基于ML-Ⅱ原理的多源验前信息融合方法研究

在Bayes小子样理论中,验前分布的获取和表示是一个关键问题.针对反舰导弹靶场试验中遇到的验前信息的多源性,给出了一种基于第二类极大似然估计原理（ML-Ⅱ）的多源异总体验前分布的融合方法,并通过仿真实例证明了该方法的有效性.     

水中兵器一体化试验总体设计探讨

一体化试验是一种统筹试验项目、共享试验资源、综合试验信息、提高试验质效的试验鉴定模式;为全面考核水中兵器战术技术指标和作战使用性能,介绍了武器装备试验类型,分析了水中兵器试验面临主要问题,从模式上提出了水中兵器一体化试验需求,从构想上提出了一体化试验总体框架、基本目标和实现思路,从方法上探讨了一体化试验验前分布构建、验前信息相容性检验、验后分布确定和多源信息融合,从要求上提出了一体化试验体制管理和质量管理,为实现水中兵器一体化试验总体设计提供技术途径。     

Bayes分析中基于充分性测度的多源验前信息融合

针对工程实践中遇到的验前信息的多源性特点 ,给出了一种基于充分性测度的多源验前分布的融合方法 ,通过综合利用多源验前信息 ,给出了一种较为合理的融合验前分布 ,在此基础上即可进一步进行各种可靠性分析 .最后通过仿真实例证明了该方法的有效性     

反舰导弹抗干扰试验与评定仿真系统设计

现代反舰导弹处于复杂的海情,电磁环境密集交迭,电磁干扰方式复杂多变的高技术海战场作战环境下,因此在靶场试验过程中很难对反舰导弹所处实战干扰环境进行模拟.通过对雷达系统、雷达干扰信号仿真模型进行分析,并运用面向对象技术,研究设计了反舰导弹抗干扰试验与评定仿真系统,其中包括类库的构建以及诸对象之间信息传递的实现,试验设计系统的系统流程、数据流程及结构的设计.该仿真系统可用于反舰导弹抗干扰仿真试验及抗干扰能力评估.     

捷联惯组验前分布随机加权分散融合估计

在小子样理论中,验前分布的获取与表示是一个关键问题.获取验前分布必须利用各种验前信息,而这些信息是在不同实验条件下得到的,针对同一对象可能获取多种验前信息,如何合理地利用这些验前信息给出验前分布,这样就出现了多源验前信息融合的问题.针对捷联惯性测量组合(捷联惯组)历次测试数据验前分布的获取问题,讨论了在异总体情况下,多种验前信息的融合问题.提出了通过随机加权分散融合法来实现多种异源信息融合,获取捷联惯组历次测试数据验前分布,从而减小了小样本情况下的统计分析误差.通过实例检验取得了良好的效果.     

基于混合伽玛分布的Bayes可靠性评估方法

研究指数寿命产品验前信息的融合问题。为了合理地利用验前信息,同时兼顾产品可靠性试验的不确定性,提出运用混合伽玛分布作为验前分布的贝叶斯方法,并将之推广到多源验前信息和变总体的情况。重点解决多源验前信息融合权重的确定问题。通过实例,分析比较这一方法与经典方法和单纯使用伽玛分布作为验前分布的贝叶斯方法的差异,证明该方法的合理性和可行性。     

频域数据非均匀采样时的H_∞鲁棒辨识

考虑了未知系统数据样本在复平面单位圆周上任意采样时的鲁棒辨识问题 ,围绕着充分利用快速傅立叶算法及更有效的利用验后信息 ,提出了一种有效的数据处理方式 ,获得了辨识算法的鲁棒收敛性     

一类非线性时滞系统的H∞模糊控制器的设计——LMI方法

考虑了未知系统数据样本在复平面单位圆周上任意采样时的鲁棒辨识问题,围绕着充分利用快速傅立叶算法及更有效的利用验后信息,提出了一种有效的数据处理方式,获得了辨识算法的鲁棒收敛性.     

基于证据理论的可靠性信息融合方法研究

在对大型客机、导弹、卫星等复杂系统进行可靠性评估时,由于可靠性试验代价昂贵且周期太长,导致可靠性现场试验数据很少,需要充分合理地利用各种来源和各种类型的验前信息,如专家经验、相关型号产品的试验信息及来自不同的试验环境和阶段的信息等,为提高可靠性和置信度的精度,运用Bayes小子样统计推断方法.但Bayes方法应用的一个关键问题就是验前分布的获取和表示问题,提出了利用修正证据组合规则融合多源验前信息的方法,并在融合验前分布的基础上对二项分布产品的可靠性进行了综合评估,并进行仿真,实例表明方法在工程实际中有效果,还可推广应用于其它分布类型的产品的可靠性评估.     

某型武控系统目标信息融合性能检验方法研究

制定试验方案以检查及验证某型武控系统目标信息融合性能,支持靶场对该性能开展不同时域、空域、频域等复杂试验样式研究,支持靶场在贴近实战环境下对目标信息融合各种性能和效能指标进行充分考核和评估,促进靶场对考核该性能的试验更加充分、评定更加科学、结论更加准确。通过对武控系统信息融合准则和数据模型的分析,进行不同时域、空域和频域条件下真实战场环境的想定,设定了19种复杂态势,在此基础上,制定了针对该性能的试验方案,然后结合各阶段试验中组织的静态测试检查试验和动态试验等项目来检查与验证武控系统信息融合准则和数据模型的正确性,从而实现对某型武控系统目标信息融合性能的考核。     

空空导弹电子信息综合测试系统方案设计

在分析测试系统的发展概况及趋势基础上,介绍了一种空空导弹电子信息综合测试系统的设计;该设计基于CPCI总线技术,采用开放式通用化的硬件模块设计和模块化与层次化的软件设计方法.该测试系统集自动和手动于一体并具有良好的通用性和拓展功能,能够应用于导弹的生产和维护环节.     

基于先验信息的残余克里金法的研究

论文在可视化插值过程中所遇到的精确数据点少,而先验信息比较丰富的情况下,以传统克里金插值法原理为基础,提出了基于先验信息的残余克里金插值法。该插值方法是一种精确的内插方法,在精确数据点密集的区域,插值的结果主要反映精确数据的变化,而在精确数据点少,先验数据多的区域,插值的结果反映的是先验数据的变化趋势。两个应用实例的结果验证了这一方法的特点。     

先验信息不确定条件下贝叶斯网结构学习方法

针对先验信息不确定条件下的贝叶斯网络学习问题,提出了一种非确定先验结构信息贝叶斯网络的结构学习方法。主要在以下几个方面开展了工作：提出了一种贝叶斯网络结构的不确定先验信息表示方法;改进了MDL测度,提出了SMDL测度,使之能在学习过程中考虑先验信息的不确定性;基于模拟退火算法,对问题进行求解。最后通过实验对算法的可行性进行了验证。     

Improved closed-loop subspace identification with prior information

It has been proven that combining open-loop subspace identification with prior information can promote the accuracy of obtaining state-space models. In this study, prior information is exploited to improve the accuracy of closed-loop subspace identification. The proposed approach initially removes the correlation between future input and past innovation, a significant obstacle in closed-loop subspace identification method. Then, each row of the extended subspace matrix equation is considered an optimal multi-step ahead predictor and prior information is expressed in the form of equality constraints. The constrained least squares method is used to obtain improved results, so that the accuracy of the closed-loop subspace can be enhanced. Simulation examples are provided to demonstrate the effectiveness of the proposed algorithm.     

A Coupled Minimization Problem for Medical Image Segmentation with Priors

We present a coupled minimization problem for image segmentation using prior shape and intensity profile. One part of the model minimizes a shape related energy and the energy of geometric active contour with a parameter that balances the influence from these two. The minimizer corresponding to a fixed parameter in this minimization gives a segmentation and an alignment between the segmentation and prior shape. The second part of this model optimizes the selection of the parameter by maximizing the mutual information of image geometry between the prior and the aligned novel image over all the alignments corresponding to different parameters in the first part. By this coupling the segmentation arrives at higher image gradient, forms a shape similar to the prior, and captures the prior intensity profile. We also propose using mutual information of image geometry to generate intensity model from a set of training images. Experimental results on cardiac ultrasound images are presented. These results indicate that the proposed model provides close agreement with expert traced borders, and the parameter determined in this model for one image can be used for images with similar properties.     

A new learning method using prior information of neural networks

In this paper, we present a new learning method using prior information for three-layered neural networks. Usually when neural networks are used for identification of systems, all of their weights are trained independently, without considering their interrelation of weight values. Thus the training results are not usually good. The reason for this is that each parameter has its influence on others during the learning. To overcome this problem, first, we give an exact mathematical equation that describes the relation between weight values given by a set of data conveying prior information. Then we present a new learning method that trains a part of the weights and calculates the others by using these exact mathematical equations. In almost all cases, this method keeps prior information given by a mathematical structure exactly during the learning. In addition, a learning method using prior information expressed by inequality is also presented. In any case, the degree of freedom of networks (the number of     

基于广义Gibbs先验的低剂量X-CT优质重建研究

为获取低剂量条件下X-CT的优质重建,提出基于广义Gibbs先验的低剂量X-CT重建算法。新算法首先对投影数据进行统计建模,其后采用Bayesian最大后验估计方法,将投影数据中非局部的先验信息加诸于该数据的恢复中,达到抑制噪声的效果,最后仍采用经典的滤波反投影方法对恢复后的投影数据进行解释CT重建。文中将非局部先验称为广义Gibbs先验,其原因在于该先验具有传统Gibbs先验形式的同时,可以通过选择较大邻域和自适应的加权方式充分利用投影数据的全局信息进行数据恢复。通过与已有算法的对比实验,表明该文提出的基于广义Gibbs先验的低剂量X-CT重建算法在降低噪声效果和保持边缘方面具有较好的表现。     

多阶段实验数据融合的Bayes可靠性评定模型

为实现多源先验信息的合理利用,基于多阶段实验数据融合数据方法,建立Bayes可靠性评定分析模型。提出多阶段实验数据融合方法,将各种实验数据进行阶段分类,将第1阶段的实验数据作为最初的先验信息,当获取第2阶段的数据后,按Bayes方法进行信息融合,以得到后验信息,并将其作为下一阶段的先验信息,依次递推,进行多阶段的信息融合。仿真结果表明,该模型简单易行,可有效融合多源先验信息,实现小子样条件下的Bayes可靠性评定。     

基于测试结果调整语句出错概率方法

运用测试集对程序错误语句定位的算法被统称为TBFL方法。目前通行的TBFL算法一般都没有利用测试员、程序员关于测试用例和程序的先验知识,致使这些“资源”白白浪费。随机TBFL就是一类新型TBFL方法,其精神就是在随机理论的框架下,把这些先验知识和实际测试活动结合起来,从而对程序错误语句更好地定位。随机TBFL算法可以看成是这种类型算法的一般“模式”,人们可以从这个一般的模式里开发出不同的算法。基于测试结果调整语句出错概率的方法就是将随机TBFL算法中关于程序、测试集的先验知识和具体测试活动分离开来,根据测试结果再先后注入人们对测试集和程序的先验知识,从而更好地定位错误语句。在一些实例上,通过把新算法和随机TBFL算法进行对比,发现新算法是可取的。提出了三个有关不同TBFL算法比较标准,从这三个标准考察,新算法在上述实例上也是良好的。