弹道导弹威胁估计模型构建

简要分析了弹道导弹飞行3个阶段的不同特点及各阶段导弹预警探测手段的侧重点,结合威胁估计的特征构建了弹道导弹威胁估计模型结构框架,运用多阶段贝叶斯网络理论,构造了主动段、自由段和再入段威胁估计模型,并明确了三阶段间的转换时机。采用动态贝叶斯方法对弹道导弹作战全过程进行威胁估计仿真推理,仿真结果能够反映导弹在飞行过程中威胁程度的变化特点,为反导指挥员作出辅助决策提供智力支持。     

基于贝叶斯混合博弈的空袭火力资源分配决策模型

从博弈论的角度出发研究空袭火力资源的分配问题,针对空袭编队和防空火力单元攻防对抗过程中存在的不确定性、静态性以及动态性,建立基于贝叶斯混合博弈的空袭对抗火力分配模型。通过构造贝叶斯混合博弈树,采用逆向回溯法分别建立不同的博弈分析模型,利用混合粒子群算法求解那什均衡。仿真结果表明:以博弈论为背景研究空袭作战火力分配问题,符合真实的作战坏境,有效性好,有较高的理论应用价值。     

POMDP在战场决策评估中的应用和仿真

通过将贝叶斯统计方法和POMDP(部分可观测马氏决策过程)方法相结合,采用计算机模拟的方式,预测在给定条件下可能产生的各种作战决策的质量.为解决不确定条件下对决策质量的定量评估提供了一种比较可行的方法.     

一种全局最优的多感测器检测融合算法

在实际检测中,由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道,另外由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,于是就在本地检测器和融合中心之间增加中继节点.然后利用贝叶斯规则对所有节点的判决规则进行联合最优化.最后通过仿真对系统的检测性能进行了比较.     

非完备参数信号集中式检测新方法

在复合假设检验中,广义似然比检验(GLRT)和贝叶斯(Bayesian)方法是2个广泛应用的方法.研究了这2种信号检测方法在分布式传感器网络中非完备参数(波形已知但幅度未知)估计中的应用.验证了GLRT的性能并进行了改进,提出逼近的Bayesian检测器,并与精确Bayesian方法比较,得出逼近的Bayesian检测器总有闭表达式的结论.仿真结果表明,提出的方法与精确Bayesian方法具有相近的性能.     

一种新的火炮武器系统射击精度试验方法

射击精度是反应火炮武器系统性能的最重要技术指标,通过对以往射击精度试验中采用的建立在大子样统计理论基础上的传统评定方法进行了分析,对目前采用的序贯截尾原理和方法进行阐述,并指出前两种方法没有利用验前信息,试验次数和试验风险比较大等缺点,由此提出一种新的贝叶斯截尾序贯检验法。这种小样本统计推断方法的基本思想是充分利用已有的验前信息,实现了多阶段试验信息的综合利用,能够减少试验次数,缩短试验周期,节约试验经费。     

基于贝叶斯方法的舰船辐射噪声估计

对于潜艇战和反潜战来说,目标的噪声特点和噪声等级是进行声纳作用距离估计的一个重要参数。为了对不确定水声战场环境中的舰船辐射噪声进行有效估计,运用贝叶斯方法分别对正态分布和均匀分布的辐射噪声作了最小均方误差估计和最大后验概率估计,对不同情况下的舰船辐射噪声的估计提供了一种可靠的方法。通过这种方法得出舰船辐射噪声一定的统计规律,为指挥员的精确决策提供信息基础。     

武器系统研制单位管理水平的贝叶斯评估分析

将Bayes理论应用于对武器系统研制单位管理水平的评估.克服了验前评估方法主观性大的缺陷,充分利用收集到的补充信息,对评估结果作了后验预分析,得到了更加可信的评估结论,从而改进了决策过程.     

成败型产品验收试验方案研究

在可靠性定型试验的基础上,利用多层贝叶斯方法确定批产品可靠性指标的先验分布,从而制定出成败型产品可靠性验收试验的一种贝叶斯方案.给出利用定型试验信息确定产品可靠性指标先验分布的方法.这种验收方法充分利用了产品定型试验中的先验信息,在确保有较好验收效果的前提下,与传统的验收试验相比,可以大大减少试验量,从而得到可观的经济效益.     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。