贝叶斯在装备技术实验结果信息解释决策中的应用

针对目前不能对装备技术实验结果信息进行有效解释,将贝叶斯决策方法引入到装备技术实验的结果信息分析当中,克服由于实验本身性质及主观因素造成的实验结果信息具有“欺骗”性的弊端.基于贝叶斯基本理论及相关研究成果.分析贝叶斯决策在装备技术实验中的应用目的和应用步骤并给出了应用实例,为提高相关人员正确决策提供了科学方法.     

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。     

贝叶斯网络推理在信息系统安全风险评估中的应用

提出了一种基于贝叶斯网络推理的安全风险评估方法。从实际出发建立信息系统的贝叶斯网络模型,根据专家给出的先验信息,结合获得的证据信息,运用Pearl方法完成对模型的评估,给出在特定条件下模型的计算——线性推理算法。最后,以实例分析信息系统安全评估的实现过程,结果表明,该方法可行、有效。     

改进的判决加权RLS无线信道估计

随着移动通信的飞速发展,有限的无线频谱要求无线收发信机能够对时变的无线信道进行准确的盲估计.为了进一步降低判决差错和噪声波动对估计的影响,首先介绍了对无线信道的判决加权递推最小二乘盲估计,然后修正估计的判决方式,得到改进的判决加权递推最小二乘估计,最后仿真比较了移动环境下的无线信道各种估计与延迟扩展、多普勒频移及信噪比的关系和性能.     

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。     

考虑可信度时导弹最大射程的Bayes评估

首先讨论了一种验前数据和现场试验数据相容性检验的新方法, 考虑验前信息可信度, 研究了导弹最大射程的 Ｂａｙｅｓ 评定和 Ｂａｙｅｓ 估计。最后给出了数据分析的例子。     

杂波环境下机动目标跟踪的分布式估计算法

本文考虑了杂波环境下机动目标的多雷达跟踪问题，提出了一种分布式联合估计算法。子站独立于总站，并单独跟踪，把当地估计结果周期地传送给总站，由总站进行合并，得出基于所有子站量测的全局估计。数字仿真表明，分布式联合、估计算法在各种性能指标上都优于单站跟踪算法。     

Weibull 分布场合下恒定应力加速寿命试验的保序估计

讨论了Ｗｅｉｂｕｌ场合下恒定应力加速寿命试验的最优线性无偏估计及保序估计,获得了保序估计的表示式,并给出了一个模拟例子．     

使用IMM/JPDA和固定延迟平滑滤波方法进行杂波环境下多机动目标跟踪

本文考虑用转换多目标运动模型对杂波环境下多机动目标进行跟踪。在马尔科夫转换系统中,次最优算法采用基本的交互多模型(IMM)逼近和联合概率数据互联(JPDA)技术。本文在IMM和JPDA的基础上发展出次最优固定延迟平滑算法应用于增广状态系统,并通过对两个高机动目标的跟踪举例说明了这种算法的有效性。