根据机载斜视中的杂波模型，提出一种线性调频z变换(Chirp z transform, CZT)和空域导向矢量拟合的杂波谱补偿方法。该方法利用CZT将数据从阵元脉冲域变换到阵元〖CD*2〗多普勒域，对杂波谱进行有效采样，可以得到新的数据矩阵，对变换后的数据采用空域导向矢量拟合的方法进行处理，消除了杂波的非平稳性并得到足够的统计数据，然后使用传统的空时自适应处理方法进行杂波抑制。理论分析和仿真结果表明，方法不但提高了对杂波谱的分析效率，并且有效地消除杂波谱的非平稳性，该方法在杂波抑制上有较好的改善性能。

阵元位置误差会严重影响多重信号分类(multiple signal classification, MUSIC)算法的测向性能，为此给出了一种阵元位置误差自校正的累量域辅助阵元法。首先构造了一种最大非冗余四阶累积量矩阵，并基于该矩阵实现了信源方位和阵元位置误差的联合估计，其中信源方位的估计需要一维搜索，而阵元位置误差的估计需要求解一个线性最小二乘问题。在一定假设条件下，对新算法的参数估计一致性做了理论分析。仿真实验表明：新算法可以减少对辅助阵元个数的要求，并且减弱了高斯色噪声对算法参数估计性能的影响。

为了解决多天线(multiple input multiple output， MIMO)系统中因反馈延时带来的预编码码字和信道之间不匹配问题，提出了一种基于信道预测的预编码方法。该方法通过当前时刻和之前两个时刻的信道，利用外推方法，预测未来时刻的信道，使用预测信道，选择预编码码字并反馈到发送端,以补偿反馈延时的影响。仿真结果表明，该方法有效地减小了反馈延时带来的性能损失。

为了解决宽带正交频分复用（orthogonal frequency division multiplexing, OFDM)系统中放大器有记忆非线性特性给系统带来的失真问题，提出了一种简化的滤波查表(simplified filter lookup table, SFLUT)预失真方法。该方法由一个无记忆预失真器子系统串联一个自适应滤波器子系统构成，能有效解决放大器带来的失真问题,同时采用简化的自适应更新结构，可以弥补原滤波查表法反馈支路结构复杂、收敛精度低的缺点。

提出了一种新的宽带波达角（direction of arrival， DOA）算法，该算法将各频率点的协方差矩阵相加后构造出一个新的协方差矩阵，从而实现DOA估计。这种新的思路来源于聚焦变换的思想并在理论上得到了证明。然后，详细讨论了算法中最优参考频率的选择问题。分析表明，与传统的宽带DOA算法相比，新算法的运算量较低。仿真结果显示，新算法的性能优于其他宽带DOA算法，同时仿真实验也验证了最优参考频率选取准则的正确性。

针对时间相干信道下多输入多输出(multiple input multiple output, MIMO)波束赋形系统提出了一种基于邻域的有限反馈方法。该方法利用相邻帧波束赋形码字间的相关性，将前一帧波束赋形码字的邻域内码字组成当前帧的新码本，从而降低反馈比特数，并给出周期性反馈和自适应反馈两种方案。仿真结果表明所提方案相比普通反馈方法能有效降低反馈速率，周期性反馈能显著降低反馈量但有一定的性能损失，自适应反馈能适当降低反馈量且没有任何性能损失。

将干扰抵消(interference cancellation， IC)技术引入莱斯衰落环境中的单载波传输系统，构成一种具有抑制符号间干扰能力的高效均衡器。通过匹配滤波器(match filter， MF)或均衡器对发送信号初始检测，根据检测结果和信道状态信息构建通过各个路径的信号并从接收信号中抵消，只保留接收信号中的主径分量进行最终的解调译码。解调结果也可以用来重新构建多径信号，从而形成多级IC结构，提高检测性能。在SUI5信道模型下的 Monte Carlo仿真结果表明，多级IC均衡器可以明显地提高初始检测的性能；当检测级数相同时，初始检测采用均衡器可以比MF取得更优的性能。

提出了一种用于三维空间中近似平面目标的快速识别方法。该方法利用目标轮廓的曲率信息构造出仿射不变量函数，再利用该不变量的极值点信息定位出轮廓的起始点进而对不变量做相应的循环移位调整，最终通过对调整后的不变量进行相似度比较实现目标识别。由于曲率信息能够有效地描述目标轮廓特征，所以保证了本方法优良的识别性能。同时本方法通过起始点定位的方式克服了传统上高复杂度的循环移位匹配的识别模式，进而实现了快速识别。实验结果显示了所述方法在识别精度和识别效率上都具有明显的优势。

针对灰度可见光与红外图像的融合问题，提出了一种基于非下采样轮廓波变换(nonsubsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势，对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值；然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解，并采用一定的融合规则得到融合图像的低频分量和高频分量，而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量，最后进行IHS逆变换得到红绿蓝(redgreenblue, RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。

频率非线性是制约调频连续波雷达距离分辨率的一个关键因素。针对系统非线性误差对调频连续波(frequency modulated continuous wave, FMCW)合成孔径雷达（synthetic aperture radar, SAR）成像处理的影响以及雷达系统实时成像处理的需求，对存在频率非线性误差的调频连续波SAR回波信号进行了建模，分析了调频连续波去斜接收模式下的回波特性，深入研究了系统非线性误差校正的问题，提出了一种改进的调频连续波SAR的非线性距离〖CD*2〗多普勒成像处理算法。该算法通过非线性误差滤波器校正距离向非线性误差，具有计算量小，处理精度高的特点，适合实时成像处理。最后，通过理论推导和仿真分析，验证了算法的可行性和正确性。

由于宽带雷达的高分辨距离像(high resolution range profile, HRRP)对方位变化非常敏感,传统的基于散射点密度广义似然比(scatter density dependent generalized likelihood rate test, SDDGLRT)或二进制积累器(binary integration, BI)检测算法存在参数选择困难的问题。提出的稳健二进制积累器(robust binary integration, RBI)采用高低双门限，分别对HRRP进行量化，然后将过高门限的距离单元数加权后与过低门限的距离单元数求和，并将该值与第二门限比较做出最终判决。而后研究了RBI的虚警概率和参数选择的方法。实测数据仿真结果表明, RBI对高低熵值的HRRP都可保证稳健、良好的检测性能。

雷达高分辨距离像(highresolution range profile, HRRP)包含了丰富的目标结构信息，在雷达目标识别领域有良好的应用前景。针对传统的HRRP识别方法对噪声环境适应性差的问题，选用具有时移不变性的紧支撑小波自相关作为支持向量机(support vector machine, SVM)分类器的核函数，研究了幂次变换(power transform, PT)参数的选取对识别效果的影响，给出了参数选取经验公式，结合信噪比实时估算自适应地进行数据预处理以增强算法的抗噪性能。仿真表明，所提出的方法与传统的高斯径向基核SVM相比，提高了目标识别率，并且具有较好的噪声稳健性。

在杂波环境机动目标跟踪问题中，波门位置和范围的确定是关键技术之一。在分析了时变偏差分离估计算法的有偏差的状态估计协方差基础上，提出了基于时变偏差分离估计(separate bias estimation, SBE)和概率数据关联(probabilistic data association, PDA)的新算法，利用了偏差估计和有偏差的状态估计协方差来确定波门位置和范围，并结合PDA处理多个回波的能力，实现杂波环境下机动目标的跟踪。通过仿真实验，说明了新算法的优势和有效性。

针对直方图均衡法进行红外图像增强时存在的问题，提出了动态广义直方图均衡方法。首先，广义直方图通过基于局部复杂度计算的分数值计数，体现了图像的不同区域特性，防止了过增强和放大噪声。然后，对广义直方图利用SG算法平滑滤波后，采用GK聚类算法实现对直方图的动态划分，避免高概率灰度背景对低概率灰度目标的影响。最后，动态分配目标和背景的输出灰度区间，突出目标细节，控制增强效果。实验结果表明，算法能有效克服传统直方图均衡法丢失目标细节、不能控制增强效果和过分放大噪声的不足，是一种有效的红外图像增强方法。

提出了一种新的滤波算法，以加快滤波算法的收敛速度和提高滤波的估计精度。反向预测与更新提高了上一时刻状态估计的精度，减小了当前时刻的状态预测误差。利用更准确的初始条件经过正向预测与更新，能得到当前状态更精确的估计值。计算机仿真结果表明，本算法的滤波性能优于传统的迭代滤波算法，既提高了滤波的估计精度，又加快了算法的收敛速度。

针对机载合成孔径雷达(synthetic aperture radar， SAR)中由于波束指向不准、不完全孔径效应以及内部噪声增大等因素所造成目标回波信杂噪比(signaltoclutternoise ratio, SCNR)下降现象，本文提出一种对子孔径回波进行迭代变加载去除杂波噪声方法。传统的方法在信杂噪比较低的情况下难以获得目标像，本文方法利用迭代变加载对距离压缩后的连续子孔径回波进行处理，使得在抑制杂波、去除噪声的同时，目标的信息得到了保护，进而改善了低信杂噪比下的自聚焦成像质量，通过实测数据验证该方法的有效性。

为达到从遥感图像中恢复事物本来形状的目的，研究了基于距离多普勒(rangDoppler, RD)模型的星载合成孔径雷达影像几何校正原理，并提出了改进的RD解算算法，给出了基于该算法的几何校正全过程。构建了新的牛顿迭代核，计算得到了简化，校正速度得到了提高。新算法从方位向和距离向这两个方向上同时迭代，校正效果比仅在方位向上迭代的解算算法稳定。通过仿真数据进行了验证和比较，实验结果表明了新校正算法的可行性与有效性。

针对叶簇穿透超宽带合成孔径雷达面临其他多种电子系统的频谱干扰问题，提出一种在干扰频带设计陷波的相位调制雷达波形设计及频域处理方法。在建立最大化使用频带和干扰频带能量之比的模型基础上，通过相位域求解共轭梯度以较快的收敛速度得到近似最优相位调制波形。基于发射信号频谱研究了频域匹配处理和距离旁瓣频域抑制加权技术。通过该波形设计及处理方法，可以灵活并有效地完成抗窄带干扰，且易于工程实现。

结合模糊数的限制运算，探讨了一类具有模糊支付的模糊合作对策——Choquet积分形式的模糊合作对策，研究了其单调性和连续性。具有模糊支付的模糊合作对策是凸模糊合作对策时，研究了Choquet积分形式的模糊合作对策的模糊核心和模糊Shapley值，并探讨了两者之间的关系，有趣的是这种关系与经典情形相一致。需要指出的是，所给有关模糊合作对策的定义都是对经典情形的推广。最后通过一个算例来说明其应用。

探讨定性分析与定量计算相结合的广义累加生成技术,讨论基于粒子群优化算法(particl swarm optimization algorithm, PSOA)的累加矩阵求解方法和间接灰色模型的优化算法。首先分析和总结4类典型序列的累加生成矩阵模式与参数结构,然后根据实际问题选择合适的累加生成矩阵模式，并用模式中的参数与背景值修正向量共同构成待求粒子。借助粒子群优化算法，以间接灰色模型的平均相对误差为适应度函数，以其最小为目标，通过迭代求解累加生成矩阵和背景值修正向量。实例计算表明，该优化模型不仅具有较高的模拟和预测精度，而且能够较好地跟踪波动序列和高增长序列的变化趋势。

研究灰区间偏好判断信息下的群体决策集结方法问题。将决策专家的灰区间判断信息转化为等价的三元组灰偏好信息, 并将其看作为一个概率分布, 通过研究群体灰偏好概率分布与个体灰偏好概率分布之间一致性的关系, 分别建立不同情形下专家群体决策的最优相对熵集结模型, 分别给出了各优化模型的最优解, 并提出相应的决策算法。气象局综合业务能力评价的实例分析表明, 相对熵集结方法可以有效避免灰区间决策信息在集结过程中的失真与扭曲。

现代战争中，快速、及时地拟制切实可行的作战计划是军事行动成败与否的关键。针对国外军事人员广泛利用计算机兵棋系统辅助行动方案开发与分析，而我军在计算机兵棋领域仍处于空白的现状，从计划拟制过程出发对兵棋系统的军事需求进行分析研究，为我军兵棋系统的设计开发提供参考依据。

作战飞机的维修性决定了作战飞机保持和恢复到完好状态的能力，在飞机研制阶段提出合理的维修性指标对于飞机的作战使用具有重要意义。根据业务流程重组和并行工程理论，以及现有维修保障流程重组优化的研究，本文提出一种基于维修保障流程的维修性指标确定方法，以缩短飞行前准备时间和再次出动准备时间，提高飞机再次出动能力。

备件供应保障优化是提高武器装备的战备完好性和降低寿命周期费用的重要途径。通过分析复杂装备可修复备件两级供应保障系统，研究了备件保障与装备战备完好性的关系，建立了以备件购置费用为约束、系统供应可用度最大为目标的冗余度系统可修复备件供应保障优化模型，并运用边际效能法进行求解。实例应用证明，模型可以优化备件库存以及评估备件库存量、两级维修能力、系统自身可靠性等因素对系统保障效能的影响。

针对目前通信网络模型对网络空间结构和节点异质性考虑不足的问题，结合战术通信网络的特点，将网络节点分为骨干节点、接入节点和用户节点，提出了一种综合考虑网络节点空间位置和节点多样性的战术通信网络演化模型，解析计算了演化模型的度分布。对网络的聚集系数、特征路径等进行的仿真分析结果表明，模型生成网络的特征路径长度随网络规模的增大反而不断减小，具有良好的连通能力。此外，生成网络更加均匀化并表现出明显的层次结构，具有战术通信网络的基本特点。

提高序贯近似建模的精度和收敛效率，关键在于制定合理有效的序贯抽样准则。针对如何有效获取目标系统信息进行近似建模，同时提高建模精度和收敛效率，提出了基于部分交叉验证的多准则序贯近似建模方法。通过融合部分交叉验证误差估计准则、极大序贯建模累积变化准则和极大熵准则的特征和优势，可实现对全空间全面抽样和对不规则区域重点抽样，进而提高近似模型的精度和收敛效率。算例测试表明该方法在提高序贯近似建模精度和收敛效率方面可行有效。

受传感器性能和处理算法的影响，阵群成员类型观测集合往往具有不完全性和不确定性,而且阵群目标的编成模板通常是非固定的。在这种情况下，基于固定模板匹配的传统阵群目标编成识别方法已不再适用。为此，提出了一种基于非固定模板匹配的阵群目标编成识别方法。该方法首先对阵群成员的类型观测和模板库中的非固定编成模板进行描述，然后计算出阵群成员类型观测集合同各个非固定编成模板之间的区间型距离度量，最后通过对所有区间型距离度量排序识别出观测到的阵群目标的编成。仿真实验证实了所提方法的有效性。

将自适应神经网络——直觉模糊推理系统(adaptive neurointuitionistic fuzzy inference system, ANIFIS)引入信息融合领域，提出一种基于自适应直觉模糊推理的目标识别方法。首先，分析了现有目标识别方法的特点与局限性，建立了基于ANIFIS的TakagiSugeno型目标识别模型。其次，设计了系统变量属性函数和推理规则，确定了各层输入输出计算关系及合成计算表达式。再次，设计了学习算法对网络和规则进行训练修改。最后，以20批典型目标的类型识别为例，分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法.

为解决当前目标分配计算量大、难以实时计算的问题，提出了一种针对编队内飞机协同超视距空战的目标分配新模型。该模型根据现代空战以中远距拦射为主要作战任务、编队内飞机之间的距离很小的特点，忽略编队内飞机之间相对目标的距离差异，从武器类型的角度建立，从而减小问题解的规模。对某作战想定采用粒子群优化算法对一般目标分配模型和新模型进行了分析比较，结果表明该模型具有计算量小、求解速度快的特点。

乘性扩展卡尔曼滤波(multiplicative extended Kalman filter， MEKF)方法是卫星姿态确定中最为成熟有效的方法之一。针对该姿态确定方法，采用EKF随机稳定性分析理论，定性地分析了MEKF姿态确定精度的影响因素及其影响情况，重点分析了星敏感器采样频率、卫星姿态角速度的大小、初始误差、滤波参数选取等因素对MEKF姿态确定精度的影响，并通过仿真实验验证了上述分析的合理性。上述研究不仅能够加深人们在理论上对MEKF姿态确定方法的认识，也能够为工程上利用MEKF进行姿态确定提供参考。

提出了一种Backstepping模型参考鲁棒飞行控制律的设计方法。方法的主要特征是：在仅需要输入输出信号的情况下，即使系统参数未知且存在未建模动态和非线性因素干扰，系统仍能保证较强的鲁棒性，获得良好的跟踪效果。具体给出了飞机纵向通道短周期控制的设计方案，同时讨论了其他复杂模态下该方案的扩展方法。对上述方案的数值仿真显示了该方法良好的跟踪性能。

在干扰条件下，单纯采用自适应滤波(adaptive Kalman filter, AKF) 或扩展卡尔曼滤波器(extensive Kalman filter, EKF) 在全球导航卫星系统/惯性测量单元(global navigation satellite systems/inertial measurement units, GNSS/IMU)组合导航的运用中都无法达到系统精度最优。为了指导组合导航系统的数据融合滤波器设计，获取AKF和EKF定位性能的经验数值是十分必要的。首先推导出EKF和一种AKF算法——新息序列自适应估计(innovationbased adaptive estimation, IAE)的数学模型和计算公式。然后提出了一种实际数据结合仿真的验证方法。针对不同的干扰程度造成的精度降低的测量值，比较AKF算法跟普通EKF在GNSS/IMU组合导航数据融合中的定位精度性能。试验和仿真得到了在实验所采用的IMU精度条件下，自适应滤波在组合导航方面的定位性能的经验曲线以及IAE与EKF定位精度存在的临界点。

研究了小角度晃动干扰对捷联惯性导航系统解析粗对准的影响。阐述了平台对准失准角与晃动干扰的定量关系，讨论了晃动环境下解析粗对准的适用条件。指出平台水平对准失准角与对应的平均晃动干扰角幅值相关，方位对准精度主要取决于东向平均干扰角速度即北向地球自转角速度的信噪比(signal noise rate, SNR)。转台小角度晃动实验验证了上述结论的合理性。

针对惯性导航平台漂移误差高阶非线性动态系统的特点，利用神经网络的任意逼近能力和自适应抽取系统动态信息的能力，提出基于Elman网络结构的惯性导航平台漂移模型辨识方案。首先建立惯性导航平台漂移误差模型，并选择了用于网络辩识的输入、输出量。采用动量及可变学习速率算法加速网络的收敛；在该算法的基础上，针对网络隐层，提出的扩展非线性节点函数能更好地改善网络学习效率，满足系统辨识实时性和精确性的需要。通过测得的惯性导航平台漂移误差数据对网络进行训练，获得了较为满意的辨识结果。

研究了一类存在时变时延和丢包的网络控制系统(networked control systems, NCS )的H∞优化控制问题。当网络时延和连续丢包有界时，NCS被建模为等效的具有时变时滞的系统，利用LvapunovKrasovskii泛函和线性矩阵不等式方法，在NCS渐近稳定的基础上给出NCS状态反馈次优和最优H∞控制律的设计方法，求解时不需要使用重复迭代，设计控制器时也无须知道调节参数。仿真表明了此方法的可行性和有效性。

行人导航系统(pedestrian navigation system, PNS)通常采用全球定位系统(global positioning system, GPS)和航位推算(dead reckoning, DR)组合导航的方式进行定位，因此其定位精度易受GPS定位误差特别是定位粗差的影响。为了减小这种影响，提高行人导航系统定位精度，采用了一种基于抗差滤波的GPS/DR组合行人导航算法。该算法首先对DR系统误差建模，获得行人导航系统卡尔曼滤波模型，再通过GPS与DR系统观测量之差，估计当前观测噪声与先验统计特性的符合程度，利用等价权实时调整观测权值，以避免观测粗差对组合导航精度的影响。最后通过对实测数据的分析表明，在GPS定位误差较大或含粗差情况下，该方法较卡尔曼滤波算法能明显抑制定位误差的影响，将定位精度提高5 m左右，能够在不增加硬件的基础上有效提高GPS/DR组合行人导航精度。

针对贝叶斯网络学习中的混合算法容易缩小搜索空间，同时易陷入局部最优等缺点，提出了基于蚁群优化的贝叶斯网络学习算法。首先应用最大最小父子节点集合算法(maxmin parents and children, MMPC)来构建无向网络的框架，然后利用蚁群优化算法进行评分〖CD*2〗搜索，通过平衡“开发”和“探索”力度来修补搜索空间并确定网络结构中边的方向。最后应用本算法学习逻辑报警还原机理网（a logical alarm reduction mechanism, ALARM)，结果显示本算法减少了丢失边的数量，得到了更接近真实结构的贝叶斯网络。

副本技术广泛用于数据网格中来减少数据访问代价，增强容错能力，从而提高数据网格中数据访问的性能和可靠性。如何合理地放置副本来更有效地提高数据访问性能成为一个需要解决的重要问题。针对无向连通图表示的数据网格模型，在考虑通信代价和存储代价的基础上，提出了一种启发式副本放置算法(heuristic replica placement algorithm, HRPA)，通过该算法能够得到k个副本的放置位置，并且使得整个系统的代价最小。最后，通过相应的仿真实验证明了该算法的可行性和有效性。

针对传统粒子滤波的退化、样本枯竭现象及其导致的状态推理精度差的问题，提出了一种新型粒子滤波算法。利用群智能优化算法中的粒子群优化算法作为优化手段，改进粒子的先验分布。通过自适应地调节粒子的惯性权值增强粒子群的探索和开发能力，减少粒子群优化算法的早熟现象，使得采样后的粒子朝着高似然区域移动，从而有效地提高系统状态推理精度。利用Crame′rRaolowerbound定义了算法有效性的度量。通过仿真实验证明该算法是有效和稳定的。

基于一种广义交互式遗传算法对粒子滤波的重采样步骤进行改进，解决粒子滤波的退化和匮乏问题。该方法结合实际处理的优化问题，人为确定候选窗的范围和大小，利用改进型“拥挤因子模型”选择算子进行选择操作，在数学上确保了迭代过程中粒子的多样性，同时利用“完全算数交叉算子”实现交叉操作，这种交叉算子的优点是可行解空间关于交叉运算封闭，采用非一致变异算子实现变异操作，可有效地捕获可能出现的异常情况。仿真实验结果证明了这种改进后的滤波方法与扩展卡尔曼滤波(extended Kalman filtering, EKF)、标准粒子滤波和正则粒子滤波三种方法相比较，具有较好的迭代估计性能。

结合遗传算法和模拟退火算法，构造出具有全局搜索优化特性的遗传模拟退火算法。根据空间目标表面的多组多角度双向反射分布函数（bidirectional reflectance distribution function， BRDF）实验数据和统计模型，获得样片BRDF五参数模型参数值及2D、3D的BRDF分布。比较基本遗传算法和遗传模拟退火算法在迭代次数、计算时间、参数值及精度等之间的差异并分析其原因。遗传模拟退火算法更适用于BRDF的统计建模。

针对有约束最优化问题，提出了基于模拟退火的粒子群优化(particle swarm optimizationsimulated annealing, PSOSA)算法。该算法利用模拟退火算法以一定概率接受较差点的概率突跳特性，克服粒子群优化算法易陷入局部最优的缺陷。采用可行性原则进行约束处理，并在模拟退火算法产生新粒子的过程中保留最优不可行解的信息，弥补了可行性原则处理最优点位于约束边界附近时存在的不足。4个典型工程优化设计的实验结果表明，该算法能够寻得更优的约束最优化解.

在微波暗室内构建了一种全极化合成孔径雷达(synthetic aperture radar, SAR)半实物仿真系统。系统利用可移动的取样架模拟SAR的飞行轨迹，矢量网络分析仪作为核心仪表放置于取样架上一起运动。矢量网络分析仪的双通道经过扩展端口分别连接到两路垂直和两路水平极化的天线上，在取样架移动的过程中，可一次性获取目标的全极化散射矩阵测试数据。通过改进的滤波〖CD*2〗逆投影算法进行信号处理，获得了目标全极化二维图像。实验给出了L波段和C波段的场景测量及成像结果，通过处理得到的图像分辨率优于0.2 m，并且成像结果与场景的物理特征相一致，验证了该系统的可行性。

针对一类故障预测问题提出了一种基于关联向量机(relevance vector machine, RVM)回归的故障预测算法。算法首先采用关联向量机模型对对象历史数据中隐含的故障演化信息进行学习，然后将所获取的关联向量机模型用于对象故障未来变化趋势的预测。预测过程采用多步时间序列预测中的递推计算的思想，并且将每一步预测的不确定性作为下一次预测迭代的输入要素加以充分的考虑。迭代过程中的一些关键量的获取采用了蒙特卡罗采样计算的思想，避免了对关联向量机核函数选取的限制。算法预测输出采用对象系统剩余寿命的随机分布形式，相对于传统预测算法的确定值形式的输出更加符合实际。将所提算法与传统算法进行比较，仿真实验结果证明所提算法要优于传统故障预测算法。

利用似然理论对加速寿命试验的多个样本失效数据进行综合分析。在定数截尾场合下，建立威布尔寿命型产品的步进应力加速寿命试验模型，利用NewtonRaphson方法求解似然方程，得到寿命参数的极大似然估计。针对迭代公式初始值敏感问题，结合部件寿命信息给出一种精度更高的初始值确定方法，并利用Bootstrap方法构造加速寿命试验参数的置信区间。最后，以固体钽电解电容器为例，利用随机模拟方法验证提出理论的正确性和有效性。

针对多传感器故障诊断问题，将神经网络引入主元分析(principal component analysis, PCA)模型之中，提出一基于主元分析的多传感器故障诊断模型。首先，应用传感器正常工作时测量的历史数据，由PCA模型得到所有传感器的预测值。其次，计算传感器系统的平方预期误差值(squared prediction error, SPE),根据系统的SPE值是否跳变，判定有无故障发生。通过分别重构单个传感器信号的SPE值来确定发生故障的传感器。最后,应用一个多传感器故障诊断仿真实例证明了该方案的可行性。

针对传统神经网络技术在模拟电路故障应用中存在的问题，提出了一种基于粒子群算法(particle swarm optimization, PSO)和最小二乘支持向量机(least squares support vector machine, LSSVM)的模拟电路故障诊断的方法。该方法首先利用小波包技术对待诊断电路的可测点信息提取故障特征，然后使用粒子群算法优化支持向量机的结构参数，避免了参数选择的盲目性，提高了模型的诊断精度。在对某滤波电路进行的故障检测中，验证了该方法的可行性。