随机加权粒子滤波

研究粒子滤波方法优化问题,粒子退化是传统粒子滤波存在的致命缺陷。由于粒子退化,导致滤波精度的明显下降。针对粒子退化问题,在研究随机加权估计和粒子滤波算法的基础上,提出了一种新的随机加权粒子滤波算法。算法通过对样本进行随机加权,克服了传统粒子滤波算法中的粒子退化问题,保证了粒子的多样性。仿真结果表明,在小子样条件下,随机加权粒子滤波比经典粒子滤波的精度高。在大样本下二者的性能相同。但随机加权粒子滤波不需要重采样,因而算法简单,计算量小,更适合非线性非高斯系统模型的滤波计算,可为实际应用提供参考。

样本均值随机加权估计的强大数定律

在E|X1|1＋δ＜∞（0＜δ＜1）的条件下，证明了样本均值随机加权估计的强大数定律。

随机加权自适应滤波及其在组合导航中的应用

为了克服自适应Kalman滤波的缺点,文中提出了一种噪声有限记忆在线随机加权自适应滤波算法。在该算法中,利用随机加权和移动开窗方法分别对系统量测噪声和状态噪声的统计特性进行在线随机加权估计,并应用随机加权自适应因子进行调节,控制量测噪声和状态噪声对滤波解算精度的影响。仿真结果表明,在系统噪声统计未知情况下,所提出的噪声有限记忆在线随机加权自适应滤波算法精度明显优于传统Sage自适应Kalman滤波算法。

基于随机加权法的BAYES精度评定

从工程应用的角度出发 ,在极小现场子样条件下 ,讨论了如何利用验前信息与现场子样来对导弹的命中精度进行评定 ,将随机加权法与BAYES方法结合起来 ,提出了基于随机加权法的BAYES精度评定方法 。

基于随机加权法的小子样数据评估研究

在武器装备研制过程中成本控制问题的研究中,采用一种针对小子样试验数据的评估方法,由于它具有较强的通用性,被广泛的应用于工程实践中。但方法也存在着一定的局限性,由于其忽略了先验信息的作用,并受试验样本采集信息量的限制,经常导致被估参数在较大范围内波动。为解决上述问题,提出了两种分别基于验前概率密度函数产生随机加权值和验前概率分布函数产生随机加权值的方法,用于样本分布参数评估。并且以正态分布为例,分析可行性,通过仿真结果的比较,验证了优化方法的有效性,可以看到通过两种优化方法的样本分布参数估值的精度和收敛性都较原方法有较好的改善。

基于随机加权仿真的火箭发动机可靠性评估

液体火箭发动机性能可靠性评估主要讨论其关键性能参数是否满足设计任务书规定的额定值及偏差范围是否符合要求。由于发动机参加飞行次数非常有限,传统评估方法得到的结果置信度不高。本文提出一种在Bayes评估框架下,利用随机加权仿真技术进行性能可靠性评估的新方法。文章的最后给出一个具体算例说明了该评估方法的应用。

有限断层破裂时空过程反演结果误差的随机加权估计

针对非线性方法对有限断层破裂时空过程反演中存在的不唯一性问题，应用随机加权方法对反演结果进行误差估计．通过数值模型计算，定量揭示了滑动量、滑动角、破裂时间及上升时间在断层面上的分辨率值分布．应用随机加权方法对台湾海峡地震及缅中边境地震的误差估计结果表明，对应两次地震破裂中心位置上的参数分辨率值最高，结果最可靠。

基于随机加权的Bayes方法在可靠性参数估计中的应用

在小子样条件下,通过随机加权重采样技术,获得兴趣变量的分布函数,将其作为先验信息与当前样本信息相结合,然后通过贝叶斯方法对可靠性参数进行估计。仿真算例证明,这种方法在进行可靠性参数估计时较经典参数估计方法有更高的精确性。

捷联惯组历次测试数据验前分布随机加权中心融合估计法

在小子样理论中,验前分布的获取与表示是一个关键问题。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,探讨了在异总体情况下,多种验前信息的融合问题。提出了通过随机加权中心融合法实现多种异源信息融合,以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。

半参数回归模型中参数随机加权估计的大样本性质

主要考虑了同方差型的半参数线性回归模型中参数的随机加权最小二乘估计(RWLSE).讨论了用随机加权Bootstrap方法来逼近LSE的分布,证明这种逼近是以概率1渐近有效的.

基于随机加权估计的多维位置数据最优融合算法

文中将随机加权估计计算方法应用于多传感器信息融合,提出了一种基于随机加权估计的多维位置数据最优融合方法。首先,用随机加权估计对每个传感器测得的位置参数进行估计。然后,用最优信息融合算法把这些估计进行融合。得到多传感器系统多维位置参数的最优估计。研究结果表明:基于随机加权估计的多传感器信息融合方法优于传统的信息融合估计方法。

INS/GPS/SAR组合系统白噪声误差特性的在线随机加权估计

首次把随机加权估计这一新兴的统计计算方法应用于导航系统的研究 ,证明用它进行INS/GPS/SAR组合系统误差特性的估计是可行的 ,仿真实验和计算结果表明 。

基于随机加权估计的Sage自适应滤波及其在导航中的应用

为了克服Kalman滤波和Sage自适应滤波的缺点,在分析基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在问题的基础上,提出根据新息向量、残差向量和状态改正数对滤波精度影响的不同程度,采用随机加权法对新息向量、残差向量和状态改正数进行估计,以得到观测噪声协方差矩阵和系统动态噪声协方差矩阵。进一步,利用随机加权法对观测噪声协方差阵和系统噪声协方差阵进行估计,以提高动态导航定位的滤波解算精度。研究结果表明,基于随机加权估计的Sage自适应滤波效果明显优于基于算术平均值估计的滤波方法。

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。

小样本合格率估计的随机加权贝叶斯方法

文章针对产品合格率估计时小样本检测的特点,在β分布假设的基础上,利用随机加权法将小样本"提携"为大样本,较准确地估计出先验分布的超参数。结合当前小样本信息进行了合格率估计的贝叶斯算法,实现了合格率的估计。

基于随机加权法的装备平均维修时间验证研究

采用随机加权法数据分析技术，研究装备平均维修时间验证方法。在分析某型装备维修性数据的基础上，对比国军标中的装备维修性验证实例，证明了改进方法与经典方法计算结果差距很小，实现了在较高可信度下降低试验样本量的目的。

震源最佳反演结果误差的随机加权估计

提出利用随机加权方法估计地震矩张量最佳反演结果的误差．这种方法不对误差来源作任何分布假设，只需重复产生一定数量的服从Ｄｉｒｉｃｈｌｅｔ分布的权向量．对于每个权向量，将其各分量分配到每条地震记录上，相应地确定一个震源参数解．对这些震源参数反演解进行基本的统计分析，便能估计出最佳解的方差、协方差和置信区间．还讨论了１９８６年台湾地震（Ｍｓ＝７．８）的震源矩张量中存在各向同性分量这一解答的可靠性．

基于累积前景理论和随机加权法的随机多准则决策方法

针对准则权重完全未知、准则值部分缺失的随机多准则决策问题,文章提出了一种基于累积前景理论和随机加权法的决策方法。该方法引入决策者的风险偏好态度,首先通过随机加权法模拟准则值的经验分布函数,根据分布函数计算前景值。然后由信息熵确定准则权重,并根据集结算子计算备选方案的综合前景值并排序。最后通过一个可靠性评估实例验证了该方法的有效性。

导航系统误差及其协方差阵的随机加权拟合

在现有基于移动窗口函数模型和随机模型的系统误差自适应拟合方法的基础上,提出了一种基于移动窗口观测模型的系统误差随机加权拟合法。该方法在相同的窗口内给出了相应的观测向量协方差阵的随机加权估计。利用修正后的观测向量及相应的协方差阵进行导航滤波计算,能有效地抑制观测系统偏差的影响,提高导航解算的精度。仿真结果证明,文中所提出的随机加权估计算法的精度,明显优于卡尔曼滤波和自适应卡尔曼滤波。

动力学模型系统误差及其协方差阵的随机加权拟合法

在现有的基于移动窗口函数模型和随机模型系统误差自适应拟合方法的基础上,提出一种基于移动窗口动态导航模型系统误差的随机加权拟合法,在相同的窗口内给出了相应的状态预报向量协方差阵的随机加权拟合。由于动力学模型系统误差难以直接修正,采用修正状态估计误差向量及动力学模型误差向量的方法,实现对动力学模型系统误差的修正,然后利用修正后的动力学模型及相应的协方差阵进行导航滤波计算,有效地抑制动力学模型系统系统误差的影响,提高导航解算的精度。仿真结果证明,采用随机加权拟合后的算法精度优于未进行拟合的卡尔曼滤波和自适应卡尔曼滤波算法。