目标定位和跟踪的神经网络最小二乘估计

首先概述了单目标定位和跟踪的现有研究结论和新问题,接着叙述了神经网络最小二乘估计方法,最后给出了它对第１类和第２类火控系统应用的数学模型     

二维隐马氏模型的一种简化算法及其参数估计

针对现有的二维隐马氏模型算法给出了一种简化算法及参数估计方法。该算法与现有的算法相比非常简单。基于此方法给出了相应的识别方法和参数估计,并且该估计与极大似然估计是等同的。     

极化域-空域联合估计在反辐射导弹抗诱偏中的应用研究

提出了将极化阵列应用到反辐射导引头上,导引头利用目标与诱饵的极化差异,采用极化域-空域联合估计方法抗诱偏。首先,利用波达方向矩阵法,估算出雷达与诱饵的空间二维到达角和极化参数,将估算出来的二维到达角信息为反辐射导引头提供导引,极化参数用来鉴别雷达与诱饵,从而达到抗诱偏的目的。然后,结合导弹运动方程及导引方程对反辐射导弹抗三点源诱偏进行了全弹道数字仿真,并且采用Monte-Carlo方法对全弹道仿真进行了多次实验,仿真结果证明了将极化域-空域联合估计应用于反辐射导引头抗诱偏的可行性。     

恒加试验下Pareto部件的可靠性分析

基于定数截尾试验,研究恒加试验下Pareto部件的可靠性分析问题。利用经典方法和Bayes方法,给出了部件参数的极大似然估计、Bayes估计和逆矩估计。验证了极大似然估计和Bayes估计的等价性。结合加速寿命方程,推导出Pareto部件的可靠度、失效率的估计值。最后,通过仿真比较与分析,建立了Pareto部件的可靠性评估方法。     

多维 AR 模型梯格滤波的一般形式及其在不同数据窗下的实现

本文以基本的矩阵代数为工具,对于多维AR模型推导了梯格滤波的一般公式。在此基础上,可方便地得到在不同数据窗下(如预加窗、协方差窗和滑动窗)的实现算法。     

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。     

主动声纳宽带信号的一种高效参数估计算法

讨论在宽带信号体制下,对水中高速目标的检测与估计问题,给出了高斯包络线性调频信号必须采用宽带模糊函数进行检测时的带宽和目标速度范围。在仿真分析了信号宽带、窄带模糊函数主峰特性的基础上,提出了一种联合利用宽带模糊函数和窄带模糊函数的高效目标参数估计算法,该算法可以将二维相关运算简化到一维相关运算,降低了运算量,同时具有良好的估计精度。     

潜艇水下推算舰载机作战时间动态计算模型

由于受探测手段的限制,水下潜艇对空中目标的威胁评估一直是研究难题.针对潜艇所能获得的各种信息,分析了舰载反潜直升机作战起飞影响因素、跳跃时间影响因素以及声纳定测时间影响因素,给出量化形式,构造出了潜艇水下推算舰载反潜直升机作战时间的动态计算模型,为潜艇定量评估潜在空中目标的威胁程度提供了合理的逻辑支持.     

基于平方根UKF的自由段目标跟踪算法

建立天基红外低轨星座对自由段目标的观测模型,引入精确的目标运动模型。考虑到算法的数值稳定性,引入平方根UKF算法。理论分析与实验结果表明,平方根UKF算法能够对天基红外低轨星座中自由段目标进行有效跟踪。     

Combining standardized time series area and Cramér–von Mises variance estimators

We propose three related estimators for the variance parameter arising from a steady‐state simulation process. All are based on combinations of standardized‐time‐series area and Cramér–von Mises (CvM) estimators. The first is a straightforward linear combination of the area and CvM estimators; the second resembles a Durbin–Watson statistic; and the third is related to a jackknifed version of the first. The main derivations yield analytical expressions for the bias and variance of the new estimators. These results show that the new estimators often perform better than the pure area, pure CvM, and benchmark nonoverlapping and overlapping batch means estimators, especially in terms of variance and mean squared error. We also give exact and Monte Carlo examples illustrating our findings.© 2007 Wiley Periodicals, Inc. Naval Research Logistics, 2007