析了由于验前分布的差异所引起的Bayes估计的影响。对验后稳健性作了探讨。     

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。
     

复杂系统的Bayes可靠性评估

讨论了复杂系统的Bayes可靠性评估。首先，对各种不同分布类型的单元进行Bayes可靠性分析；其次利用最大熵方法把单元可靠性信息进行综合，得到系统可靠性的验前分布；最后根据Bayes定理，利用系统可靠性试验信息来更新系统可靠性的验前分布得到系统可靠性的验后分布，依据此验后分布对系统可靠性进行评估。仿真算例说明了评估方法的合理性。     

基于Bootstrap方法的捷联惯组历次测试数据验前分布研究

针对捷联惯性测量组合（捷联惯组）历次测试数据小样本的特点，在总体分布参数形式未知的情况下，根据已有的先验信息，提出了通过Bootstrap重采样技术，获得捷联惯组历次测试数据总体参数的验前分布。结合当前样本信息，给出捷联惯组历次测试数据的验后分布。将统计推断建立在验后分布基础之上，可以减小小样本情况下的统计分析误差。     

航空电子产品的BAYES可靠性评估

针对航空电子产品可靠性评估问题, 确定了环境因子的分布, 把模拟试验信息通过环境因子折合得到了可靠性的预测分布。利用此预测分布作为验前分布结合飞行试验信息得到可靠性的验后分布。仿真算例表明这种方法比经典统计方法和传统BAYES方法更合理     

基于RJ-MCMC的DS-CDMA信号扩频码与信息序列盲估计

针对非合作低信噪比环境下的DS-CDMA信号参数估计问题,在分析信号模型的基础上,提出一种基于可逆跳跃的马尔科夫链蒙特卡罗(RJ-MCMC)扩频序列和信息序列联合估计算法。该算法通过建立信号参数和用户个数的联合后验分布模型,迭代抽样得到待估分布的样本,并有效地在不同维数的子空间中跳转,从而构造一条马尔科夫链,使其平稳分布为待估参数的后验分布。仿真结果表明,该算法在功率相同和不同的条件下均能适应较低的信噪比,并且对不同的用户个数具有较强的适应性,同时算法的估计性能相对现有的方法也有很大的改善。     

基于最大熵法的捷联惯组历次测试数据验前分布研究

研究在验前信息贫乏的情况下,使用异源验前信息确定捷联惯性测量组合(简称捷联惯组)历次测试数据验前分布的方法.将熵的概念引入验前分布的研究中,研究了在小样本条件下通过最大熵法确定捷联惯组历次测试数据验前分布的方法.研究结果表明这种方法能够准确有效地揭示捷联惯组历次测试数据的统计特性,克服了验前信息不足带来的统计分析误差,有效的提高了统计分析的质量.     

惯性/雷达/红外复合末制导技术的研究

对基于惯导/雷达/红外导引头的复合末制导方法进行了探讨研究.介绍了双模导引头应用到飞行末段改进惯性导航的方法.提出了利用扩展卡尔曼滤波器将寻的头测量得到的相对方位角和角速率信息与惯性导航信息融合起来,估计并修正再入飞行状态参数偏差,按其具有终端位置和角度约束的制导律实时进行导引控制的再入复合末制导方法.本文对寻的头卡尔...     

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。     

运载火箭精度评估的Bayes异质先验融合方法

为充分利用运载火箭观测中的不同观测空间和过程的信息来进行精度评估，针对该背景建立了异质先验融合的数学描述。研究了飞行试验中不同观测空间和过程的异质先验信息和数据，基于不同观测过程的解析关系，将间接过程的先验和观测数据算出的后验分布转换成落点观测空间上的先验，与原落点的先验进行了最大熵加权融合，得到混合后验分布，从而结合落点观测数据给出评定结果。在无法解算出精确的制导工具误差系数的情况下，这种方法充分利用了弹道跟踪数据、工具误差系数的地面测试先验值、落点先验及落点数据，稳健性更好，准确性更高。     

基于狄氏先验分布的固体火箭发动机可靠性增长Bayes分析

针对固体火箭发动机研制存在历史信息和专家信息的特点,提出了一种可靠性增长分析的Bayes模型。以狄氏分布作为先验分布,给出了先验分布参数的确定方法。综合利用了先验信息和每一阶段现场试验信息,推导了各阶段可靠性的后验边际分布。给出了当前阶段和后续阶段产品可靠性的Bayes点估计和置信下限,分析了各阶段试验结果对最终产品可靠性估计的影响。最后给出了一个实例,验证了该模型的有效性。     

基于改进MCMC的波束内目标与诱饵联合参数估计

波束内目标与诱饵的参数估计是导引头正确实现目标分选、完成波束指向调整与精确跟踪的必要条件。目标与诱饵的“紧密接近”导致接收回波混叠,使得常规参数测量与估计方法失效。基于实际采样处理中目标回波能量会“溢出”到相邻匹配滤波采样点这一信号模型,通过贝叶斯原理从观测的条件似然以及未知参数的先验分布获取待估计参数的后验概率分布,采用Markov Chain Monte Carlo (MCMC)方法中的Metropolis-Hastings (M-H)抽样算法联合估计目标与诱饵的相关参数,并根据拖曳式诱饵干扰对抗的特点对M-H抽样进行了改进。各种典型干扰条件及动态攻击场景下的仿真试验表明了本文方法的有效性。