基于小波变换的宽带模糊函数估计器

提出了一种基于小波变换的宽带模糊函数参数估计器,即通过交互小波变换计算宽带模糊函数,取宽带模糊函数模的平方的峰值点对应参数作为目标时延与时间伸缩的估计．仿真结果表明,该估计器的估计性能好于直接模糊函数估计器,且计算方便,非常适合于实际宽带处理系统应用．     

本质流形上的自适应运动估计

分析了计算机视觉中一种新的运动估计模型,将运动估计作为一个参数定义在"本质流形"上的非线性系统参数辨识问题。针对基于离散处理和连续处理方法得到的"本质流形",提出了一种新的、统一的自适应推广卡尔曼滤波算法,在"本质流形"的局部坐标系上进行运动估计。仿真结果验证了该算法的正确性。     

Bayesian inference for a Lanchester type combat model

We undertake inference for a stochastic form of the Lanchester combat model. In particular, given battle data, we assess the type of battle that occurred and whether or not it makes any difference to the number of casualties if an army is attacking or defending. Our approach is Bayesian and we use modern computational techniques to fit the model. We illustrate our method using data from the Ardennes campaign. We compare our results with previous analyses of these data by Bracken and Fricker. Our conclusions are somewhat different to those of Bracken. Where he suggests that a linear law is appropriate, we show that the logarithmic or linear‐logarithmic laws fit better. We note however that the basic Lanchester modeling assumptions do not hold for the Ardennes data. Using Fricker's modified data, we show that although his “super‐logarithmic” law fits best, the linear, linear‐logarithmic, and logarithmic laws cannot be ruled out. We suggest that Bayesian methods can be used to make inference for battles in progress. We point out a number of advantages: Prior information from experts or previous battles can be incorporated; predictions of future casualties are easily made; more complex models can be analysed using stochastic simulation techniques. © 2000 John Wiley & Sons, Inc. Naval Research Logistics 47: 541–558, 2000     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.     

基于马氏距离的飞行缺失数据估计方法

针对基于欧式距离的最近邻居的缺失值估计算法的不足,提出了一种基于马氏距离的估计算法来估计飞行数据集中的缺失数据.该算法通过飞行数据之间的马氏距离来选择最近邻居数据,并将已得到的估计值应用到后续的估计过程中,然后采用信息熵来计算最近邻居的加权系数,得到缺失数据的估计值.仿真结果表明该算法优于基于欧式距离的最近邻居缺失值处理算法,是一种有效的飞行数据缺失值估计方法.     

面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。     

基于贝叶斯决策方法的项目管理能力评估研究

项目管理能力是评价科研单位是否具有牵头组织能力的重要指标之一。针对现有评价方法在稳定性、科学性方面的不足，以传统的科研项目管理能力评估方法为基础，引入贝叶斯理论，建立了贝叶斯决策评估模型，并利用实际案例验证了其在科研项目管理能力评估中的有效性。结果表明，该评估方法能够充分利用历史资料和专家意见，对初步评估结果进行再度评估，具有较强的客观性、准确性。     

基于MC-CNN网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息，为克服这一缺陷，建立了磁性运动目标三分量投影模型，并据此生成了磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。进一步，设计了多通道卷积神经网络（MC-CNN）对目标的正横距离和运动速度进行了估计，并比较和分析了不同的学习方式和激活函数对网络性能的影响，结果表明Adam+tanh的组合方式的估计性能要优于其它的组合方式，而且对磁性目标运动参数的估计效果比较精确，此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。     

基于相关参数的自修正飞行数据估计方法

提出了自修正的数据估计方法.用待拟合参数及相关参数组成多阶数据矩阵,利用递归神经网络对数据矩阵中缺失数据进行初次多阶拟合;利用滑动窗口,在历史数据矩阵中进行相似模式搜索,以相似度作为权重系数,对初次拟合结果进行加权修正.分析证明,该算法的最差、最好复杂度分别达到了理论最好结果.从仿真结果可以看出,自修正算法数据拟合结果误差较之单纯神经网络拟合更小,估计精度更高.     

一种舰载机下滑道一致性指示数据产生方法

针对现有航母起降引导系统下滑道真值测量手段过于复杂的现状，提出一种简单的航母起降引导系统下滑道一致性指示数据产生方法，该方法基于着舰引导雷达测距精度、中线电视测角精度较高的特点，利用着舰引导雷达测距信息和中线电视测角信息进行目标位置解算。采取泰勒级数展开法对非线性方程组线性化，并以着舰引导雷达定位结果作为迭代始值，进行迭代运算求取目标位置。通过仿真实验验证该方法迭代次数较少且收敛，相比着舰引导雷达定位方法，具有更高的定位精度。