伽玛分布环境因子估计

研究了二参数伽玛分布环境因子的估计。根据伽玛分布的特点,指数分布环境因子的定义,并考虑数据折算的方便,给出了伽玛分布环境因子的定义。根据此定义,用经典方法、贝叶斯方法和Fiducial 方法推证了环境因子的上、下限,并给出了一些近似式。     

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。     

航天器近距离相对运动的轨迹偏差分析

利用相对可达区(RRD)的概念对航天器在脉冲闭环控制方式下相对运动的轨迹偏差进行了分析。相对可达区是对航天器可能出现位置集合的一种几何描述。当航天器的状态误差服从高斯分布时,相对可达区可表示为随时间变化的误差椭球的集合。考虑航天器飞行过程中存在的不确定性因素,基于闭环控制系统下线性化的相对运动动力学模型,采用协方差分析描述函数法(CADET)对定义航天器误差椭球的协方差矩阵进行了分析,给出了根据协方差矩阵求解相对可达区包络的计算方法。通过将开环和闭环控制系统下的相对可达区包络与1 000次的Monte Carlo仿真结果进行比较,证明了偏差分析方法的适用性与有效性。     

基于Pareto遗传算法的复合材料机翼优化设计

针对某型飞机设计过程中遇到的副翼反效问题,提出了复合材料机翼满足气动弹性要求的优 化方法,构造了一种基于Pareto最优解定义的多目标遗传算法——Pareto遗传算法.该算法 以权重信息为基础建立Pareto解集过滤器,引入小生境技术等实现Pareto前沿面的求解.测 试函数计算表明该算法有较好的收敛性.以复合材料机翼的升力系数和滚转力矩系数为目标 函数,采用Pareto遗传算法进行计算得出一组Pareto最优解集,计算结果表明,给出的方案 能够满足工程需求,为决策者提供了多种可选方案.      

最大时间间隔误差计算方法及其分析

首先给出了基于MTIE估计基本定义的直接计算方法,然后介绍了可使MTIE计算时间大为缩短的判别准则方法,并对这两种方法进行了比较,指出了各自方法的优缺点.     

一种基于遗传算法的环境因子确定方法

提出了一种利用同类或相似产品研制试验故障数据并依据AMSAA模型的时间环境因子最优化确定方法,将遗传算法用于时间环境因子的寻优过程,给出了确定最佳时间环境因子的方法、步骤,最后给出了一个工程应用实例.研究结果表明,依此得到的可靠性评估结果与实际使用水平更为接近.为利用产品研制期间故障数据进行可靠性综合评估提供了一条合理的解决途径.      

火箭发动机性能可靠性的Bayes分析

基于液体火箭发动机性能试验数据服从正态分布的条件 ,假定天地试验环境下分布的标准差不变 ,运用Bayes方法对正态分布天地试验条件下的环境因子进行分析。首先给出环境因子先验分布选择的方法 ;然后由Bayes公式结合少量的空间试验数据 ,得出环境因子的Bayes估计模型 ,最后给出空间试验条件下性能可靠性的分析方法 ,文中用实例说明了该方法的有效性。     

基于STLS的卫星惯量矩阵在轨估计

提出了一种采用结构总体最小二乘（Structured total least squares, STLS）进行卫星惯量矩阵在轨估计的方法,与当前估计方法相比,该方法在考虑敏感器测量噪声时能获得一致估计。首先由动量守恒定律得到估计方程,针对该方程的特点定义了惯量矩阵的STLS估计,并使用结构总体最小范数（Structured total least norm, STLN）算法进行求解。证明了当噪声为高斯分布时该STLS估计为极大似然估计,给出了该STLS估计具有一致性的充分条件,仿真结果验证了文章所提估计方法的有效性。     

相干体制雷达导引头的相位噪声问题

本文首先给出有关相位噪声的基本概念和定义,并在介绍两种导引头基本原理的基础上,针对雷达导引头的不同设计参数,给出计算相位噪声要求的方法、准则和公式。     

表面粗糙度特征的双谱分析

提出了基于双谱分析的表面粗糙度特征分析方法。通过理论计算 ,对几种典型的机械加工表面轮廓试件的实验研究 ,认为双谱具有抑制高斯噪声和保留相位信息的能力 ,可以反映表面轮廓的偏斜度 ,特别是偏离高斯型的表面轮廓。对于符合高斯分布的轮廓其双谱近似于零 ,不符合高斯分布的轮廓其双谱不为零。     

一种新的非高斯随机振动信号的模拟方法

传统的环境振动试验常将随机振动信号假设服从高斯分布,且利用功率谱密度（PSD）来作为试验条件。然而实际环境中结构所受到的振动激励很多呈现非高斯性,且PSD只能描述信号的低阶统计量,无法描述非高斯信号的峭度和偏度等高阶统计量。针对此情况,研究了在窗函数幅值调制法（AMT）基础上利用自PSD和峭度生成非高斯信号的方法。针对调制信号的生成,提出了近似模拟方法。通过Weibull和Beta 2种分布构造调制信号,研究分布参数与目标峭度值之间的关系,并分析2种分布合成目标峭度值的范围。案例验证了仿真生成的非高斯信号与实测外场数据具有相同的PSD、概率密度函数（PDF）和峭度值,进而证明了方法的正确性。      

基于专家信息的先验分布融合方法

运用Bayes方法进行复杂系统可靠性分析时 ,先验分布的获取与表示是一个关键问题。文章研究了利用专家信息进行先验分布融合的方法 ,对基于AHP方法和综合因子法的先验分布权重确定方法进行了分析 ;在给出各先验分布权重的基础上 ,对多源先验信息的融合后验分布进行分析     

消除校准源近场测量中杂散波的快速方法

提出了一种基于快速逆衍射算法对辐射计温度校准源的近场测量中的杂散波进行分析和消除的方法.逆衍射算法是利用测量场计算逆向传播到源平面处的衍射场的方法.基于直接积分的快速傅里叶转换(FFT-DI,Fast-Fourier-Transform Direct Integration)算法和衍射高斯波束分析(DGBA,Diffracted Gaussian Beam Analysis)算法与逆衍射算法相结合得到快速逆衍射算法.根据快速逆衍射算法提出了近场测量的分析步骤,并且给出了滤除杂散波后的被测物体的衍射场,其验证了该方法的有效性.此外,为了达到更高的效率,建议将2种快速逆衍射算法结合使用.     

基于噪声柯西分布的社交图像标签优化与标注

随着社交网络的快速发展，带有用户提供标签的社交网络图像呈现爆炸式增长。但是用户提供的标签是不准确的，存在很多不相关以及错误的标签。这势必会增加相关多媒体任务的困难。针对标签噪声无序性以及常用的高斯分布对标签噪声中大噪声过于敏感的问题，但是高斯分布对大噪声比较敏感。鉴于此，采用对各种噪声都具有鲁棒性的柯西分布拟合噪声，提出了一个基于噪声柯西分布的弱监督非负低秩深度学习（CDNL）模型，通过柯西分布建模标签噪声来获得理想标签，并利用深度神经网络模块学习视觉特征和理想标签之间的内在联系，来得到图像对应的正确标签，从而大幅提高社交网络图像的标签准确率。所提模型不仅可以修正错误标签、补充缺失标签，也可以对新图像进行标注。在2个公开的社交网络图像数据集上进行了验证，并且与一些最新的相关工作进行了对比，证实了所提模型的有效性。      

基于高斯波束传输的高功率微波的大气击穿问题

提出了一种修正利用高斯波束传输高功率微波(High-Power Microwave,HPM)时的大气折射率的模型.在此模型中,把高斯波束横截面分成若干个同心圆环,并假定每一个同心圆环内的场强分布是均匀的.以基于电子流体力学方程和Maxwell方程的大气击穿理论,利用由实验数据拟合出来大气粒子的碰撞和大气电离参数,研究了高能量高斯波束的非线性传输,数值计算了在给定高斯波束参数时,在不同的压强下,波束以不同的电场强度、频率、脉冲宽度入射下的大气折射率.通过分析折射率的时间色散、空间色散以及时间空间色散,讨论了传输HPM脉冲的高斯波束的大气击穿问题,获得了一些有意义的结果.      

指数或高斯分布信号的MSE量化器的简捷设计

在数字通信和数据压缩技术中，量化器是重要的组成部分，量化误差的大小影响通信质量和数据的有效压缩。文中基于等概率输出量化与量化误差均方值最小的关系，给出概率密度为指数型和高斯型的常见信号的ＭＳＥ量化器的一种简捷算法。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。