小子样试验数据融合算法研究

《小子样试验数据融合算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、40航天电子对抗第30卷第2期小子样试验数据融合算法研究张志辉1，蒯伟2(1．中国人民解放军91404部队，河北秦皇岛066001；2．海军驻南京地区通信军事代表室，江苏南京210002)摘要：从试验手段能力角度引入了可信度的定义，针对可信度改进了贝叶斯算法，同时把试验阶段内所有试验同等对待，推导出了多源数据融合算法，有效解决了大样本验前信息压制小子样现场试验的问题。关键词：数据融合；小子样；可信度；贝叶斯中图分类号：TN97文献标识码：ADatafusionalgorithminsmallsampletestZhangZhihuil．KuaiWei2(1．Unit91404ofPL

2、A，Qinhuangdao066001，Hebei，China；2．NanjingAreaCommunicationMilitaryRepresentativesOfficeofNavy，Nanjing210002，Jiangsu，China)Abstract：ThedefinitionofreliabilityintestcapabilityisimportedandtheBayesalgorithmisameliorated．Allthetestsareequatedandthedatafusionalgorithmisderived．Thequestionthatthemany

3、samplessuppressthesmallsampleissolved．Keywords：datafusion；smallsample；reliability；Bayes0引言在现场试验中，往往会碰到小子样问题及多源数据融合问题。如导弹命中概率等成败性试验，由于成本过高而无法进行大样本试验，同时又需要对装备进行鉴定，这就决定了试验设计方必须科学、充分地利用各种先验信息。其中仿真试验由于成本低、可以进行大样本试验，成为了一个重要的先验信息来源。本文通过对贝叶斯(Bayes)方法的研究，引入可信度的定义，改进贝叶斯算法，并推导了多源数据融合算法，有效解决了使用验前信息试验数据的问题。

4、1可信度引入当前，研究小子样问题多采用贝叶斯方法。该方法试图在运用现场信息的同时，充分利用其他验前信息。但验前信息如何描述、不同信息源如何融合等，都是贝叶斯方法仍未完全解决的问题。在使用贝叶斯方法对多源验前信息进行融合前，首先要解决的是如何对不同手段获得的试验数据进行收稿日期：2013—12—03；2014—02—12修回。作者简介：张志辉(1983一)，男，工程师，从事雷达干扰研究。描述的问题。为此引入可信度对试验手段的能力属性进行描述。诸多研究文献已经对可信度进行了严格定义，大多采用以现场试验数据为标准，根据其他试验数据与其吻合的程度来定义可信度。本文从新的角度对可信度进行定义，

5、用于评价试验手段的能力，同时为数据融合算法中解决现场小样子数据被大样本验前信息“淹没”的问题作铺垫。定义如下：采用某试验手段对参数0进行估计，假设验前概率分布为均匀分布，用无偏估计旁对参数日进行估计，试验获得的样本量为竹，对任意e>0，该试验手段可信度口定义为：卢一limP{Ia一0l

6、式改进在使用贝叶斯方法对多源验前信息进行融合前，2014(2)张志辉，等：小子样试验数据融合算法研究41还需解决可信度小于1的试验手段获得的试验数据如何使用的问题。原贝叶斯公式为：广7rz(口)=f(Xi口)7r，(日)／lf(XI口)7r。(口)d口(2)古式中，7r。(口)为口先验概率密度，7r。(口)为口后验概率密度，f(Xl口)为X的条件概率密度，@为口的取值空间。许多文献都给出了该公式的推导，此处不再赘述。当已知验前概率密度，且试验手段可信度为1时，根据当前试验数据样本信息，使用上述公式理论上可以计算出验后概率密度。但引入可信度之后，对不同试验手段获得的试验数据必须根据可信

7、度进行区分对待，为使可信度在公式中有所体现，对(2)式改进如下：广7rz(口)一(∥(xe)／If(XO)dO+(1一p／n)7r。(口)／古厂广I(M(xI口)／lf(x0)do+(1一p／n)7r-(0)do名古(3)式中，@为日的取值空间，0为口的取值宽度，卢为试验手段的可信度。式(3)可以改写成：砒(臼)=(flf(XO)／R+(1一p／O)n。(O)／M(4)广式中，R_--If(XI口)dO，是与口无关的常数，M--_I(卢厂名‘广(x18)／