基于广义伽马分布的SAR图像相干斑抑制

引入广义伽马分布对SAR图像杂波的统计特性进行建模,在此基础上给出了一种自适应SAR图像相干斑抑制方法。该方法在贝叶斯理论框架下利用最大后验概率准则对地物的真实后向散射强度进行估计。分布模型的参数采用以梅林变换为基础的对数累积量方法进行估计。基于SAR实测数据的仿真实验结果表明,提出的方法能够有效地去除SAR图像中的相干斑噪声。     

评估航空重力系统误差及向下延拓的逆泊松半参数方法

常用航空重力系统误差事后处理方法需外部重力数据,但很多地区无外部重力数据。研究发现,半参数模型可在无外部数据时估计系统误差。先用自然样条函数为系统误差建模,后用补偿最小二乘法和光滑参数求解,最后用广义交叉核实法(不需要先验信息)选取光滑参数。将半参数模型用于向下延拓逆泊松积分,建立逆泊松半参数混合模型,既可无外部重力时估计系统误差,又可向下延拓。实验结果表明:无外部重力时逆泊松积分和最小二乘配置法受系统误差影响最大,向下延拓精度最差;正则化算法可减弱系统误差影响,向下延拓精度较好;逆泊松半参数混合模型可估计系统误差,向下延拓精度最好。     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。     

双边定数截尾试验下广义指数分布的可靠性分析

基于双边定数截尾试验,在无信息先验和共轭先验下,给出了广义指数分布参数的Bayes估计。同时在熵损失和加权平方损失函数下,给出可靠度函数的贝叶斯估计。最后运用Monte Carlo方法对估计结果进行了模拟比较。     

广义逆指数分布元件的可靠性分析

在II型混合截尾样本下,得到了广义逆指数分布未知参数的最大似然估计。利用最大似然估计的渐近正态性构造了参数的渐近置信区间,运用Lindley's逼近方法和TierneyKadane's逼近方法计算出了参数的Bayes估计。最后,运用Monte-Carlo方法对上述估计方法结果作了模拟比较。     

辅助通道参数模型估计射电天文抗干扰方法

针对单通道射电天文抗干扰方法在观测数据干噪比较低情况下的干扰消除性能降低甚至失效的问题,通过引入辅助天线观测提出了一种基于参数模型估计的抗干扰方法。该方法利用辅助天线所接收到的具有较高干噪比的观测数据建立干扰信号参数的估计模型,同时通过构建主辅通道参数差异性模型对估计模型进行修正,实现对干扰信号参数的精确估计,达到消除干扰信号的目的。仿真实验表明,相比于单通道方法,改进后的方法在解决低干噪比条件下的射电天文抗干扰问题方面具有更广泛的适用范围。     

适用于水下高速机动目标的自适应检测方法

近年来,发展主动声呐目标检测技术逐渐成为水声信号领域的研究热点。该技术在实际应用中,浅海探测环境的复杂多变导致辅助数据获取困难,同时目标高速运动时引起的距离徙动现象会导致水下目标检测性能下降。针对这类问题,提出了一种适用于水下高速机动目标的自适应检测方法。首先,构建多元假设检验模型来准确描述高速机动目标的回波分布情况。其次,使用模型阶数选择方法来估计目标回波位置。然后,利用干扰协方差矩阵的斜对称特性有效减少辅助数据的需求量,以降低检测方法对辅助数据的依赖性。最后,基于广义似然比检验准则实现未知参数的最大似然估计以及检测统计量的推导。仿真结果表明,该方法具有恒虚警特性,同时在辅助数据受限的情况下,相较于其他同类检测方法有7dB以上的目标检测性能优势,并且能够更准确地估计目标回波分布情况,有效改善了距离徙动现象导致的检测性能下降问题。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。     

基于多时刻目标运动模式分布的多模型算法

在机动目标跟踪过程中,传感器在利用量测数据计算目标状态的同时,需要完成对目标运动模式的估计,并根据估计结果对传感器滤波方程的参数或结构进行调整,以减小滤波方程与目标运动模式之间的差异,提高对机动目标的跟踪精度.针对已有多模型算法的不足,利用多个时刻的目标运动模式分布来解决混合估计问题,提出一种新的次优多模型(MTMM)算法.仿真结果证明了MTMM算法的有效性.     

基于最大熵和仿真的导弹装备备件需求预测

针对小样本条件下确定导弹装备故障数据统计分布的困难,基于最大熵原理与概率加权矩建立了统计分布函数估计的新方法及其实用的数值计算方法。将概率加权矩引入导弹装备寿命分布建模的新方法,克服了基于经典矩在小样本量下统计估计的大偏差问题。其次,针对导弹装备在工作、停机期间及备件在储备期间均可能发生故障或失效的情况,建立了基于保障度的间断工作导弹装备备件需求量预测模型。最后,在建模基础上,分析了仿真流程,规划了仿真步骤。示例仿真结果与解析方法计算的结果吻合较好,表明了仿真模型的适用性和有效性。     

多源信息的验前分布融合方法研究

验前分布的获取和表示是B ayes理论应用中的一个关键问题。针对目前多源验前信息融合中存在的过分依赖专家信息的问题,提出了一种基于第2类极大似然估计原理(M L-II)确定验前分布权重的方法,该方法将现场试验数据看作是由其边缘分布产生的样本,然后根据不同验前分布下现场样本似然性的大小来确定其在验前分布融合中的作用,并以此进一步确定不同验前分布的权重因子。最后通过算例证明了该方法比基于专家信息的融合方法更为合理和有效。     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

Pairwise model discrimination with applications in lifetime distributions and degradation processes

Reliability data obtained from life tests and degradation tests have been extensively used for purposes such as estimating product reliability and predicting warranty costs. When there is more than one candidate model, an important task is to discriminate between the models. In the literature, the model discrimination was often treated as a hypothesis test and a pairwise model discrimination procedure was carried out. Because the null distribution of the test statistic is unavailable in most cases, the large sample approximation and the bootstrap were frequently used to find the acceptance region of the test. Although these two methods are asymptotically accurate, their performance in terms of size and power is not satisfactory in small sample size. To enhance the small‐sample performance, we propose a new method to approximate the null distribution, which builds on the idea of generalized pivots. Conventionally, the generalized pivots were often used for interval estimation of a certain parameter or function of parameters in presence of nuisance parameters. In this study, we further extend the idea of generalized pivots to find the acceptance region of the model discrimination test. Through extensive simulations, we show that the proposed method performs better than the existing methods in discriminating between two lifetime distributions or two degradation models over a wide range of sample sizes. Two real examples are used to illustrate the proposed methods.     

小子样多失效模式系统可靠性竞争模型

为解决小子样多失效模式系统可靠性模型参数的估计问题,首先应用支持向量积建立小子样条件下各故障模式的规律模型,其次利用模型将各故障模式的故障数据由小子样扩充成大样本,再次采用常规的参数估算方法估算各故障模式的分布参数,最后建立多失效模式系统的可靠性竞争模型。利用所提方法,建立了小子样条件下具有两种失效模式的柴油机汽缸套可靠性竞争模型,计算结果与大样本条件下的故障预测数据吻合度较高,说明了方法的有效性。     

An F approximation for two-parameter weibull and log-normal tolerance bounds based on possibly censored data

An approximation suggested in Mann, Schafer and Singpurwalla [18] for obtaining small-sample tolerance bounds based on possibly censored two-parameter Weibull and lognormal samples is investigated. The tolerance bounds obtained are those that effectively make most efficient use of sample data. Values based on the approximation are compared with some available exact values and shown to be in surprisingly good agreement, even in certain cases in which sample sizes are very small or censoring is extensive. Ranges over which error in the approximation is less than about 1 or 2 percent are determined. The investigation of the precision of the approximation extends results of Lawless [8], who considered large-sample maximum-likelihood estimates of parameters as the basis for approximate 95 percent Weibull tolerance bounds obtained by the general approach described in [18]. For Weibull (or extreme-value) data the approximation is particularly useful when sample sizes are moderately large (more than 25), but not large enough (well over 100 for severely censored data) for asymptotic normality of estimators to apply. For such cases simplified efficient linear estimates or maximum-likelihood estimates may be used to obtain the approximate tolerance bounds. For lognormal censored data, best linear unbiased estimates may be used, or any efficient unbiased estimators for which variances and covariances are known as functions of the square of the distribution variance.     

基于预报误差分布拟合的卫星历史机动检测方法

轨道机动会引起在轨卫星的轨道异常，是空间态势感知的重点关注对象之一。为此，提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值，进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后，利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型；以此为基础，可以确定利用预报误差检测轨道参数异常编目值的门限；利用轨道机动与异常编目值之间的对应关系，最终实现机动检测。对典型活动卫星的机动检测结果表明，所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

齿轮箱故障诊断特征级数据关联方法研究

提出了齿轮箱故障诊断特征级数据关联的定义．在该定义的基础上,提出了基于Bootstrap方法的小样本诊断特征参数关联的方法．利用某型齿轮箱振动试验台测取的振动加速度响应信号对提取的特征参数进行了关联评估,基于Bootstrap方法的特征级数据关联方法正确区分出了效果不好的特征参数,证实了该数据关联方法的正确性．     

考虑外场差异的步进加速寿命数据可靠性评估方法

针对寿命服从双参数Weibull分布的机电产品,进行单应力、定时转换的步进加速寿命试验,研究加速寿命试验数据下的可靠性评估问题。考虑到外场多应力环境与实验室单一应力环境之间的差异性,构建基于修正系数的分布参数计算模型;开展步进加速寿命试验过程的统计分析,建立各应力下的累计分布函数关系;构建极大似然函数,运用数值迭代法,求解未知参数估计;结合某型机电产品进行仿真方案设计,采用Monte Carlo仿真方法产生样本数据,通过对比分析说明所提出的模型评估精度更高。     

基于Bayes理论的测试性数据融合评估技术

针对目前高可靠性产品测试性评估验证面临的样本量不足的问题,提出一种基于Bayes理论的内外场数据融合评估技术,并给出详细的内外场测试性数据收集方法及原则,利用某产品的试验数据对该方法进行了验证。该方法工程应用性强,可作为高可靠性产品测试性评估的依据。     

基于生成模型的人体行为识别

提出了一种基于生成模型的人体行为识别方法。选取关键点轨迹的方向-大小描述符、轨迹形状描述符、外观描述符作为人体行为的特征；为了降低人体行为特征维数，利用信息瓶颈算法进行词表压缩；利用生成模型，结合已标记样本和未标记样本提出了一种人体行为识别的半监督学习方法，解决了行为识别中的小样本问题。在YouTube 数据库、 UCF运动数据库上利用提出的方法与已有的方法进行了对比实验，结果表明该方法具有更高的识别精度。