一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。     

自适应网格交互多模型算法

研究和设计了一种模型集合自适应方法——自适应网格方法。并将其与交互多模型算法相结合,提出了自适应网格交互多模型(AGIMM)算法,它是一种变结构多模型算法。仿真显示它能有效地提高IMM估计器的费效比。     

基于当前统计模型的有向图切换IMM算法

将当前统计模型和变结构多模型估计算法相结合,提出了一种新的用于跟踪机动目标的交互多模型算法,计算机仿真结果显示该算法能有效提高交互多模型估计器的费效比。     

变结构MM估计器的模型集合序列条件估计

变结构多模型(VSMM)估计最重要、自然和实用的方法是递归自适应模型集合(RAMS)方法。它由两个功能部分组成:模型集合自适应和模型集合序列条件估计。本文是针对第二部分。具体一点,就是通过推广著名的交互多模型(IMM)算法得到基于任意时变模型集合序列的一般的最优单步高效的递归模型集合序列条件估计。这种递归提供了一种在RAMS中是最优的为新激活的模型分配概率并且对基于这些模型的滤波器进行初始化的自然和系统的方法。此外,还给出了基于任意两个模型集合(未必是不相交)获得整体估计的最优和高效的融合方法。最优递归和融合为模型集合序列条件估计问题提供了对于大多数实际问题都相当令人满意的解决方案。这里给出的结果已经应用在最近建立起来的两个变结构MM估计器,似然模型集合和模型群切换算法中。这些算法是普遍适用和容易实现,并且明显优于可用的最好的固定结构的MM估计器。     

变结构多模型估计第V部分——可能模型集合算法

本文提出了一种称为可能模型集合(LMS)算法的变结构多模型(MM)估计器,它适用于大多数混合估计问题并且比较容易实现。在任何时刻使用所有与系统模式匹配的模型。本文讨论了该模型的不同版本。最简单版本通过删除所有不太可能的模型,激活所有主要模型可能跳变的模型来获得模型集合的自适应,从而获得可能的期望系统模式转移。通过一个跟踪机动目标和一个失效检测和识别的例子来演示了LMS估计器设计和应用的通用性、简单性和容易性。文中也给出了算法同其它一些固定结构-变结构估计器在费效比方面的比较结果。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

变结构多模型估计第IV部分:模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器。它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应。它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比。本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计。研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示。这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征。仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较。     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

变结构多模型估计第III部分:模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群。它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。同时,它很容易实现。通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量。     

战略导弹制导系统精度评估方法及应用研究

本文论述了战略导弹制导系统精度评估方法,并分析了影响制导精度的各种因素;在定性分析的基础上,建立了制导系统的误差模型,并将此模型归纳为线性回归模型;最后,对目前所采用的误差分离方法进行了分析和比较,并将模型参考自适应思想与岭估计方法相结合,形成了模型参考自适应广义岭估计方法,为解决制导系统误差分离问题提供了一条有效途径。     

中尺度数值天气预报模式MM5分布式并行计算

中尺度数值预报模式是进行中尺度天气预报的有效手段。中尺度模式MM5是国际上应用最广泛的中尺度预报模式之一。数值天气预报的巨大计算量和实效性要求必须通过高性能分布式并行计算来实现。分析了MM5串行算法的特点,研究了其并行算法的实现,讨论了算法的一些改进,给出了MM5模式在分布式并行巨型计算机上的测试结果。     

Cooperative interception with fast multiple model adaptive estimation

For the case that two pursuers intercept an evasive target, the cooperative strategies and state estimation methods taken by pursuers can seriously affect the guidance accuracy for the target, which performs a bang For the case that two pursuers intercept an evasive target, the cooperative strategies and state estimation methods taken by pursuers can seriously affect the guidance accuracy for the target, which performs a bang-bang evasive maneuver with a random switching time. Combined Fast multiple model adaptive estimation (Fast MMAE) algorithm, the cooperative guidance law takes detection configuration affecting the accuracy of interception into consideration. Introduced the detection error model related to the line-of-sight (LOS) separation angle of two interceptors, an optimal cooperative guidance law solving the optimization problem is designed to modulate the LOS separation angle to reduce the estimation error and improve the interception performance. Due to the uncertainty of the target bang-bang maneuver switching time and the effective fitting of its multi-modal motion, Fast MMAE is introduced to identify its maneuver switching time and estimate the acceleration of the target to track and intercept the target accurately. The designed cooperative optimal guidance law with Fast MMAE has better estimation ability and interception performance than the traditional guidance law and estimation method via Monte Carlo simulation.     

灰色预测模型在非致命武器经济寿命预测中的应用

针对目前非致命武器经济寿命方面的研究相当缺乏的现状，结合非致命武器的自身特点，在全面分析装备全寿命周期费用的基础上，引入灰色理论，运用GM（1，1）模型对非致命武器的经济寿命周期费用进行估算和预测。通过分析，灰色预测模型具有较高的建模精度，预测方法和结果对非致命武器的经济寿命预测具有很强的实用性。     

武器装备软件的可靠性分析综述

首先论述了武器装备软件可靠性的重要性,指出了软件可靠性与硬件可靠性的主要区别,并依据装备软件研制总要求及武器装备软件的特点分析了装备软件可靠性的内涵、特点,介绍了装备软件可靠性指标的确定、软件可靠性模型以及装备软件可靠性的评估,最后分析讨论了几种提高武器装备软件可靠性的方法与途径。     

GM(1,1)模型用于目标方位数据预处理

基于估计理论这一数学基础的纯方位目标运动分析,由于其本质上的非线性,导致估计性能严重依赖观测精度,在大噪声背景下,收敛慢,甚至发散.针对此,提出一种基于灰色系统GM(1,1)模型的数据预处理算法.该算法不需要数据的概率分布、一二阶矩等统计先验知识,而是通过生成具有较强规律的数列,揭示数据的内在规律.仿真结果表明,该模型能有效地滤除背景噪声;经过预处理后的数据用于目标运动状态求取,解算结果理想.     

一种用AR模型参数自适应检测瞬态信号的新方法

本文研究AR 模型参数特征用于瞬态信号自适应检测的问题。本文依据AR 模型参数矢量长度为特征检测信号的思思,提出了一种具有良好地自适应抑制噪声扰动的参数估计方法,弥补了LS、SVDT 方法的不足。理论分析和实验结果均表明,本文的方法具有很好的AR 模型参数估计和瞬态信号检测性能。     

静电放电对电子装置的危害机理分析与模型研究

本文介绍了静电放电(ESD)对电子装置的危害,分析了半导体器件受ESD影响而失效的机理,及ESD对电子设备形成干扰的途径,介绍并分析了六种ESD模型,即人体模型(HBM)、带电装置模型(CDM)、场感应模型(FIM)、机器模型(MM)、增强型场模型(FEM)或金属体模型(BMM)、电容耦合模型(CCM)。     

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.