基于动态贝叶斯网络的弹道导弹态势评估模型研究

针对弹道导弹态势评估的特点,分析了弹道导弹的作战过程和弹道导弹主动段作战特点。在此基础上,给出了动态贝叶斯网络用于弹道导弹态势评估的建模过程,建立了基于动态贝叶斯网络的弹道导弹态势评估模型,并依据观测到的数据对模型进行了仿真,结果表明,将动态贝叶斯网络应用于弹道导弹的态势评估模型是可行的,该模型能够对飞行中的弹道导弹态势快速准确作出评估。     

基于贝叶斯网络的我国海上能源通道海盗袭击风险分析与实验评估

鉴于能源进口安全保障的重要性及迫切性,针对海上能源通道海盗袭击事件的不确定性与突发性,基于风险理论、贝叶斯网络、蒙特卡洛模拟等方法,建立了海上能源通道海盗袭击风险的量化评估模型,探索了快速、量化评估突发性事件的技术途径,旨在为保障我国能源进口安全提供时效性强、精确度高的决策依据。     

体系攻防条件下的多阶段目标选择模型

针对体系攻防对抗条件下的目标选择问题,提出了一个基于完全信息序贯博弈的多阶段目标选择模型。该模型分析了目标体系攻防的博弈过程,使用动态贝叶斯网络描述了对抗双方策略对博弈状态的影响,将目标选择问题转化为标准的博弈树对策问题求解。然后设计了一种消除目标体系结构中与或子树的方法,以简化目标选择策略空间。最后通过案例说明了使用逆向归纳法求解目标选择策略的过程。结果表明,该模型和方法能够在体系攻防、目标间具有复杂层次关联的条件下为目标选择决策提供辅助。     

基于HDSmP转换的态势估计方法

战场态势分析是指挥决策的基础,D-S证据理论广泛应用于不确定性下的近似推理,尤其在战场的态势估计中起到了重要作用。为了降低命题中含复合焦元时的不确定度,需要运用概率转换方法如Pignistic方法等对这些焦元进行概率转换。当存在命题的基本信度赋值函数(BBA)bba(全称)为零的情况时,一些常规的概率转换方法不能处理,即使能处理这种情况的概率转换方法在降低不确定度方面也没有达到理想效果。提出利用HDSmP方法将信度函数近似转换成概率函数,不仅可解决辨识框架中存在信度为零的命题时的情况,而且可以降低不确定性。此外,对HDSmP方法中比率再分配因子的取值进行了分析,通过实例验证了该方法在战场态势估计中的可行性和实用性。     

基于分层贝叶斯网络的反潜编队对潜威胁估计

应用贝叶斯网络模型进行威胁估计是当前研究的热点和难点。提出了应用分层贝叶斯网络模型构建威胁估计网络,用于估计反潜编队对潜威胁等级。首先,对分层贝叶斯网络模型进行了简要的阐述,并对利用该模型进行威胁估计的可行性进行了分析。其次,分析了反潜编队对潜威胁产生的原因和机理,在此基础上,构建了威胁估计网络。最后,通过算例仿真验证了威胁估计网络的有效性。     

逐步Ⅱ型混合截尾下Pareto分布的统计分析

基于逐步Ⅱ型混合截尾寿命试验数据,研究了Pareto分布的统计分析问题。利用极大似然方法和Bayes估计理论,导出了Pareto分布参数的极大似然估计和基于不同先验分布下的Bayes估计。最后利用Monte-Carlo模拟方法对估计的结果进行了对比分析。     

高分辨率UAV SAR的三维运动误差分离与补偿

在基于SAR回波的数据处理中,多普勒调频率具有很高的估计精度且对场景的依赖性很小,可以更广泛地用于自聚焦处理。基于多普勒调频率参数估计,针对回波包络及相位分别提出了误差提取模型,并通过包络误差校正和相位误差补偿两个步骤实现了高精度的运动补偿处理。实测数据表明,本文方法可以在低精度导航信息情况下获取高分辨率雷达图像。     

几种机动目标运动模型的跟踪性能对比

机动目标跟踪是目标定位与跟踪领域研究的难点问题之一.在分析Singer模型、"当前"统计模型、速度估计自适应模型的基础上,对这三种模型及算法进行仿真,给出了上述三种模型跟踪机动目标的精度与实时性的比较结果.     

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.