一类强偏差定理与矩母函数方法

利用似然比的概念和矩母函数这一工具研究连续型随机变量序列的性质，得到一类用不等式表示的强偏差定理。

截尾数据下Weibull模型的参数估计

寿命试验是可靠性试验中的基本项目之一 .用截尾试验数据对各种寿命分布中的参数进行估计是可靠性领域中的重要问题 .本文研究了在定数截尾试验和定时截尾试验的寿命数据下 。

基于递推极大似然算法的控制系统仿真

在系统辨识的各种算法中,极大似然法是其中一种普遍应用的算法,但是因为极大似然法要求能够写出输出量的概率密度函数,因此这种算法有一定的局限性。目前,基于极大似然法的递推算法也有很多,文章提出了一种通过梯度法的简化而得到的递推算法,每观测一次数据就递推计算一次参数的估计值,能够按照自己的需要在程序中设置参数的精度,这样大大提高了参数辨识的精度。通过对控制系统的仿真,证明了这种递推算法的可行性。

离散随机观测的最佳逼近

在大量科学实验，工程测试，专家系统中蕴含一类问题：如何从有限次随机观测中识别出一个布尔函数，它能最佳表示出此观测集中的关系。该文给出一些求解此类问题的途径。

运用 Monte-Carlo 法进行机械产品耐久性预计

利用Ｍｏｎｔｅ－Ｃａｒｌｏ数字仿真和极大似然法原理，探索了一种预计机械产品耐久性的方法。提出了耐久性模型，阐述了预计的原理、方法和步骤，并给出了实例。大量试验证明，该方法具有工程可行性。

系统可靠性增长模型

根据系统在研制期间可靠性的变化规律,考虑维修、改进对系统可靠性的影响,引入改进效果系数,建立了一种基于虚拟工作时间的可修系统可靠性增长模型,可用于完全维修、不完全维修、最小维修和恶化维修。给出了故障强度函数和累积故障次数的表达式,以及模型参数的极大似然估计。算例表明:该模型分析结果与AM-SAA模型一致,且符合工程实际,其参数意义更明确。

基于多层脑功能网络特征的动作意图识别

基于脑电信号完成对步态特征的解码分析并就动作意图做出可靠识别和预测,是基于脑机接口的人机混合康复训练系统和智能助行机器人中的核心问题。为实现对站立、坐下以及静止状态这些最基本步态过程的分类识别,提出了基于多层脑功能网络分析的特征表示方法,结合对各类脑功能网络特征的统计分析,确定对不同动作敏感的网络特征量,并结合支持向量机、线性判别分析、逻辑回归以及朴素贝叶斯算法完成对不同动作过程的分类识别。实验结果表明,所提出的方法可较好地实现对上述动作意图的识别,针对13名被试者对站立、坐下和静止状态的识别准确率均高于71%,最高达到77%。对多层动态脑功能网络的分析结果表明,下肢运动过程的发生会弱化脑区间的相互依赖关系,导致网络拓扑连接结构变得逐渐稀疏。研究结果对理解下肢运动过程中大脑认知过程变化,开展基于脑机接口的下肢康复策略研究和康复系统开发具有一定的参考价值。

新生目标强度未知的双门限粒子PHD滤波器

传统粒子概率假设密度(PHD)滤波器假定新生目标强度已知,当新生目标在整个观测区域随机出现时不再适用。为解决新生目标强度未知时的多目标跟踪问题,提出了一种基于量测信息的双门限粒子PHD(PHD-DT)滤波器。首先基于似然函数设定门限对存活目标量测进行粗提取,利用上一时刻的目标估计值构建圆形波门进行精细提取,并对门限设定方法进行分析,然后根据提取结果对目标PHD进行分解,得到存活目标和新生目标的PHD预测及更新表达式,最后给出了滤波器的实现方法并同基于量测驱动的PHD(PHD-M)滤波器和Logic+联合概率数据互联(JPDA)方法进行了仿真对比。仿真结果表明,在新生目标强度未知时,PHD-DT可有效避免Logic+JPDA在杂波背景下因航迹起始错误带来的估计误差,并较好地解决了PHD-M的目标数目过估问题,多目标估计性能更优,且杂波越强性能优势越明显。