基于高斯混合模型和期望最大化算法的非高斯分布圆概率误差估计方法研究

传统圆概率误差（CEP）估计方法无法处理兵器攻击点/观测点数据服从非高斯分布的情况。为了解决这一问题,提出了一种基于高斯混合模型（GMM）和期望最大化（EM）算法的CEP估计新方法。该方法利用 GMM对兵器攻击点/观测点非高斯分布概率密度函数（PDF）进行建模,通过EM算法迭代估计GMM参数得到兵器攻击点/观测点PDF,并依据所得到的兵器攻击点/观测点PDF,使用二分法得到兵器攻击点/观测点的CEP指标值。采用大量非高斯分布场景生成兵器攻击点/观测点数据,应用所提方法和传统方法进行CEP估计实验。实验结果表明：所提方法估计的CEP均方误差约为传统方法的1/10,由此说明所提方法性能显著好于传统方法,可以有效解决兵器攻击点/观测点数据服从非高斯分布时的CEP估计问题。     

基于经典估计理论的准确度密集度指标合理性分析

本文构建了准确度、密集度指标与弹着点（或观测点）、目标点的统计数学模型，基于经典估计理论推导了准确度、密集度指标估计方差的Cramer-Rao下限。结果表明：现有GJB2899-97中准确度指标计算方法所估计准确度是无偏的，且达到了Cramer-Rao下限，是经典估计理论意义下的最佳估计量，也就是最小方差无偏估计量；而现有GJB 2899-97中密集度指标计算方法仅是无偏的，其估计方差没有达到Cramer-Rao下限，从而其最优性有待进一步考证。