利用构造性仿真评估导弹精度

通过对导弹落点散布的构造性仿真获得了落点(均值与方差)的验前分布参数,通过与现场试验数据的相容性检验获得了验前信息的可信度,在考虑验前信息可信度的情况下获得了命中点的均值与方差的验后Bayes估计。算例表明该方法对于仿真信息的应用合理可信,考虑可信度下的Bayes估计具有较好的置信度。     

小子样条件下巡航导弹的命中精度评估方法

针对巡航导弹定型试验发数少、验前试验信息源多的特点,提出小子样条件下,通过可信性检验分别得到每个验前信息源的可信度,在导弹落点偏差分布为正态-逆伽马分布的假设下,获得评估的验前分布参数,选择基于可信度的加权方法对多源验前信息进行融合,采用Bayes估计方法得到命中精度。最后结合实例进行仿真,说明了该方法较传统的Bayes方法更稳健,很适合巡航导弹命中精度的评估。     

考虑验前信息可信度时的Bayes估计

研究了考虑验前信息可信度时的验前分布和Bayes估计算法,给出了正态总体参数的Bayes估计方法。以导弹落点散布的估计为例,说明了考虑验前信息可信度时Bayes估计有明显的改善,即具有更好的可信度。     

利用验前信息的一种序贯检验方法——序贯验后加权检验方法

序贯验后加权检验方法是Bayes 统计观点在假设检验中的运用。本文提出了该方法的一般理论,给出了当总体的分布参数具有验前信息时的序贯检验方法。文中确定了决策区的划分,同时讨论了序贯截尾方案,给出了检验中可能犯两类错误的概率的上界,并将一般理论应用于产品的可靠性检验和再入飞行器随机落点的精度鉴定。由于运用了验前信息,因此能有效地在少量试验之下进行统计假设检验。本文所提供的方法对于昂贵产品试验结果的统计评定具有普遍意义。     

武器系统MTBF的Bayes评估方法

针对武器系统试验常常具有小子样的特点,分析推导了MTBF检验的Bayes方法,论述了MTBF的Bayes估计方法,并举例进行了计算分析。     

命中概率的一致最小方差无偏估计

本文从随机落点的样本值直接估计命中概率。文中给出了一致最小方差无偏估计(UMVU估计)。首先给出命中狭长地带(区间)概率的UMVU估计。然后对于平面落点情况,在纵向和横向落点为独立的场合下,给出命中散布圆概率的UMVU估计。对于估值的精度同时进行了讨论。     

屏蔽数据在新型截尾样本下系统的可靠性分析

当系统含有屏蔽数据时,在具有随机移走逐步增加型截尾模型下,讨论了部件寿命服从双参数指数分布的串联系统可靠性估计问题。设随机移走系统数服从二项分布,利用极大似然方法,Bayes理论及方法,推导出双参数指数部件参数、系统可靠性函数、失效率函数及移走概率的极大似然估计和Bayes估计。并利用Monte Carlo方法对两种估计结果进行了比较,表明Bayes估计较极大似然估计效果更优。     

基于空间三维欧拉角估计的靶场外弹道数据处理方法研究

针对雷达测试远程飞行试验获取的外弹道数据在转换至炮位发射坐标系过程中,事后数据处理结果落点距离偏差较大的问题,提出了一种基于空间三维欧拉角的弹道数据处理方法,该方法估计雷达发射坐标系旋转至炮位发射坐标系的空间三维欧拉角,对雷达发射坐标系进行三轴方向的旋转,使其与炮位发射坐标系三轴指向在空间上方向一致,然后再进行坐标系平移,得到包含地球曲率因素的炮位发射坐标系数据处理结果。将该弹道数据处理方法得到的弹道落点,以及传统平移处理方法得到的弹道落点与真实落点的距离偏差分布情况进行对比分析,结果表明：基于空间三维欧拉角的数据处理落点偏差更小,落点数据精度更高,平均偏差缩小百分比达48.9%。本研究对于弹体的寻找、销毁与回收具有十分重要意义。     

并联可修系统的参数估计

假设单元的失效时间和修理时间服从参数不同的指数分布,给出了导弹武器系统中两单元并联可修系统未知参数的Bayes估计。在Bayes估计中,采用Monte-Carlo方法分别对LINEX损失及平方损失下的Bayes估计进行了比较研究。结果表明,选用LINEX损失下得到的估计有较小的均方误差。     

导弹落点精度的鉴定方法——概率圆方法

导弹的落点精度包括落点的准确度与密集度。对于子样很小的情况 ,分别鉴定准确度和密集度是有一定的难度。本文提出了采用概率圆的综合鉴定方法。当落入概率圆的导弹数大于等于要求的数时就接收 ,否则拒绝。文中给出了如何确定落入概率圆的导弹数 ,并且给出了该方法的风险。最后以仿真实例说明了方法的有效性。概率圆方法简便易行 ,便于工程应用。     

Bayesian analysis of queues with impatient customers: Applications to call centers

Queuing models have been extensively used in the literature for obtaining performance measures and developing staffing policies. However, most of this work has been from a pure probabilistic point of view and has not addressed issues of statistical inference. In this article, we consider Bayesian queuing models with impatient customers with particular emphasis on call center operations and discuss further extensions. We develop the details of Bayesian inference for queues with abandonment such as the M/M/s + M model (Erlang‐A). In doing so, we discuss the estimation of operating characteristics and its implications on staffing. We illustrate the implementation of the Bayesian models using actual arrival, service, and abandonment data from call centers. © 2012 Wiley Periodicals, Inc. Naval Research Logistics, 2012     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

考虑仿真可信度的舰炮虚拟校射

为利用仿真模型在有限校射样本的条件下对校射补偿量进行合理估计,对考虑仿真可信度的舰炮虚拟校射方法进行了研究。对自适应加权贝叶斯估计方法进行了研究,一方面对仿真先验可信度的计算方法进行了分析,另一方面对考虑先验可信度的自适应加权贝叶斯估计算法进行了研究。在此基础上,结合舰炮虚拟校射的原理和需求,建立了舰炮虚拟校射诸元误差自适应加权贝叶斯估计模型。仿真验证表明:自适应加权贝叶斯估计方法能够利用试验数据对仿真模型的可信度进行有效验证并进一步实现对目标分布的有效估计;所设计的校射方法能够综合利用仿真模型和校射样本的优势,实现对诸元误差的合理估计,达到有效提高校射精度的目的。     

MIMO-OFDM最优训练序列设计

推导得到了宽带 MIMO-OFDM 信道模型。在空间相关情况下推导了非盲信道估计的 Bayesian CRB及 Bayesian MMSE。利用 Bayesian CRB 准则对发送的训练序列进行了功率分配,而后利用一种线性规划的方法对带有保护带宽 MIMO-OFDM 训练符号进行子载波功率分配,并利用发端酉矩阵进行最优相位设计。     

Inference for the maximum cell probability under multinomial sampling

This article investigates inference for p_max, the largest cell probability in multinomial trials for the case of a small to moderate number of trials. Emphasis focuses on point and interval estimation. Both frequentist and Bayesian approaches are developed. The results of extensive simulation investigation are included as well as the analysis of a set of crime data for the city of New Orleans taken from the National Crime Survey.     

威布尔分布场合下无失效数据的Bayes分析

通过对分布函数进行变换,使变换后的函数成为凹函数,利用凹函数性质给出了各检测时刻失效概率的Bayes估计,进而得到了产品可靠性指标的估计。最后,通过对实际数据进行计算,验证了方法的稳定性。     

Bayes 试验分析中验前分布的表示

结合武器系统试验鉴定中的问题，研究Ｂａｙｅｓ方法运用中的验前信息表示问题。文中运用自助（Ｂｏｏｔｓｔｒａｐ）方法和随机加权法确定验前分布。对于多种信息源之下的验前信息，给出了验前分布的融合估计。对当前工程实践中常用的方法及存在的问题，提出了看法和处置方法。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

规整化SAR图像特征提取

SAR成像算法通常都基于FFT运算,图像分辨率要受到瑞利限的制约。为了提高图像分辨率,目前常用的SAR/ISAR超分辨成像算法大多借助于现代谱估计技术。从解方程的角度考虑,认为有限长数据的高分辨率谱估计是一个欠定方程问题,估计的结果存在"病态"性。在Bayes估计准则下,把信号谱的先验概率密度作为规整项包含进信号频谱的最大后验概率估计中,提高谱估计的分辨率。将这种方法用于SAR图像峰值特征提取,提高了图像分辨率。