一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

贝叶斯估计和经典估计的对比研究

分析和探讨了经典估计和贝叶斯估计的异同，并结合一个实例对两种估计进行比较，从而得到两种估计思想统一于贝叶斯定理，并在特定场合下相互等价的结论。     

超声测距换能器振动系统的理论设计与测试

讨论了采用复合压电振子的测距换能器振动系统的设计方法,推导出在自由边界条件下复合压电振子的频率方程.找出某一特定频率下测距换能器的几何参数,并进行相同尺寸下的测距换能器实验验证.最后得到设计测距换能器振动系统的几何参数.     

贝叶斯估计的影响分析

本文讨论数据对贝叶斯估计的影响问题，建立了两个度量数据对贝叶斯估计影响的度量，并建立了它们在相关系数之间的精确关系。     

基于bootstrap思想的贝叶斯估计

在样本量较小的情况下,可以采用重抽样方法一bootstrap方法进行参数估计,本文将bayes方法与bootstrap方法相结合,进行基于bootstrap思想的bayes估计。主要列出的是当样本服从正态分布的基于bootstrap思想的bayes估计。     

基于贝叶斯网络的态势估计模型研究

介绍了静态贝叶斯网络模型在态势估计中的具体应用和算法实现,重点分析了态势估计中的态势、事件关系抽象为贝叶斯网络后,态势-态势连接、事件-事件连接、态势-事件连接在贝叶斯网络中的推理过程,最终建立了态势估计的具体模型。     

基于贝叶斯估计的无线传感器网络链路选择算法

为了在能量受限的无线传感器网络中以较低的控制开销选择出具有高分组递交率的链路,提出一种基于贝叶斯估计的依概率链路选择算法(BPLS).该算法将链路探测过程分成若干轮,在每轮中对链路分组递交率进行贝叶斯估计,依据估计结果决定下一轮探测中选择该链路的概率.在此基础上设计了可靠的路由算法.仿真结果表明:BPLS算法能够快速挑选出高质量链路;当控制开销较低时,选出质量最高链路的成功率比naive算法提高10%～20%;基于BPLS的树形路由在分组递交率和每分组能耗上优于基本的树形路由.     

PCSS通信测距复合系统中一种改进的映射方法

为了提高通信测距复合系统的信息传输速率,实现数据与序列的完全映射,将并行组合扩频技术（parallel combinatory spread spectrum,PCSS）应用于复合系统,提出了一种改进的r_组合数据序列映射方法。在发送端采用所提出的映射方法实现数据的扩频传输,在接收端采用改进的广义互相关算法进行时延估计和数据解扩,同时实现了信息传输和距离测量。仿真结果表明,改进的数据序列映射方法实现了映射的唯一性,提高了数据的映射效率,提升了PCSS通信测距复合系统的信息传输速率;改进的广义互相关算法在低信噪比下具有更好的时延估计性能。因此,所提方法能使PCSS通信测距复合系统更有效地完成测距任务和通信任务,可为通信测距复合系统的理论研究和工程应用提供参考。     

基于超声波的汽车防撞系统

在现有的汽车防撞系统中,主要都是使用雷达进行测距,这类系统的价格较高,不能大面积推广.在现有的汽车防撞系统上优化测距算法,采用超声波传感器进行测距,建立相关的防撞模型,根据不同的测量距离发出不同的报警信息.实验结果表明,在一定范围内报警信息准确.     

基于DSP和单片机的超声波测距系统

设计了一种新型的超声波测距系统,系统以单片机和DSP为双控制核心,提出以单片机控制,利用包络检波,微分过零点检测电路确定回波包络峰值点时间。粗测得到误差为一个波长以内的测距结果。之后采用DSP控制进行FFT精测相位差,将粗测和精测的结果进行数据整合,实践证明这种方法有效地提高了测距的精度。     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

图像分块的贝叶斯压缩感知算法研究

为增加信号重构的可信度和减少重构过程的人为干预,采用贝叶斯压缩感知的方法,将待重构信号赋予先验分布,不仅重构出信号参数,并能同时获得信号参数的置信区间,以此实时调整重构模型使信号恢复达到最佳。基于拉普拉斯分级先验模型的贝叶斯压缩感知算法,对图像进行合理分块,用不同比率对分块图像压缩,并在重构过程进行分级处理,进一步减少运算时间,最终使用相关向量机(RVM)实现了稀疏信号的最大后验概率估计。实验结果表明,通过和传统算法相比较,上述算法使得重构图像质量得到明显提高,并且相比于全局贝叶斯压缩感知算法具有更好的实时性。     

机器人多传感器测距系统的数据融合

针对机器人工作环境的特点,提出了采用超声波与红外线传感器共同测距的方法,弥补了单一使用超声波传感器带来的缺陷.应用自适应加权数据融合技术,实现两种传感器在功能上的互补.实验结果表明,系统提高了整体测距精度,得到了被测距离更加准确的估计.     

循环序加试验的模型与BAYES估计

在产品的寿命服从指数分布的情况下，文中讨论了循环序进应力加速寿命试验的模型，给出了平均寿命的Bayes估计。     

基于STC89单片机的超声波测距仪

介绍了一种基于STC89单片机的超声波测距仪.采用脉冲法和行波法,使仪器获得更好的性能(更高的精度、较小的盲区、较大的测量范围),连续测量时可有极高的响应速度.     

超声波传感器数据融合算法的研究

采用ANN数据融合方式对两个超声波采集的数据进行融合算法分析,解决了超声波射线开放角度问题,从而达到了对被测物体影像的比较精确的认识,试验显示效果良好.     

基于DSP与FPGA的红外起伏背景估计系统

为了检测出起伏背景下的弱小目标，需要对红外图像进行背景抑制．针对红外起伏背景的统计特性，提出了一种线性、非线性的混合滤波算法，并从工程实用的角度给出了一个基于DSP与FPGA的并行硬件处理系统．结果表明，系统对红外起伏背景的估计效果良好并兼顾实时性．     

负二项分布可靠度的经验Bayes估计

在平方损失函数下,获得了负二项分布可靠度θ的Bayes估计,在一般条件下,利用其边缘分布的特性,构造了相应的经验Bayes估计,并证明了得到的EB估计是相合的渐近最优的.