一种新的MPSK信号信噪比估计算法

针对现有PSK信号信噪比估计算法估计精度不高,估计范围小的问题,本文在高阶统计量的基础上,使用全回归线性分析方法得到了一种新的MPSK信噪比估计算法。新算法首先建立信噪比与统计量之间的线性关系,再利用全回归方法拟合出各线性系数。经仿真表明：该算法综合使用各阶统计量信息,扩大了现有信噪比估计算法的估计范围,并使得低信噪比估计性能明显优于其它算法。     

含空间自相关误差项的非参数回归模型的调整经验似然估计

利用调整经验似然的方法,研究了含空间自相关误差项的非参数回归模型的调整经验似然估计问题。通过鞅差序列处理该模型估计方程中出现的线性二次型形式,构造出该模型的经验似然比统计量。针对经验似然估计方程可能不存在解的情况构造调整经验似然比统计量,证明了该调整经验似然比统计量是渐近卡方分布的,并且对该调整经验似然比统计量的渐进功效进行了研究。     

Jackknife方法在医学统计中的应用

Bootstrap方法在统计中的应用日益广泛,作为该方法的补充,本文介绍Jackknife方法在医学统计中的应用。应用Jackknife方法对Logistic回归模型中回归系数的标准差(标准误)的Bootstrap估计的方差进行估计。Jackknife方法可以很方便估计出Logistic回归模型中回归系数的标准差。本文的结果表明Jackknife方法可以用于对不易估计统计量的标准差进行估计。     

一种推广的非高斯相关噪声中高斯信号的时延估计方法

介绍了高阶统计量与互相关运算相混合的方法，在对非高斯相关噪声中，高斯信号进行时延估计中的应用。该方法首先计算出观测的四阶累积量，然后利用累积量投影公式计算二阶统计量，最后利用互相关方法确定信号的时延参数。仿真结果与二阶和三阶统计量相结合的混合方法进行了比较。结果表明该方法具有优越性。     

基于高阶累计量的车辆上下行声频检测方法

提出了一种基于麦克风阵列信号处理的车辆上下行估计的新方法,将车辆的上下行估计归结为阵列信号处理中的波达方向变化的估计。针对车辆噪声信号的复杂性和二阶统计量的局限性,采用高阶累计量实现了DOA估计,并说明了基于高阶累计量实现的估计结果明显优于二阶统计量。最后通过试验论证了该方法在实现行车方向估计时的有效性。     

重尾过程协整检验的Bootstrap逼近

重尾过程的协整检验统计量渐近分布含有不可估计的重尾指数α,针对重尾过程的协整检验运用Bootstrap抽样算法,在不估计重尾指数α的情况下,计算了该检验统计量的临界值,并且证明了该算法在理论上的合理性.Monte Calo模拟说明该方法有效.     

一种雷达网络偏差估计补偿方法

为了提高雷达目标跟踪精度,针对雷达网络跟踪系统的时变配准偏差补偿问题,该文提出了一种通用的估计补偿方法.该方法根据雷达提供的测量信息,引入伪测量方程和等价偏差的概念,结合卡尔曼滤波方法估计出雷达的量测偏差和位置,用于补偿和修正量测信息.该方法使雷达的跟踪精度比补偿前明显提高.统计意义下的仿真结果显示了该方法的有效性.     

缺失数据样本下艾拉姆咖分布的参数估计

首先给出艾拉姆咖分布次序统计量的密度函数,得到次序统计量的相关特征数;其次在缺失数据样本下给出参数的无偏估计、近似极大似然估计及置信区间;最后通过实例计算出参数的几种估计,验证其优良性.     

基于二阶和高阶统计量DOA估计算法的对比

阵列信号处理是信号处理的一个重要分支,而波达方向估计又是阵列信号处理的一个重要方面,一些常用的方法可以用来获得DOA估计,例如基于二阶统计量的MUSIC法,但是这些方法存在一些缺点.对比了基于二阶和高阶统计量的DOA估计算法性能,仿真结果表明,基于高阶统计量的DOA估计算法具有更好的性能,此外,还分析了基于二阶或高阶统计量的DOA估计算法的相同点和不同点.     

二水平正交饱和设计中零效应搜索法的进一步研究

文[4]中提出的零效应搜索法是分析饱和设计的一个新的有效的方法.利用次序统计量期望的另一个性质,用零效应搜索法的思想构造出了相应的检验统计量,对此统计量的性质进行了研究.模拟结果显示,文章的检验统计量也能很好的识别出饱和设计中的显著因子,对误差方差的估计效果也很好.     

多传感器系统模型参数和噪声统计的一种信息融合辨识方法

对于带有未知模型参数和未知相关噪声统计的多传感器随机系统,基于ARMA新息模型,利用相关方法,用平均局部的模型参数和噪声统计估值器的方法,提出了模型参数和噪声统计信息的在线信息融合估计器,它们可以被解释为最小二乘融合估计,并证明了相应的辨识器具有强一致性,即以概率1收敛于相应的真实值.一个2传感器系统的仿真例子说明其有效性.     

门限自回归模型中门限和延时的小波识别

文章对门限自回归模型进行了研究,运用小波分析方法构造了延时和门限的两种估计量,同时估计了门限的数目.文章中获得了这些估计量的收敛速度和统计量的渐近分布,并且门限的估计量具有最佳收敛速度.     

多元约束线性回归中异常值检验

讨论了带约束的多元线性回归模型中异常值的检验问题,证明了带约束的多元数据删除模型与相应的均值漂移模型的统计量之间的等价性,得到了异常值检验的似然比统计量及其分布。     

多传感器系统噪声统计辨识的一种相关方法

对于带未知噪声统计和相关噪声的多传感器线性离散定常随机系统,通过左素分解将观测过程表为两个滑动平均(MA)过程之和,利用解相关函数矩阵方程组方法得到系统的噪声方差、相关阵及互协方差的在线估计器.基于观测过程的采样相关函数的遍历性证明了噪声统计估值器是强一致的.一个两传感器带相关噪声系统的仿真例子说明了方法的有效性.     

变系数部分线性EV面板数据模型的效应检验

研究了带测量误差的变系数部分线性面板数据模型中个体效应的检验问题。 基于截面最小二乘方法分别对固定效应模型和随机效应模型中参数部分和非参数部分进行估计,经过纠偏处理后分别得到修正后的估计量,并构造出参数 Hausman 检验统计量和非参 Hausman 检验统计量;进一步,在小样本下结合 Bootstrap 抽样方法和Hausman 检验统计量得到检验的拒绝域,并通过模拟来检验统计量的功效;最后利用本文方法实证分析研究了国内 16 家上市银行绩效影响因素,并给出了实质性建议。     

矩约束条件下的广义经验似然

讨论矩约束条件下的广义经验似然比统计量族以及相应的性质。此统计量实际上是B aggerly(1998)所介绍的广义经验似然比统计量的一种推广。在一定条件下,证明了此分布族中的统计量与Ow en(1988)和Q in and L aw less(1994)的经验似然是一阶渐近等价的。因此,这些统计量的分布均是渐近于2χ分布,相应的估计也都满足相合性和渐近正态性。     

自校正解耦融合Kalman滤波器及其收敛性

对带未知噪声统计的多传感器系统,提出了基于相关方法的噪声统计在线估值器,进而提出了自校正Riccati方程和自校正Lyapunov方程.在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Kalman滤波器,并用动态误差系统分析(DESA)方法证明了它收敛于最优分量解耦融合稳态Kalman滤波器,因而具有渐近最优性,它的精度比每个局部自校正Kalman滤波器精度高,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

带相关噪声系统的自校正观测融合Kalman滤波器

对于带有相关噪声和未知噪声统计的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线估计器.基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用.利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性.一个3传感器系统的仿真例子说明其有效性.     

自校正信息融合Wiener滤波器及其收敛性

对带未知噪声统计的多传感器系统,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器,并提出了自校正Lyapunov方程.用现代时间序列分析方法,基于滑动平均(MA)新息模型的辨识,在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Wiener滤波器,并用动态误差系统分析(DESA)的方法证明了自校正Lyapunov方程的收敛性,进而证明了自校正融合Wiener滤波器收敛于最优融合Wiener滤波器,因而具有渐近最优性.它的精度比每个局部自校正Wiener滤波器精度都高,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计--改进s-K估计, 并在均方误差阵意义下, 得到了这类估计分别优于最小二乘估计、 广义岭估计、 Stein估计及s-K估计的充要条件.