劉 剛，王 俠，陳 眾，趙 新

（中國(guó)華陰兵器試驗(yàn)中心，陜西 華陰 714200）

正系數(shù)。

將N 個(gè)W1 樣本w11，w12，w13，…，w1 N 及W2 樣本w21，w22，w23，…，w2 N 分別 按照從小到大的 順 序進(jìn)行排序，得到整理后的樣本。對(duì)于W1，變?yōu)閣1（1），w1（2），w1（3），…，w1（N），對(duì) 于W2，變 為w2（1），w2（2），w2（3），…，w2（N），據(jù)此我們可構(gòu)造出引信解除保險(xiǎn)距離上下限分位數(shù)的單側(cè)置信區(qū)間，引入置信度γ，則：

對(duì)于p1 分位數(shù)，定義：

0 引言

引信解除保險(xiǎn)距離試驗(yàn)涉及引信安全性，歷來受到靶場(chǎng)的高度重視。近些年來，引信解除保險(xiǎn)后立即起爆的試驗(yàn)方法在實(shí)踐中應(yīng)用較多，具體實(shí)施程序是對(duì)引信進(jìn)行改裝后對(duì)空射擊，一旦解除保險(xiǎn)，立即起爆。采用光學(xué)經(jīng)緯儀測(cè)量炸點(diǎn)坐標(biāo)，結(jié)合炮位坐標(biāo)，可直接解算出引信解除保險(xiǎn)距離。該方法在諸多引信定型試驗(yàn)中得到成功應(yīng)用，其優(yōu)點(diǎn)在于試驗(yàn)簡(jiǎn)便，可控性強(qiáng)。

假設(shè)引信解除保險(xiǎn)距離總體為正態(tài)分布N（μ，σ2），記xp1為總體p1分位數(shù)，稱為下限分位數(shù)，xp2為總體p2分位數(shù)，稱為上限分位數(shù)，實(shí)際中一般取p1=0.05，p2=0.95。在引信解除保險(xiǎn)后立即起爆試驗(yàn)中，若干發(fā)引信可視為從總體中隨機(jī)抽取的樣本，我們的任務(wù)是利用樣本數(shù)據(jù)估計(jì)總體的上下限分位數(shù)?，F(xiàn)行數(shù)據(jù)處理方法為計(jì)算樣本均值和標(biāo)準(zhǔn)差，以樣本均值和標(biāo)準(zhǔn)差代替總體均值和標(biāo)準(zhǔn)差，從而直接計(jì)算得到總體上下限分位數(shù)。這種方法簡(jiǎn)單易行，但顯而易見，樣本均值和標(biāo)準(zhǔn)差可能無法準(zhǔn)確反映總體均值和標(biāo)準(zhǔn)差，從而在計(jì)算上下限分位數(shù)時(shí)出現(xiàn)較大散布，造成試驗(yàn)誤判。

Bootstrap法在武器系統(tǒng)試驗(yàn)數(shù)據(jù)處理方面已得到大量應(yīng)用，但在引信解除保險(xiǎn)距離試驗(yàn)領(lǐng)域尚未見報(bào)道。為解決現(xiàn)行方法存在的問題，本文提出了基于Bootstrap法的機(jī)電引信解除保險(xiǎn)距離試驗(yàn)數(shù)據(jù)處理方法。

1 現(xiàn)行方法原理及仿真計(jì)算

1.1 現(xiàn)行方法原理

引信解除保險(xiǎn)距離X 可視為一隨機(jī)變量，服從正態(tài)分布（根據(jù)以往經(jīng)驗(yàn)，引信解除保險(xiǎn)后立即起爆試驗(yàn)數(shù)據(jù)均能通過正態(tài)性分布檢驗(yàn)），即X～N（μ，σ2），根據(jù)統(tǒng)計(jì)原理［1］有：

因此，N（μ，σ2）的ρ分位數(shù)xρ是以下方程的解

式中Φ（·）為標(biāo)準(zhǔn)正態(tài)分布函數(shù)，進(jìn)一步得：

式中μρ為標(biāo)準(zhǔn)正態(tài)分布的ρ 分位數(shù)，進(jìn)一步得：

設(shè)引信解除保險(xiǎn)即起爆試驗(yàn)中獲得的樣本序列為x1，x2，x3，…，xn，那么μ 的估計(jì)為：

σ的估計(jì)為：

將式（2）、式（3）代入式（1），可得：

式（4）即為n個(gè)樣本條件下正態(tài)分布總體的p分位數(shù)估計(jì)公式。

1.2 現(xiàn)行方法仿真計(jì)算

仿真計(jì)算的一般流程為：

1）假設(shè)總體分布已知，即正態(tài)分布N（μ，σ2）的兩個(gè)參數(shù)μ、σ已知；

2）在N（μ，σ2）下生成3 000組隨機(jī)樣本，樣本量為n；

3）計(jì)算每組樣本的樣本均值和標(biāo)準(zhǔn)差；

4）按式（4）計(jì)算每組樣本的總體上下限分位數(shù)。

令μ=120，σ=10，n=10，下限分位數(shù)取x0.05，下限分位數(shù)取x0.95。編制仿真程序，計(jì)算結(jié)果如表1。同時(shí)給出其中一次仿真計(jì)算結(jié)果，見表2。

從表1中可看出，平均來說，現(xiàn)行方法對(duì)于總體參數(shù)μ、σ、x0.05、x0.95的估計(jì)結(jié)果是較理想的，然而，這一結(jié)論只在“平均意義”成立，由于抽樣的隨機(jī)性，造成^x0.05、^x0.95有較大的散布，單次樣本下^x0.05與x0.05真值之間的差值在（-18.37，15.38）間變化；^x0.95與x0.95真值之間的差值在（-15.55，17.67）間變化，而試驗(yàn)只對(duì)單次抽樣負(fù)責(zé)，這意味著單次試驗(yàn)散布較大，可能存在比較嚴(yán)重的估計(jì)偏差。

表1 現(xiàn)行方法仿真結(jié)果

表2 現(xiàn)行方法單次仿真結(jié)果Tab.2 Single Simulation recsult

對(duì)于x0.05，術(shù)語(yǔ)可表達(dá)為引信在距炮口103.55m以內(nèi)解除保險(xiǎn)的概率為0.05，但在單次試驗(yàn)中，計(jì)算結(jié)果可能表達(dá)為引信在距炮口103.55+15.38=118.93m 以內(nèi)解除保險(xiǎn)的概率為0.05，人為地把引信保險(xiǎn)距離擴(kuò)大了15.38 m；對(duì)于x0.95，可表達(dá)為引信在距炮口136.44m 以外解除保險(xiǎn)的概率為0.95，同樣在單次試驗(yàn)中，計(jì)算結(jié)果可能表達(dá)為引信在距炮口136.44-15.55=120.89m以外解除保險(xiǎn)的概率為0.95，人為地把引信可靠解除保險(xiǎn)距離減小了15.55m。

1.3 對(duì)判定引信解除保險(xiǎn)距離上下限的討論

對(duì)于引信解除保險(xiǎn)距離下限，意味著在此距離以內(nèi)，引信解除保險(xiǎn)的可能性較低，估計(jì)值應(yīng)盡量避免冒進(jìn)，我們關(guān)心的是估計(jì)值的置信下限，這樣才能有把握為部隊(duì)使用提供更多的安全余量；對(duì)于引信解除保險(xiǎn)距離上限，意味著在此距離以外，引信解除保險(xiǎn)的可能性較高，我們關(guān)心的是估計(jì)值的置信上限，這樣才能有把握保證引信完全解除保險(xiǎn)，進(jìn)而不影響戰(zhàn)術(shù)使用。

以上述討論內(nèi)容為出發(fā)點(diǎn)，根據(jù)所謂新單側(cè)容限系數(shù)法［2］，將總體p1、p2分位數(shù)分別視為一隨機(jī)變量，表達(dá)式分別為：

正系數(shù)。

將N 個(gè)W1樣本w11，w12，w13，…，w1N及W2樣本w21，w22，w23，…，w2N分別 按照從小到大的 順 序進(jìn)行排序，得到整理后的樣本。對(duì)于W1，變?yōu)閣1（1），w1（2），w1（3），…，w1（N），對(duì) 于W2，變 為w2（1），w2（2），w2（3），…，w2（N），據(jù)此我們可構(gòu)造出引信解除保險(xiǎn)距離上下限分位數(shù)的單側(cè)置信區(qū)間，引入置信度γ，則：

對(duì)于p1分位數(shù)，定義：

式（5）稱為在置信度γ下，引信解除保險(xiǎn)距離p1分位數(shù)的置信下限。

對(duì)于p2分位數(shù)，定義：

式（6）稱為在置信度γ下，引信解除保險(xiǎn)距離p2分位數(shù)的置信上限。

2 Bootstrap法在引信解除保險(xiǎn)距離上下限估計(jì)中的應(yīng)用

2.1 Bootstrap法簡(jiǎn)介

Bootstrap法是斯坦福大學(xué)Efron教授提出的一種逼近復(fù)雜統(tǒng)計(jì)量估計(jì)值分布的通用方法，該方法擺脫了傳統(tǒng)統(tǒng)計(jì)方法對(duì)分布假定的限制，只依賴于給定的觀測(cè)樣本，適合于任何分布和任何感興趣的參數(shù)估計(jì)。

Bootstrap法的核心工作流程是利用經(jīng)驗(yàn)分布函數(shù)代替總體分布函數(shù)［3］，從經(jīng)驗(yàn)分布函數(shù)中隨機(jī)抽取樣本以估計(jì)統(tǒng)計(jì)量的抽樣分布。相當(dāng)于從樣本x1，x2，x3，…，xn中進(jìn)行有放回再抽樣，其中x1，x2，x3，…，xn中每一個(gè)xi以等概率出現(xiàn)。其基本步驟為：

1）由樣本x1，x2，x3，…，xn構(gòu)造經(jīng)驗(yàn)分布Fn。

3）用θ＊=θ＊（X＊，F(xiàn)n）的分布去逼近θ=θ（X，F(xiàn)）的分布（θ＊的分布稱為Bootstrap分布）。

從以上關(guān)于Bootstrap 法原理的介紹可看出，Bootstrap法解決的恰恰就是前文中N 個(gè)W1樣本w11，w12，w13，…，w1N及W2樣本w21，w22，w23，…，w2N的構(gòu)造問題，因此Bootstrap法可用于計(jì)算引信解除保險(xiǎn)距離p1分位數(shù)的置信下限及引信解除保險(xiǎn)距離p2分位數(shù)的置信上限。

由于以上置信上下限估計(jì)方法在概率收斂性方面還存在一些不足，Efron提出了改進(jìn)，即糾偏百分位法，其思路簡(jiǎn)述為若出現(xiàn)大部分Bootstrap 估計(jì)量^θt=θ（X＊t），t=1，2，3，…，T 小于實(shí)際樣本統(tǒng)計(jì)量，則意味著Bootstrap 模擬低估了實(shí)際樣本統(tǒng)計(jì)量，為糾正這一偏差，置信上下限必須向大值調(diào)整；相反，如果大部分Bootstrap 估計(jì)量大于實(shí)際樣本統(tǒng)計(jì)量，則意味著Bootstrap 模擬高估了實(shí)際樣本統(tǒng)計(jì)量，為糾正這一偏差，置信上下限必須向小值調(diào)整。該糾偏過程由糾偏量d0實(shí)現(xiàn)［4-6］。

式（7）中，Φ-1［·］為標(biāo)準(zhǔn)正態(tài)分布函數(shù)的反函數(shù)，I（·）為示性函數(shù)，其定義為：

當(dāng)需計(jì)算引信解除保險(xiǎn)距離的這p1分位數(shù)置信下限時(shí)，

這樣，上文提到的引信解除保險(xiǎn)距離p1分位數(shù)的置信下限修正為m1（1-γ+2d0）。

當(dāng)需計(jì)算引信解除保險(xiǎn)距離的p2分位數(shù)置信上限時(shí)，

這樣，上文提到的引信解除保險(xiǎn)距離p2分位數(shù)的置信上限修正為m2（1-γ+2d0）。

2.2 具體實(shí)施步驟及仿真計(jì)算

Bootstrap法的簡(jiǎn)要計(jì)算流程為：

1）假設(shè)正態(tài)分布N（μ，σ2）的兩個(gè)參數(shù)μ、σ已知，從總體中隨機(jī)生成n個(gè)樣本x1，x2，x3，…，xn，方便起見，與前文例子保持一致，取μ=120，σ=10，n=10；

2）計(jì)算以上n個(gè)樣本的p1分位數(shù)估計(jì)=+以及p2分位數(shù)估計(jì)=+，取p1=0.05，p2=0.95；

3）以樣本x1，x2，x3，…，xn為基礎(chǔ)，進(jìn)行T（T=1 000）次Bootstrap抽樣，獲得T 個(gè)樣本，，，…，，計(jì)算每個(gè)Bootstrap樣本的p1分位數(shù)估計(jì)=ˉx＊+μp1βs＊以及p2分位數(shù)估計(jì)=+μp2βs＊；

4）按照式（7）分別計(jì)算兩個(gè)糾偏量；

6）考慮到隨機(jī)性因素，重復(fù)1）-4）k 次（本文取k=3 000）。

編制相應(yīng)仿真程序，計(jì)算結(jié)果如表3。

表3 Bootstrap法仿真結(jié)果

同時(shí)給出其中一次仿真計(jì)算結(jié)果，見表4。

表4 Bootstrap法單次仿真結(jié)果Tab.4 Single simulation result of Bootstrap

從表3中可看出，相對(duì)于現(xiàn)行方法，Bootstrap法對(duì)于總體參數(shù)μ、σ、x0.05、x0.95的估計(jì)結(jié)果均值基本一致，但對(duì)于x0.05、x0.95的估計(jì)，單次樣本下^w＊1與x0.05真值之間的差值在（-5.99，-3.89）間變化；^w＊2與x0.95真值之間的差值在（-0.86，1.37）間變化，最大偏差率由17.7%降低為5.8%，估計(jì)結(jié)果的單次散布較現(xiàn)行方法大為減小，從而降低了試驗(yàn)誤判的可能性。

3 結(jié)論

本文提出了基于Bootstrap法的機(jī)電引信解除保險(xiǎn)距離試驗(yàn)數(shù)據(jù)處理方法，該方法可有效克服現(xiàn)行方法中單次試驗(yàn)估計(jì)偏差大的缺陷。仿真計(jì)算結(jié)果表明Bootstrap 法上下限分位數(shù)單次散布較小，大大降低了試驗(yàn)誤判的可能性。

［1］峁詩(shī)松.統(tǒng)計(jì)手冊(cè)［M］.北京：科學(xué)出版社，2003.

［2］李洪雙，呂震宙.小子樣場(chǎng)合下估算母體百分位值置信下限和可靠度置信下限的Bootstrap 方法［J］.航空學(xué)報(bào)，2006，27（5）：789-794.

［3］Wendy L.Martinez.Computational Statistics Handbook with MATLAB［M］.London：Chapman ＆ Hall，2002.

［4］Efron B.The jack knife，the bootstrap，and other resampling plans［M］.Philadelphia：The Society for Industrial and Applied Mathematics，1982.

［5］Efron B.Tibshirani R J.Bootstrap methods for standard errors，confidence intervals，and other measures of statistical accuracy［J］.Statistical Science，1986（1）：54-77.

［6］Efron B.Tibshirani R J.An introduction to the bootstrap［M］.London：Chapman and Hall，1993.