基于Bayes方法的射击密集度评估

以某远程武器射击密集度鉴定问题为对象,研究了运用Bayes 理论从仿真试验数据中提取有用信息,从而实现在少量试验样本情况下有效完成射击密集度试验鉴定任务的方法.将最大熵法应用于射击密集度估计,介绍了运用自助(Bootstrap)法从仿真试验结果中获取验前信息的基本思想和一般方法,以及在获得验前信息后结合现场试验样本进行射击密集度鉴定的方法.     

结构方程模型参数估计的GME方法

提出应用广义最大熵的方法对结构方程模型的参数进行估计,该方法能够处理有限的或者不完全数据。为了验证广义最大熵方法在估计结构方程模型参数时的性能,采用了一个应用于美国顾客满意指数(ACSI)的结构方程模型生成仿真数据,仿真结果表明,与PLS相比,GME方法具有更高的拟合精度和较低的预测误差,在样本数据较少时,表现更为明显。     

基于状态的装备可靠度模型及其应用

为应用基于状态的装备可靠度模型,实现对装备的精确维修,采用了比例风险模型（Proportional Hazards Model,PHM）将装备的年龄信息及检测所得状态信息融入系统的风险函数中。考虑到样本包含截尾数据的情形,应用极大似然估计方法对模型中的参数进行了估计以及相应的模型检验。通过对该方法在一个实际案例中应用的详细分析,验证了方法的可行性。     

基于压力测量的发动机汽缸磨损寿命预测方法

对不同摩托小时的某型坦克发动机进行了实车检测试验,采用压力传感器测量了发动机汽缸压缩压力,分析了汽缸压缩压力随发动机使用时间的变化趋势。分析了汽缸套磨损的特点及对发动机使用寿命的影响。针对发动机汽缸磨损的非线性特点,建立了人工神经网络预测模型,实现了对坦克发动机汽缸使用寿命的预测。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

基于星座图恢复的MQAM信号调制方式识别算法*

针对MQAM信号调制方式的识别问题,提出了一种基于星座图恢复的算法。该算法首先估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样。随后采用一种非判决辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响。最后利用平均似然比检测的方法,完成MQAM信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有更优的识别性能。     

基于MATLAB/GUI的MIMO通信仿真软件设计与实现

为满足采用不同调制方式和空时编码类型的MIMO(Multiple Input Multiple Output)通信的性能分析需求,在深入研究MIMO通信机理和空时编译码机理基础上,基于MATLAB/GUI软件环境进行MIMO通信仿真软件设计,实现了对不同参数条件下MIMO通信系统性能分析的可视化、可交互性。仿真结果表明DBLAST(Diagonal Bell-Labs Layered Space-Time)在4FSK(Frequency Shift Keying)和QPSK(Quadrature Phase Shift Keying)调制方式下性能较优,利用设计的仿真软件可对MIMO通信的参数优化配置提供指导。     

基于节点剩余能量的分时分簇LEACH改进算法

针对无线传感网络中高效路由协议的设计问题,基于传感器节点的剩余能量提出一种分时分簇的改进LEACH算法。算法通过分时分簇方式,有效克服了传统LEACH算法中簇首数目不稳定的缺陷,且不会额外增加网络的能耗,使得簇首在整个网络中的分布以及网络的能量消耗更加均衡,有效延长了传感器网络的正常工作时间。仿真实验验证了改进算法的有效性。     

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     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。