小样本时间序列分析在遭遇段处理中的应用

针对光电经纬仪对弹靶遭遇段测量时目标与视场产生的相对移动导致测量精度下降的问题,提出一种将小样本时间序列数据处理方法应用到遭遇段处理中的方法。通过将小样本测量数据进行预处理,剔除明显有误差的值,对剔除的数据进行重构,利用时间序列建模,采用逆序检验法检验所构建的时间序列的平稳性,并按照试验场景进行仿真计算。仿真结果证明：该方法使得计算最近距离等重要遭遇段参数误差小于 0.5 m,其精度满足试验要求,验证了该方法的可行性。     

贮备系统可靠性分析中的小样本及小失效数

针对小样本和小失效数给系统可靠性分析带来的难度，以及可靠性分布函数和参数估计的不确定性和模糊性，运用指数分布族、最小误差原理等相关理论，结合实际工程经验，对这类系统的可靠性分析提出了一种新的方法。该方法在较大的程度上提高了可靠性估计的精确程度，其分析结果得到了印证，对类似系统也有较好的运用效果。     

含趋势项的样本时间序列的剔点处理

数据采集系统在工作中有时会引入虚假数据,数据分析前应先进异点检测与剔除。文中针对含趋势项的采样数据时间序列的随机过程特点,介绍了首先提取趋势项,然后对去除趋势项后的平稳随机序列进行“异点”剔除的处理方法,以及在Ｎｄ：ＹＡＧ晶体提拉生长智能控制中的应用效果。     

捷联惯组历次测试数据时间序列建模与预报

提出了捷联惯组历次测试数据时间序列分析法.针对惯组历次测试数据少,小样本建模困难的问题,提出了通过二次修正插值的方法,构建惯组历次测试数据建模分析所需的时间序列.为解决惯组历次测试数据小样本建模问题提供一种可行的途径.最后通过时间序列预报,预测惯组误差系数的变化趋势,为使用、分析、挑选惯组提供了理论依据.     

时间序列预测的发展与应用

为了给运载火箭测试数据预测问题的研究打下基础,开辟研究思路,对时间序列预测方法进行研究。介绍了传统时间序列预测方法中的指数平滑法、季节模型和求和回归滑动平均模型的发展,重点阐述了时间序列预测的3类热门研究领域：多变量时间序列模型、模糊时间序列模型和组合预测模型,并通过文献介绍,分析了时间序列预测技术的应用与改进方向。     

卡尔曼滤波在陀螺漂移时间序列模型中的应用

针对MEMS陀螺精度不高、随机漂移过大,提出了一种提高精度的方法。利用时间序列分析法建立模型,用Matlab进行参数估计及检验,最后基于该模型设计了卡尔曼滤波器对其进行误差补偿。对某三轴MEMS陀螺的实测动态数据运用上述建立的模型和滤波方法进行仿真。结果表明:该方法有效的减小了随机误差,明显的降低了随机漂移,从而提高了导航精度。     

复杂情况下相遇段图像判读处理方法研究

光学测量是获得外弹道参数的主要途径，而光电经纬仪的摄影胶片图像和CCD摄像机的视频图像的处理是始终未能很好解决的问题。文中首先介绍分析了这两类经纬仪的拍照成像原理，创造性地将微分思想用于时间分割，从而实现时间片段内对弹目图像数据加以处理，并从大量的实际任务中抽象出各种典型的相遇段图像模型加以具体分析处理，对复杂情况下相遇段弹目参数进行处理，使得计算相遇段坐标、最小脱靶量等重要武器参数误差小于0．1m。     

SA信号时间序列分析

分析了进行GPS SA研究的必要性,选择Trimble公司的Model 4000RL GPS接收机于定点采集数据,通过定位计算和时钟偏移滤波相结合的方法分离SA信号,经检验指出SA信号基本是零均值的平稳随机过程,并具有ARMA(3,2)的结构,对200个模型参数的频域和时域的分析,认为所有模型都是稳定的,进行预测和滤波将是收敛的。     

基于SAS的火控精度时间序列分析

为分析火控精度时间序列,采用SAS语言模块,分别从时间序列数据的预处理、时间序列建模、时间序列的预报方面,讨论了时间序列分析问题,并结合火控精度实验中的数据实例探讨了SAS的优越性和实用性。结果表明,利用SAS分析火控系统模型,可大大提高效率,能实时解决工程中发生的一些问题。     

红外测量随机误差时间序列分析

红外测量是靶场导弹试验外弹道新增的测量方式,对其数据随机误差特性进行分析是事后数据处理的主要工作,目前靶场在这方面的研究尚未展开。以某次试验红外测量数据为例,用三次样条函数对数据进行拟合,采用时间序列分析法,对残差序列作了正态性、独立性和平稳性检验,研究其随机误差特性,得出残差序列模型。     

非线性时间序列的信息流研究

基于Takens定理的相空间重构为利用时间序列分析研究非线性动力系统提供了理论基础。相空间重构不仅给出了用于分析的动态模型，而且揭示了存在于状态变量之间的信息流。本文以Lorenz模型为例，通过相空间重构，验证了存在于Lorenz模型各状态变量之间的信息流。提出了利用信息流概念进行虚拟测量的方法。     

高价值弹药储存可靠性小子样评估可用信息分析

高价值弹药的高成本决定了其储存可靠性试验和可靠性评估不能采用低成本弹药的大样本量抽样方式,针对该问题,提出采用小子样可靠性评估的方法,主要分析了可用信息的类型,包括生产及验收信息、技术检查信息、静态检测信息、飞行试验信息、加速寿命试验信息、相似或相近弹药的相关信息等,并探讨了各类可用信息的数据处理及应用方法。     

基于深度学习的小样本目标检测综述

针对在小样本情况下目标检测的问题,对当前小样本条件下的目标检测方法进行归纳总结。列举4 类小 样本学习方法并介绍其优缺点,介绍目前这几类方法的典型算法;进行小样本目标检测实验设计,通过分析各方法 的特点得出其可应用方向;对目前的小样本图像目标检测存在的问题进行讨论。结果表明,该分析能为相关领域的 研究者提供更多的思路。     

空间交会定向战斗部引信系统的时间匹配特性研究

简要叙述了为对付空中高速目标（如飞机，导弹）而发展的定向战斗部的作用原理，重点研究了成形定向战斗部与瞄准定向战斗部起爆控制统一模型的建立问题，并对有关时间匹配特性进行了量化分析，为相应的安全与引爆控制系统确立了设计参数。     

模糊时间序列的最优预测方法

以模糊时间序列的 Ｆ Ａ Ｒ（ｐ ）为基础,建立了模糊时间序列的最优预测原则、计算原理及计算方法,探讨了实时预测途径,并通过仿真验证了所建立的最优预测方法的有效性。     

基于时序模型的火工品贮存可靠性分析方法

火工品具有寿命长且可靠性高的特点,为了提高其贮存可靠性分析的精确性,研究了火工品及其贮存可靠性的特点,利用感度试验数据,给出了基于时序模型的火工品贮存可靠性分析方法。该方法利用升降法试验数据给出了感度分布参数的极大似然估计,并结合先验信息给出了刻度参数的收缩估计。数值模拟结果表明,在一定条件下,收缩估计具有更优的统计性质。采用时序模型来描述感度分布参数随贮存时间的变化趋势;结合分布参数的估计值给出了模型参数的最小二乘估计;然后利用该模型对分布参数进行外推。结合信仰推断方法,给出了火工品贮存可靠度置信下限。数值算例表明该方法合理、可行,可用于高可靠性火工品的贮存可靠性分析。     

Bayes小子样分析在武器性能评估中的应用

在武器性能评估中,需要大量的试验数据。在现场试验数据不足的情况下,考虑Bayes小子样分析方法,利用计算机进行仿真试验提供评估所需的数据。为避免评估中仿真试验数据“淹没”现场试验数据,通过合理考虑仿真系统的可信度,提出基于全概率思想的改进方法,在某新型水中兵器性能评估中的应用表明该方法具有较好的性质。     

多尺度直线拟合法在时间序列突变点检测中的应用

在电液伺服阀的测量和筛选过程中,为进行伺服阀死区和分辨率的测量,需要检查数据序列中的突变点。目前突变点的主要检测方法有Mann-Kendall算法、累积和控制图(CUSUM)算法、最小均方差（MSE）法、小波变换法等,但这些检测方法均有一定的局限性。为此提出了一种多尺度直线拟合法,采用变换拟合尺度逐步逼近的方式来检测突变点。将时间序列按给出的初始长度计算法划分为若干段,每一段用最小二乘拟合的直线代替。比较相邻拟合线段的斜率,其中斜率变化最大的两段线段之内存在突变点。在该两段线段的范围内缩小拟合尺度,继续使用上述方法进行查找,直至拟合尺度收敛为1,此时斜率变化最大的点即是原时间序列的突变点。将该检测方法同其他方法进行比较,并在伺服阀测试系统和故障检测信号中进行实际应用,验证了该方法在查找突变点时的准确性、针对复杂信号时的有效性和计算效率上的优越性。