A nonparametric approach to accelerated life testing under multiple stresses

Accelerated life testing (ALT) is concerned with subjecting items to a series of stresses at several levels higher than those experienced under normal conditions so as to obtain the lifetime distribution of items under normal levels. A parametric approach to this problem requires two assumptions. First, the lifetime of an item is assumed to have the same distribution under all stress levels, that is, a change of stress level does not change the shape of the life distribution but changes only its scale. Second, a functional relationship is assumed between the parameters of the life distribution and the accelerating stresses. A nonparametric approach, on the other hand, assumes a functional relationship between the life distribution functions at the accelerated and nonaccelerated stress levels without making any assumptions on the forms of the distribution functions. In this paper, we treat the problem nonparametrically. In particular, we extend the methods of Shaked, Zimmer, and Ball [7] and Strelec and Viertl [8] and develop a nonparametric estimation procedure for a version of the generalized Arrhenius model with two stress variables assuming a linear acceleration function. We obtain consistent estimates as well as confidence intervals of the parameters of the life distribution under normal stress level and compare our nonparametric method with parametric methods assuming exponential, Weibull and lognormal life distributions using both real life and simulated data. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 629–644, 1998     

超宽带雷达回波的双谱分析方法

谱分析是雷达信号处理的重要组成部分,对目标分类、特征检测均有重要意义。高阶谱所具有的特殊性质,有助于人们从新的角度对雷达回波进行分析。本文提出了一种双谱分析双（Ｑ,Ｋ）方法。仿真结果表明,本文提出的方法与其它的双谱估计算法相比估计精度更高。最后给出了应用实例     

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。     

Estimating distribution functions from partially observed samples

Suppose that some components are initially operated in a certain condition and then switched to operating in a different condition. Working hours of the components in condition 1 and condition 2 are respectively observed. Of interest is the lifetime distribution F of the component in the second condition only, i.e., the distribution without the prior exposure to the first condition. In this paper, we propose a method to transform the lifetime obtained in condition 1 to an equivalent lifetime in condition 2 and then use the transformed data to estimate F. Both parametric and nonparametric approaches each with complete and censored data are discussed. Numerical studies are presented to investigate the performance of the method. © 2000 John Wiley & Sons, Inc. Naval Research Logistics 47: 521–530, 2000     

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.     

多传感器的极大似然配准算法研究

数据配准是多传感器数据融合的先期处理过程。在研究了传统的最小二乘算法的基础上 ,提出了基于三维坐标系中的极大似然配准算法 ,解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真验证了算法的有效性。     

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.