基于序贯贝叶斯方法的核素识别算法研究

介绍了基于序贯贝叶斯方法的核素识别算法。该方法利用放射性核素半衰期、特征γ射线能量和分支比等信息对核素的存在进行判断。基于序贯贝叶斯法的核素识别算法识别速度快,识别下限低,对于^(137)Cs(0.662 MeV)和^(60)Co(1.173 MeV,1.332 MeV)核素,其最小可识别计数率分别是0.78 s^(-1)、0.96 s^(-1)和0.82 s^(-1),特别适用于极低水平核素的快速识别。

非线性/非高斯序贯贝叶斯滤波

序贯Bayesian滤波为Bayesian滤波的递归实现,为在线估计系统状态提供了一个合理的框架。序贯贝叶斯滤波是基于状态—空间模型的。在线性高斯状态—空间模型下,最佳序贯贝叶斯滤波为大家熟知的卡尔曼滤波。在非线性/非高斯状态—空间模型下,最佳序贯贝叶斯滤波不存在通用的解析解,基于卡尔曼滤波的方法和质点滤波方法为比较常用的两类次最佳序贯贝叶斯滤波。它们各有各的优势,是相互补充的。该文采用扩展卡尔曼滤波和序贯重要性重采样质点滤波对两个非线性/非高斯系统的状态进行跟踪,仿真表明系统非线性/非高斯不严重时采用扩展卡尔曼比较合适,非线性/非高斯较严重时采用序贯重要性重采样比较合适。

序贯贝叶斯滤波估计模函数和水平波数

介绍了一种在浅海波导环境中,联合声场模型和测量场,利用模基信号处理器解决非线性状态-参数估计问题的方法.在分析简正波模型表征声场的基础上,侧重研究了扩展卡尔曼滤波和粒子滤波两种算法,并将其用于模基水声信号处理进行声场参数估计.理论分析和数值仿真表明,两种算法均能正确估计模函数和水平波数,同时粒子滤波处理具有更好的宽容性.

运动目标状态序贯贝叶斯滤波

状态-空间模型是一个通用和宽容的模型,它包含了描述系统所要求的所有相关信息。贝叶斯滤波方法是解决状态估计问题的一般框架。当有新数据可用时,序贯滤波方法可以实现估计和更新待估参量。对于运动目标状态跟踪问题,利用状态-空间模型进行建模,并采用序贯贝叶斯方法进行处理,如扩展卡尔曼滤波、unscented卡尔曼滤波和质点滤波。该文给出了这3种方法的仿真结果,从而实现目标状态跟踪。

基于序贯贝叶斯参数学习的Lévy动态波动率模型研究

非高斯动态波动率模型及其计量是现代金融的重要研究内容.基于Levy-GARCH动态波动率模型,引入了序贯贝叶斯参数学习方法,并进行S&P500指数的跳跃风险溢价估计、欧式期权定价、风险测度评估的实证研究.研究表明,相比傅里叶变换的极大似然估计,序贯贝叶斯参数学习显著改进了各模型的期权定价能力.研究还发现,带跳跃随机模型的风险度量更加准确;跳跃风险溢价明显高于扩散风险的溢价;跳跃强度越大,风险的市场价格越高.

基于贝叶斯序贯博弈模型的智能电网信息物理安全分析

智能电网是利用信息技术优化从供应者到消费者的电力传输和配电网络.作为一种信息物理系统(Cyber-physical system, CPS),智能电网由物理设备和负责数据计算与通信的网络组成.智能电网的诸多安全问题会出现在通信网络和物理设备这两个层面,例如注入坏数据和收集客户隐私信息的网络攻击,攻击电网物理设备的物理攻击等.本文主要研究了智能电网的系统管理员(防护者)如何确定攻击者类型,从而选择最优防护策略的问题.提出了一种贝叶斯序贯博弈模型以确定攻击者的类型,根据序贯博弈树得到博弈双方的均衡策略.首先,对类型不确定的攻击者和防护者构建静态贝叶斯博弈模型,通过海萨尼转换将不完全信息博弈转换成完全信息博弈,得到贝叶斯纳什均衡解,进而确定攻击者的类型.其次,考虑攻击者和防护者之间的序贯博弈模型,它能够有效地帮助防护者进行决策分析.通过逆向归纳法分别对两种类型的攻击者和防护者之间的博弈树进行分析,得到博弈树的均衡路径,进而得到攻击者的最优攻击策略和防护者的最优防护策略.分析表明,贝叶斯序贯博弈模型能够使防护者确定攻击者的类型,并且选择最优防护策略,从而为涉及智能电网信息安全的相关研究提供参考.

基于序贯线性贝叶斯的RFID标签数量估计算法

为解决现有标签数量估计算法中估计精度与复杂度之间的矛盾,在分析比较现有算法的基础上,提出一种基于序贯线性贝叶斯的射频识别(RFID)标签数量估计算法。首先,基于线性贝叶斯理论,充分利用空闲、成功和碰撞时隙数量观测值及相关性,建立了标签数量估计问题的线性模型;然后,推导了标签数量估计值的闭式表达式,给出了表达式各阶统计量的序贯式求解方法;最后,对序贯式贝叶斯算法的计算复杂度进行了分析和对比。仿真结果表明,所提算法通过序贯贝叶斯方法提高了估计精度和识别效率,当观测时隙数为帧长一半时估计误差仅为4%。该算法以线性解析式形式更新标签数量估计值,避免了穷举搜索,与高精度的最大后验概率和马氏距离算法相比,计算复杂度由O(n^2)和O(n)下降为O(1)。经理论分析和仿真验证,基于序贯线性贝叶斯的RFID标签数量估计算法兼具高精度和低复杂度的特性,能很好地满足硬件资源受限应用场景下对标签数量的估计需求。

基于贝叶斯序贯推理的自适应调制识别算法

提出了一种时变衰落信道下的自适应调制识别算法,设计出一种新的动态状态空间模型,来刻画信号调制方式与时变信道增益的时变特性,并引入一阶有限状态马尔可夫(finite state Markov channel,FSMC)模型来描述衰落信道;基于上述,新算法采用贝叶斯序贯推理法,充分发掘利用了其中所隐含的信道动态相关特性,实现对调制方式和时变信道增益的联合估计。仿真结果表明,新算法性能相比于传统ALRT算法有极大提升,且增加采样点数或者降低多普勒频移值都会使算法性能得到改善。

贝叶斯序贯重要性积分滤波器

为解决非线性滤波中存在模型歧义和预测偏差情况下似然函数、目标重要性密度函数和实际目标分布不匹配的问题,提出了贝叶斯序贯重要性积分滤波器(Bayesian Sequential Importance Quadrature Filter,SIQF).为了消减贝叶斯推理中似然函数和目标分布之间的偏差,通过空时软约束定义最新观测的有界似然,截断观测噪声概率密度函数以近似可行域的修正先验.为了调制重要性函数和目标分布的匹配程度,并行对修正和原始先验下的状态进行Gauss-Hermite积分,引入最大相关信息熵构建覆盖多模分布的重要性函数,从而提升序贯重要性采样的多样性和预测协方差的容错性.实验结果表明:相比无迹粒子滤波估计一维单变量增长模型,SIQF算法在无需牺牲计算复杂度的情况下平均误差减小了63%;相比多模型Rao-blackwell粒子滤波器跟踪空域机动目标,SIQF算法的均方根误差减小了33%,所需计算量降低了一个数量级.

基于改进贝叶斯序贯检验的储运过程泄漏检测方法

为了能比较准确地对储运过程泄漏情况进行检测,提出了基于改进贝叶斯序贯检验的储运过程泄漏检测方法。首先,根据介质传输过程质量守恒原理及物料平衡误差,给出了物料平衡泄漏检测模型;然后,在分析贝叶斯序贯检验原理的基础上,对其统计量进行了修正,消除了未泄漏时负累积效应带来的影响;最后,利用改进的双判决因子进行泄漏定性检测,并对泄漏定量检测进行了研究。通过实验验证,所提方法比现有方法能更准确地对泄漏情况进行检测。

基于实时状态评估与剩余寿命计算的高压断路器预测性维护策略

目前普遍采用的高压断路器事后维护与计划维护策略存在停机损失高、易过度维护等缺点。为实现设备运行可靠性、安全性与维护成本的最优化,针对基于弹簧操动机构的高压断路器,提出了一种数据驱动与退化模型相结合的预测性维护策略。首先从分/合闸线圈电流波形信号与断路器辅助触点电压波形信号中提取时间特征量,构造了计及监测数据不确定性影响的退化程度指标,引入序贯贝叶斯算法实现了融合历史记录与监测数据的断路器状态评估结果实时更新。其次,基于状态评估建立考虑退化过程时变不确定性的高压断路器指数型退化模型,在此基础上给出了实时剩余寿命计算方法。利用剩余寿命概率密度函数与期望损失率建立了目标函数,以制定高压断路器预测性维护策略。仿真算例验证了所提出的剩余寿命预测方法相较于传统方法具有更高的计算精度,给出的维护策略可有效兼顾经济性与可靠性。该方法可为高压断路器维护决策提供数据依据,具有广泛推广前景。

重大传染病疫情演化情境下应急物资配置决策建模分析:以新冠肺炎疫情为例

基于对新冠肺炎疫情时空分布的分析,从时段、关键事件、传播动力学、空间分布、感染规模、信息特征、医疗资源等7个维度构建了重大传染病疫情演化的5种情境,提出了各种情境下需要解决的5个关键应急物资配置决策问题。综合考虑应急物资配置的空间、信息、物资、供应、需求和网络等特性,分析了每一个决策问题进行建模优化的关键因素。基于这些关键因素构建了一个多周期贝叶斯序贯决策模型,给出了求解步骤和解析解,并结合武汉疫情进行了算例分析,验证了模型的有效性。在重大传染病疫情演化情境下,综合考虑这些关键因素,应用贝叶斯决策分析进行应急物资配置决策建模有利于建立更加符合实际的决策模型,减少决策损失。

多资料匹配融合储层建模技术

多资料匹配融合储层建模技术,是在贝叶斯理论框架下,将测井、三维地震及井间地震等多种资料进行优势互补的油藏建模新技术,可有效提高稀井区或无井控制区油藏建模的准确性,为中国东部老油田的精细油藏描述提供新的技术手段。该技术的核心算法为贝叶斯—序贯高斯模拟方法,以局部、少量的高分辨率(测井、井间地震等)数据为条件,建立与地震属性数据之间的条件关系实现地震属性的约束,有效利用了测井纵向分辨率高和地震资料横向分辨率高的优点,从而达到提高整个模型分辨率的效果。应用该建模方法建立了垦71区块的孔隙度模型,经对比发现,孔隙度模型井间趋势与约束数据趋势一致,纵向分辨率得到了显著提高,充分体现了多尺度资料联合物性建模方法的技术优势。应用实践表明,该方法模拟结果在井点附近与测井解释数据一致,在稀井或无井控制区的预测结果与地震约束数据一致,并有效提高了储层预测精度。

非寻复域状态-空间滤波

针对实际非平稳海洋声数据存在非寻和非圆特性,在状态-空间模型下,对复信号作增广表示,建立复域状态-空间模型.从观察者的角度,推导了复高斯条件下的最佳瞬变观察者的线性表达式,即复域卡尔曼滤波器.当状态-空间模型为非线性非高斯时,最佳瞬态观察者须通过线性化或数值近似的方法近似得到.给出一种数值近似的方法——复域质点滤波,通过计算机仿真和波导实验证明了在信号非寻的情况下,复域卡尔曼滤波和复域质点滤波比常规的卡尔曼滤波和质点滤波具有更好的估计性能.

三维高分辨率模型的建立及应用

以胜利油田垦71地区的实际资料为例,用贝叶斯-序贯高斯模拟方法综合井间地震数据、测井数据和三维地震数据,建立了一个高分辨率三维波阻抗模型。该模型具有以下特点:①垂向分辨率明显高于输入的三维地震波阻抗;②横向上的变化趋势与输入三维地震数据的变化趋势一致;③增加了井间地震的约束,结果更加合理;④其准确性与三维波阻抗反演结果的准确性密切相关。

一种新的火炮武器系统射击精度试验方法

射击精度是反应火炮武器系统性能的最重要技术指标,通过对以往射击精度试验中采用的建立在大子样统计理论基础上的传统评定方法进行了分析,对目前采用的序贯截尾原理和方法进行阐述,并指出前两种方法没有利用验前信息,试验次数和试验风险比较大等缺点,由此提出一种新的贝叶斯截尾序贯检验法。这种小样本统计推断方法的基本思想是充分利用已有的验前信息,实现了多阶段试验信息的综合利用,能够减少试验次数,缩短试验周期,节约试验经费。

运动目标微弱放射性核素的快速识别方法

微弱放射性核素活度小、探测率低,在短时间难以通过获取高质量能谱进而识别所含核素,尤其是当搭载微弱核素的目标运动的情况下,很难通过能谱特征来判定某种核素是否存在。为此,基于序贯贝叶斯方法提出了一种采用运动目标位置变换的核素快速识别方法,通过位置变换实现运动目标剂量率的等效,进而得到核脉冲序列信号的时间间隔的有效估计,利用脉冲幅度和时间间隔信息构建贝叶斯决策函数,最终实现待测核素存在性的判决。实验结果表明,该方法能够在运动情况下准确识别微弱137Cs、60Co等放射源。

实验室波导下的三维跟踪器——基于DSLA的空时宽带阵处理

定位与跟踪是海洋声学的基本问题。海洋是一个上边界为空气—海水,下边界为海水—海底的波导环境。海洋环境具有复杂性,在本论文中我们采用空时宽带的思想来提高可靠性。我们将双螺旋线阵(DSLA)作为接收阵以体现空间上的宽带。我们将发射源的频带设为宽带以体现时间上的宽带。在目标的定位中,我们采用了匹配场处理(MFP)的方法。在目标的跟踪中,其理论是基于Gauss—Markov状态—空间模型的序贯贝叶斯源跟踪的方法。

关于不完全信息下研发合作形成的研究

本文分析了研发结果不确定情况下企业的最终期望收益,对于重复研发合作进行基于历史的贝叶斯序贯分析,并对可能出现的囚徒困境博弈结合KMRW声誉模型进行分析,研究研发合作中参与人合作策略的形成。

新冠肺炎疫情演化情境下应急物资需求预测研究

根据新冠肺炎疫情演化过程中代表性事件、患病感染人数和疫情信息状态等特征,将其分为产生—爆发—高峰—衰退四个阶段.考虑湖北和除湖北以外的全国其他省市,绘制四个阶段下这两个区域每日新增患病感染人数图,总结每个阶段的特征.在假设患病感染者传染概率保持不变的前提下,基于传染病模型建立医疗物资时变需求模型;在患病感染者传染概率不断更新的基础上,采用贝叶斯序贯决策模型制定物资配置决策.比较两种模型下物资配置决策的差异,分析不同模型对计算结果的影响,在预测每日患病感染人数和实际每日患病感染人数情况下,贝叶斯模型的与传统需求模型的误差均小于时变需求模型.