变结构MM估计器的模型集合序列条件估计

变结构多模型(VSMM)估计最重要、自然和实用的方法是递归自适应模型集合(RAMS)方法。它由两个功能部分组成:模型集合自适应和模型集合序列条件估计。本文是针对第二部分。具体一点,就是通过推广著名的交互多模型(IMM)算法得到基于任意时变模型集合序列的一般的最优单步高效的递归模型集合序列条件估计。这种递归提供了一种在RAMS中是最优的为新激活的模型分配概率并且对基于这些模型的滤波器进行初始化的自然和系统的方法。此外,还给出了基于任意两个模型集合(未必是不相交)获得整体估计的最优和高效的融合方法。最优递归和融合为模型集合序列条件估计问题提供了对于大多数实际问题都相当令人满意的解决方案。这里给出的结果已经应用在最近建立起来的两个变结构MM估计器,似然模型集合和模型群切换算法中。这些算法是普遍适用和容易实现,并且明显优于可用的最好的固定结构的MM估计器。     

本原BCH码的维数与周期分布

本文给出了求分圆陪集首集中元素个数新的计算公式，确定了长度为ｋ的分圆陪集的个数。给出了ｑ元域上狭义本原ＢＣＨ码的维数的计算公式，确定了狭义本原ＢＣＨ码的周期分布。     

病态线性回归模型系数的0─c型岭估计

针对病态线性模型病态的实质,提出回归系数的０－ｃ型岭估计。首先研究它的均方误差的最优化问题,给出了参数的最优值或最优值的一个上界和下界,证明可以选择参数,使它在均方误差的意义下优于ＬＳ估计。其次,研究它的偏差,证明存在０－ｃ型岭估计优于ＬＳ估计,且比岭估计β（ｋ）具有较小偏差。最后证明它的可容许性,并讨论在实用中它的岭参数选择方法的优点。     

单调关联系统模糊可靠度函数的性质和界

应用经典可靠性和模糊数的理论,给出了单调关联系统的模糊可靠度函数的三条性质。在较复杂的单调关联系统中,精确获得单调关联系统的模糊可靠度函数非常困难,讨论了系统模糊可靠度的界,并给出了系统模糊可靠度的界的两种求法。     

特定能级下Fermi体系反演

对特定能级下Fermi反演进行了研究。首先提出问题的不适定性,然后用Tikhonov正则化方法的思想,将问题离散化后,用代数正则化方法求稳定近似解。并给出了误差估计,最后,给出了数值实例。     

用于军事态势估计的协作知识模型

分布式人工智能（ＤＡＩ）是ＡＩ领域的一个新分支。ＤＡＩ研究的主要目的在于分析和设计大型复杂的协作智能系统。本文以军事智能决策过程中的重要环节──态势估计任务为背景,提出了用于实现分布式协作求解的知识表示框架ＤＥＳＷ系统。文章简要分析了军事态势估计领域背景,然后从系统设计的三个方面依次介绍了ＤＥＳＷ的系统组织模型、主体概念模型和分布式协作推理模型。     

角速率火控原理研究

论述并研究了角速率火控原理,利用“滤波──识别”方法,提出了一套新的角速率火控滤波和外推模型。仿真结果表明,这种模型对于机动运动的反舰导弹可以明显提高火控预报精度。     

导弹落入概率的统计特性

该文讨论了导弹落入概率最简单情形的统计特性,包括参数估计、落入概率的抽样分布、期望及方差,并给出了落入概率的一致最小方差无偏估计（ＵＭＶ－ＵＥ）。