基于静动态综合估计的无人机蜂群态势感知技术

随着军用无人机技术的快速发展,其作战体系也逐渐从无人机单机作战向蜂群作战转变。为了实现入侵无人机蜂群的反制,亟需探索面向无人机蜂群入侵场景的态势感知技术。目前,无人机蜂群态势感知领域主要在整体概念层面研究态势感知的技术与模型,缺乏具体应用场景下的态势感知技术与仿真平台。本文面向分布式作战战术场景与哈里斯鹰的合围狩猎方式,引入了无人机蜂群的进攻阵型与仿鹰群的无人机蜂群协同攻击模型,使用到达时间差定位算法与联合概率数据关联滤波器获得无人机蜂群轨迹信息,并将无人机蜂群战场态势划分为静态态势与动态态势,分别表示对战场某个时刻态势的理解与战场未来趋势的推断。在此基础上,本文提出了一种基于静动态综合估计的无人机蜂群态势感知技术,涵盖基于模糊规则评价的静态态势感知以及基于蜂群预测推断的动态态势感知。同时,搭建了三维无人机蜂群态势感知仿真平台,实现了入侵无人机蜂群的运动学建模、定位跟踪、战场态势感知以及误差分析等过程,验证了所提态势感知技术的有效性。

单模型多传感器多尺度交互式数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Kalman滤波、多尺度数据融合算法相结合 ,提出了单模型多传感器多尺度交互式数据综合估计新算法 ,并通过计算机的仿真结果 ,对此算法进行了定性分析 ;用标准差对此进行了定量分析 ,从而说明了该算法的有效性 .

无失效数据情形参数的综合估计

本文对指数分布的无失效数据 ,在引进失效信息后 ,在先验分布为 Gamma分布时 ,给出了失效率的多层 Bayes估计和综合 Bayes估计 ,并给出了无失效数据情形可靠度的综合估计 ,还结合实际问题进行了计算。

无失效数据情形失效率的综合估计

对指数分布的无失效数据 ,提出了无失效数据情形失效率的综合估计法 .在失效率的先验分布为截尾 Gamma分布时 ,给出了失效率的多层 Bayes估计 .在引进失效信息后 ,在失效率的先验分布为截尾 Gamma分布时 ,给出了失效率的多层 Bayes估计和综合估计 ,并给出了可靠度的综合估计 。

无失效数据可靠性参数的综合估计

本文对指数分布的无失效数据 ( ti,ni) ,给出了参数λ的最小二乘估计以及失效概率 pi=p { T<ti}的Bayes估计 ,并在引进失效信息后给出了 Pm+1( r) =P{ T<tm+1}的 Bayes估计和综合估计 ,从而可以得到无失效数据的失效率和可靠度的综合估计 .最后 ,结合实际问题进行了计算 .

电网质量的DSP分布式计算机综合估计系统研究

利用谱分析方法分析电网特征。采用专用 DSP构成分布式计算机系统 ,对分析数据进行二次处理 ,得到电网特征参数据 ,分析负载特性和电网质量数据。最后提出几个典型应用实例。

无失效数据情形参数的综合估计

对指数分布的无失效数据,在引进失效信息后,在先验分布为Beta分布时,给出了失效率的多层Bayes估计和综合Bayes估计,并给出了无失效数据情形可靠度的综合估计.

无失效数据情形参数的综合估计

对指数分布的无失效数据,在引进失效信息后,在先验分布为Beta分布时,给出了失效率的多层Bayes估计和综合Bayes估计,并给出了无失效数据情形可靠度的综合估计。

捕捉与再捕捉模型下动物总数的Bayes综合估计

在先验信息下,确定动物总数和捕捉概率分别服从离散均匀分布和Beta分布,对捕捉与再捕捉试验推导了封闭总体中个体总数的Bayes点估计与区间估计;另外,对多次重复的捕捉与再捕捉试验推导了个体总数的Bayes综合估计,最后对一个实例进行了分析。

无失效数据失效概率的综合估计

本文对指数分布的无失效数据(ti,ni),给出了参数λ的最小二乘估计以及失效概率pi=p{T<ti}的Bayes估计,并在引进失效信息后给出了pm+1(r)=p{T<tm+1}的Bayes估计和综合估计,从而可以得到无失效数据的失效率和可靠度的综合估计.

失效率的综合E-Bayes估计

该文提出了可靠性参数的一种新估计方法——综合E-Bayes估计法.在无失效数据情形下给出了失效率的E-Bayes估计的定义,并给出了失效率的E-Bayes估计.在引进失效信息后,给出了失效率的E-Bayes估计,并在此基础上给出了失效率和其它参数的综合E-Bayes估计.最后,结合实际问题进行计算,结果表明该文提出的方法可行且便于应用.

基于制导/估计综合设计的协同制导律

基于普通分离原理,将反导作战噪声环境中拦截高速机动目标的制导问题考虑为一类非线性、非高斯追逃拦截问题.引入追逃未达集概念,利用几何方法将估计器设计方法结合到制导律的设计中,通过理论推导综合设计了估计器和制导律,并在此基础上,在目标函数中,引入包围因子,对多拦截器协同制导律进行了研究.数值仿真验证了基于制导/估计综合设计的协同制导律的制导性能和有效性.

生长曲线模型的综合岭估计

该文提出了生长曲线模型回归系数的一种新的有偏估计———综合岭估计，讨论了综合岭估计的优良性、可容许性等性质，给出了其迭代解和极小化均方误差的无偏估计解。在综合岭估计下，岭估计、广义岭估计、根方估计成为其特例。

生长曲线模型综合岭估计的推广

文章将生长曲线模型Y=X1BX2+ε,E(ε)=0,Co v(ε)■=Co v(Ve c(ε))=Iqσ2In在设计阵X1(或X2)呈病态时的综合岭估计推广到协方差矩阵为正定和半正定生长曲线模型,得到了相应的综合岭估计,并给出了其优良性等性质。

基于合作目标的动态舰载平台综合系统误差估计

动平台传感器配准中综合系统误差估计是误差估计领域中的一个难题。针对舰艇动平台环境下的综合系统误差估计问题,利用合作目标提供的高精度GPS导航信息,提出了两种误差估计方法。方法 1基于等效偏差模型,通过建立综合系统误差观测模型,将等效偏差中互相耦合的误差分量解耦,利用近似的等效偏差值估计综合系统误差各误差分量,克服了等效偏差模型的不足;方法 2通过分析经误差传递后综合系统误差分量对舰艇地理坐标系下目标定位精度的影响,对影响函数进行线性化处理,从而建立综合系统误差观测方程,完成综合系统误差估计。仿真验证在两种情形下进行,仿真结果表明两种方法估计性能互有优劣,但方法 2总体表现好于方法 1。利用两种方法估计出来的结果进行误差修正,修正后的航迹精度与修正前相比均有了大幅提高,能够满足舰艇平台实际作战需要。

无失效数据失效率的综合多层Bayes估计

文章对指数分布无失效数据的失效率，在先验分布为Ｇａｍｍａ分布时，在引进失效信息后，给出了多层Ｂａｙｅｓ估计以及综合多层Ｂａｙｅｓ估计，并给出了可靠度的综合估计。最后。

无失效数据失效率的综合多层Bayes估计

为了对指数分布场合无失效数据的失效率进行估计,在先验分布为截尾Gamma分布时,利用平均剩余寿命和极大似然思想提出了两种引进失效数据的方法,给出了失效率的综合多层Bayes估计,并且结合实际数据进行了计算,计算结果显示此种方法是可行的.

无失效数据失效率的综合E-Bayes估计

对指数分布场合无失效数据的失效率进行估计.在先验分布为Gamma分布时,通过两种方式引进失效信息并在这两种方式下给出了失效率的综合E-Bayes估计,然后得出了产品可靠度的综合估计.

失效概率的综合E-Bayes估计与多层Bayes估计

对于无失效数据问题,文章提出了参数的一种新的估计方法—综合E-Bayes估计法。不仅给出了失效概率的综合E-Bayes估计,而且利用多层先验分布给出失效概率的多层Bayes估计,并说明两者之间的关系。

综合c-K条件岭估计及其优良性

对齐次等式约束的线性回归模型回归系数提出一个新的有偏估计-综合c-K条件岭估计.研究综合c-K条件岭估计的性质,并证明存在一定条件,使其在均方误差意义下优于约束最小二乘估计、条件岭估计、广义条件岭估计以及综合c-K条件岭估计.