一种基于Bayes混合模型的命中精度评估方法技术

本发明专利技术提供了一种基于Bayes混合模型的命中精度评估方法，所述方法包括：将综合试验条件划分为若干类，获取每类条件的先验权重；使用聚类算法对落点偏差样本数据进行分类；在每类条件下，计算落点偏差分布的概率密度函数；由此建立多条件概率分布下的混合CEP方程，对该方程进行解算得到CEP值。对于系统偏差差异较为明显的多总体落点偏差样本，利用本发明专利技术的方法得到的CEP评估结果精度更高。

【技术实现步骤摘要】

本专利技术涉及制导系统及定位系统的精度评估领域，具体涉及一种基于Bayes混合模型的命中精度评估方法。
技术介绍
在制导系统或定位系统的精度鉴定过程中，圆概率误差(Circular Error Probable，CEP)是常用的精度指标之一，其优点是能够很好地融合射击准确度与密集度两项指标进行表征。CEP的概率定义为P(X2+Z2≤CEP2)＝0.5，其中(X,Z)代表纵、横向偏差。假设(X,Z)服从连续型分布f(x,z)，则CEP方程可改写成 ∫ ∫ x 2 + z 2 ≤ CEP 2 f ( x , z ) d x d z = 0.5 ]]>对于f(x,z)最常见的假设是正态分布，在此基础上进行CEP求解。传统CEP评估流程主要有两个难点，一是CEP方程的具体计算问题。CEP方程复杂，即使给定分布参数也难以求得精确解。在实际应用中往往根据不同的假设采用相应的简化计算公式。文献[1](WANG Yan-yong,YANG Gong-liu,Yan Dun-cai,et al.Comprehensive Assessment Algorithm for Calculating CEP of Positioning Accuracy[J],Measurement,2014,47(1):255-263)对常用的12种CEP计算方法进行了总结，并将其分为了三类：一维参数化方法，二元正态算法以及数值积分方法。由于CEP一般性方程的求解较为复杂，因此在实际应用中往往先对样本数据作分析，而后根据分析结果采用相应的简化公式。另一难点是评定结果的适应性问题，因此有必要对CEP统计量作相应的扩展。文献[2](ZHANG Jian,AN Wei-lian.Assessing circular error probable when the errors are elliptical normal[J].Journal of Statistical Computation and Simulation,2012,84(4):565-586)基于Cornish-Fish展开将传统的CEP代入型点估计推广到了纠偏型点估计，并且分别基于Bootstrap方法、渐近分布理论以及C-F展开提出了三类CEP的区间估计方法；针对分析面目标命中精度时CEP没有考虑面目标自身特性等问题，文献[3](王刚，段晓君，王正明.基于蒙特卡罗积分法的面目标精度评定方法[J].系统工程与电子技术，2009，31(7):1680-1683)将圆概率误差CEP推广到命中区域圆概率偏差(ACEP)，使精度评定结果更加合理。另外，为使落点偏差样本满足来自同一个正态总体的假设，需将不同状态的样本数据折合到同一状态，并进行异常值检验，相容性检验与正态性检验。这一过程中首先数据等效折合会因制导误差分析与分离的不准确而产生误差，从而影响整个精度评定过程；其次在异常值剔除阶段，如果物理判断不准确，会造成数据误处置，也会使CEP计算产生误差；另外由于假设检验主观性较强(检验统计量的临界值与检验的显著水平都是人为指定)，因此在这一假设下的精度评定结果的可信度不高，甚至异常。
技术实现思路
本专利技术的目的在于克服在复合制导在不同试验条件的前提下，采用传统CEP估计方法存在的上述缺陷，基于Bayes非参数混合模型，对多条件概率分布下的CEP点估计和区间估计进行了算法设计。为了实现上述目的，一种基于Bayes混合模型的命中精度评估方法，所述方法包括：将综合试验条件划分为若干类，获取每类条件先验概率；使用聚类算法对落点偏差样本数据进行分类；在每类条件下，计算落点偏差分布的概率密度函数；由此建立多条件概率分布下的混合CEP方程，对该方程进行解算得到CEP值。上述技术方案中，所述方法具体包括：步骤1)将综合试验条件划分为h1,h2,…,hN类，N为类型总数；获取每类条件hk的先验概率p(hk)； p ( h k ) = e - N N k k ! / Σ k = 1 N e - N N k k ! ]]>步骤2)使用聚类算法对落点偏差样本数据进行分类；步骤3)在每类hk条件下，计算落点偏差分布的概率密度函数fk(x,z|hk)；步骤4)建立多条件概率分布下的混合CEP方程；多条件概率分布为： f ( x , z ) = Σ k = 1 N p ( h k ) f k ( x , z | h k ) ]]>满足下式的R，即为多条件概率下的混合CEP方程为： ∫ ∫ x 2 + z 2 ≤ R 2 f ( x , z ) d x d z = 0.5 - - - ( 8 ) ]]>步骤5)将多条件概率下的混合CEP方程转换为极坐标形式；步骤6)用数值积分方法对极坐标形式的多本文档来自技高网...

【技术保护点】
一种基于Bayes混合模型的命中精度评估方法，所述方法包括：将综合试验条件划分为若干类，获取每类条件的先验概率；使用聚类算法对落点偏差样本数据进行分类；在每类条件下，计算落点偏差分布的概率密度函数；由此建立多条件概率分布下的混合CEP方程，对该方程进行解算得到CEP值。

【技术特征摘要】
1.一种基于Bayes混合模型的命中精度评估方法，所述方法包括：将综合试验条件划分为若干类，获取每类条件的先验概率；使用聚类算法对落点偏差样本数据进行分类；在每类条件下，计算落点偏差分布的概率密度函数；由此建立多条件概率分布下的混合CEP方程，对该方程进行解算得到CEP值。2.根据权利要求1所述的基于Bayes混合模型的命中精度评估方法，其特征在于，所述方法具体包括：步骤1)将综合试验条件划分为h1,h2,…,hN类，N为类型总数；获取每类条件hk的先验概率p(hk)；步骤2)使用聚类算法对落点偏差样本数据进行分类；步骤3)在每类hk条件下，计算落点偏差分布的概率密度函数fk(x,z|hk)；步骤4)建立多条件概率分布下的混合CEP方程；多条件概率分布为：满足下式的R，即为多条件概率下的混合CEP方程为：步骤5)将多条件概率下的混合CEP方程转换为极坐标形式；步骤6)用数值积分方法对极坐标形式的多条件概率下的混合CEP方程进行求解得到R。3.根据权利要求2所述的基于Bayes混合模型的命中精度评估方法，其特征在于，所述步骤3)具体包括：步骤301)根据条件hk(k＝1,2,…,N)下的样本量为nk的精度评定样本 计算样本均值、样本标准差和样本相关系数；样本均值和样本标准差为：其中，为样本纵向落点偏差X的样本均值、样本标准差；为样本横向落点偏差Z的样本均值、样本标准差；样本相关系数...

【专利技术属性】
技术研发人员：段晓君，张胜迪，李畅，晏良，彭利军，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43