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。     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点,在大尺度下设置阈值,去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上,采用自适应阈值的方法,克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明,与单一阈值去噪方法相比,该方法不仅可以保留图像边缘信息,而且能提高去噪后图像的峰值信噪比2~5 dB。     

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。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

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