基于变分贝叶斯的星载雷达非线性滤波

星载雷达由于其探测范围广、距离远、全天候等优点,在预警防御系统中占有十分重要的地位。然而,由于观测平台的高速运动以及摄动干扰、传感器观测非线性等问题,使得星载雷达目标高精度跟踪带来严峻挑战。针对星载雷达非线性状态估计问题,采用一种基于变分贝叶斯的非线性滤波方法,该方法通过将非线性状态估计问题转化为优化问题,通过迭代优化获得了闭环解析解。此外,针对坐标变换中俯仰角量测缺失问题,提出了一种基于先验目标高度的俯仰角估计方法。通过数值仿真,验证了所提方法较传统非线性滤波方法,如扩展卡尔曼滤波、不敏卡尔曼滤波、转换量测卡尔曼滤波,具有更好的估计精度。     

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。     

SAR图像分割的Bootstrap广义多分辨似然比检验方法

提出广义多分辨似然比（generalized multiresolution likelihood ratio，简称GMLR）的概念，给出其Bayes准则下的假设检验和判别准则。GMLR能融合待判别信号的多个特征量，增大不同信号的区分度，所以能更精确地对信号进行判别分析。在SAR（synthetic aperture radar）图像分割的应用背景中，首先用弃除图像冗余信息，减小计算量的Bootstrap样本得到GMLR的原假设和备择假设参数的极大似然估计，然后检测GMLR的分割阈值，最后对森林和草地组成的模拟图像和真实SAR图像分割，证明该方法是SAR图像分割的一个有效途径。     

指数寿命型可靠性增长试验的Bayes分析

该文论述了指数寿命型可靠性增长试验中的Bayes分析方法。文中首先给出了可靠性分析的模型，然后运用历次阶段性试验中的可靠性增长数据建立动态参数模型，在此基础上给出各阶段可靠性增长试验中失效率的Bares估计。     

基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

无人机可靠性评估方法研究

针对无人机系统可靠性的统计特性,分析了二项分布系统和分布单元可靠性参数评估方法,并成功应用到某型无人机系统可靠性测试中。该方法对其他类型的装备可靠性评估具有一定借鉴意义。     

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

航空电源系统可靠性的Bayes分析

对改进中的航空电源系统进行可靠性评估,本文引入继承因子利用信息融合的原理将改进前与改进后的历史信息融合为一个混合先验,并进一步假定继承因子为随机变量采用多层Bayes方法对系统进行了可靠性分析。最后通过仿真实例求得系统的一些常见的可靠性指标,并与传统Bayes评估结果进行比较,结论表明本方法的有效性。     

小样本无失效寿命试验数据的轴承可靠性评估

针对小样本无失效寿命试验数据可靠性问题提出了评估模型。模型采用Bayes理论构造服从原始样本的抽样函数,结合Bootstrap法生成大量服从抽样函数的随机数作为增广样本,再通过最佳线性不变估计法分析原始样本及增广样本得到Weibull分布双参数估计值作为可靠性评估结果。通过Monte-Carlo法仿真生成服从Weibull分布的随机数,分别采用该模型、配分布曲线法及现有Bayes理论对此随机数做评估,对比发现:该模型得到的参数估计较现有Bayes理论和配分布曲线法更接近Weibull双参数真值,且形状参数和尺度参数估计值的相对误差均低于10%,验证了模型分析小样本无失效数据进行可靠性评估的可行性。借助文献实例对模型进行分析,对比得出模型能得到较现有Bayes理论和配分布曲线法更符合工程实际的评估结果;模型在小样本情况下的双侧可靠度置信区间长度低于现有Bayes理论和配分布曲线法,有效提高了小样本无失效数据可靠性评估精度。      

利用相似产品信息的成败型产品Bayes可靠性评估

在成败型产品的可靠性评估中,为提高估计精度,经常利用历史数据来确定先验分布.但在工程实际中,历史样本和样本本质上属于不同的总体,这对可靠性评估结果有着显著影响.为此,采用相似系统分析确定历史样本和样本的相似程度,将其归纳为继承因子;然后,根据历史样本信息确定产品可靠性的历史后验,基于无信息先验得到产品可靠性的更新后验;最后通过继承因子,综合历史后验和更新后验,得到产品可靠性的融合后验,并在此基础上进行可靠性推断.该方法不仅充分利用了相似产品信息,而且突出了产品的独有特性.