基于修正权值混合验后的导弹精度融合评估

当利用仿真实验和飞行试验两类信息进行导弹精度融合评估时,对于正态分布参数,如果将有信息验前分布与无信息验前分布进行混合,将导致混合验后分布权重无法真实反映两类数据的相容性水平,从而导致估计结果产生偏差。针对这一问题,提出了飞行试验样本所对应的有验前样本容量约束的第二类极大似然(prior samplesize constrained maximum likelihood-II,SCML-II)估计,定义了有验前样本容量约束的边际密度(prior sample sizeconstrained marginal density,SCMD)函数值。采用现场样本的SCMD替换无信息验前分布条件下的现场样本边际分布,从而修改了加权混合验后分布的融合权重。最后,通过实例分析了改进方法的估计性能。

基于灰色模糊贝叶斯网络算法的编队突防作战效能评估方法

针对环境、人员素质等不确定性因素对编队突防作战效能的影响,提出一种改进灰色模糊贝叶斯网络(GFBN)的编队突防作战效能评估方法。首先,提出了基于层次分析第二类极大似然估计(AHP-ML II)模型的先验信息融合算法,将不同来源的历史先验信息加以处理,降低了主观性影响;其次,对贝叶斯网络模型的输入信息进行了灰色模糊地概率化转化处理;最后,针对不确定性因素的影响建立了基于改进GFBN法的单机、编队突防评估模型;进行了融合算法和编队突防的算例分析,着重将模糊因素作为评估模型的输入来考虑效能评估的效果。最后,通过效能评估值的对比发现,此算法将此类不确定性因素输入算法模型,能使编队突防作战效能显著提高,仿真结果更接近实战效能。