有限总体中条件最优预测的稳健性

研究了有限总体中条件最优线性无偏预测的稳健性,得到了条件线性可预测变量的这种预测关于协方差阵具有稳健性的充要条件。     

一般生长曲线模型中条件最优预测的稳健性

研究了一般生长曲线模型中条件最优线性无偏预测的稳健性,得到了条件线性可预测变量的这种预测关于协方差矩阵具有稳健性的充要条件.     

线性等式约束下多元线性模型的简单投影预测

研究了线性等式约束下一般生长曲线模型的简单投影预测疗θcspp关于协方差阵的稳健性,得到θcspp为条件线性可预测变量的条件最优线性无偏预测的充要条件,推广了Bolfarine H等的有关结果．     

多元线性模型中的条件最优预测

研究了带线性等式约束下任意秩多元线性模型中条件可预测变量的最优预测。特别地考虑了一类特殊的预测函数：φ－线性预测函数，给出了条件φ－线性可预测变量和条件最优φ－线性无偏预测的定义。得到了条件φ－线性可预测变量的条件最优φ－线性无偏预测，并证明了它在几乎处处意义下的唯一性。     

一般增长曲线模型中线性预测的可容许性

研究了一般增长曲线模型中线性可预测变量的最优预测,给出了可容许线性预测的定义,并分别在齐次线性预测类和非齐次线性预测类中得到了线性可预测变量的一个线性预测是可容许预测的充要条件．     

基于预测神经元模型的语音线性预测系数求解新方法

采用预测神经元作为语音信号线性预测模型的一种实现形式,可将线性预测系数的求解问题转化为预测神经元的训练问题,并运用BP算法得到了[神经元权值（即线性预测系数）的递推计算公式,考虑到语音信号能量的不确定性,提出了运用相对预测误差能量作为判断的参数,并按清音和浊音中两种情况讨论了收敛判据,由于利用预测神经元的迭代训练算法,理论上可以最大限度地挖掘语音样本中的相关性,因而可得到非常精确的线性预测系数,计算结果表明,运用预测神经元方法所得到的线性预测系数,精度明显高于传统的杜宾算法和格型算法。     

多因变量线性模型下三类预测的最优性判别

在多因变量多元线性模型中就岭型主成分型预测与最优线性无偏预测、主成分型预测之间的最优性判别问题进行讨论.得到岭型主成分型预测在R(i)(·)准则下优于最优线性无偏预测和主成分型预测的两个充要条件,同时得到了其在MDE-准则和矩阵迹RT(·)意义下优于最优线性无偏预测和主成分型预测的充分条件.     

线性回归在机场加油量预测中的应用

线性回归是一种常用的预测方法,因其简单实用而应用广泛。机场供油工程中,旅客吞吐量、货邮吞吐量和起降架次等航空业务量直接影响到加油量需求,经统计数据验证,加油量与机场主要业务量之间呈线性关系,因此常常采用线性回归法预测机场加油量。本文以线性回归预测机场加油量的示例,通过8组预测结果与实际值进行比较,分析一元线性回归与多元线性回归的差别,以及采用不同范围的统计数据对预测结果的影响。通过比较和分析,提出对线性回归自变量选取的建议,并结合工作实践阐述了线性回归预测法在预测机场加油量时的应用特点、局限性、适用范围。     

线性模型最优线性无偏预测的一种相对效率

本文得到了一般线性模型中最优线性无偏预测的优良性,并研究了最优线性无偏预测和简单投影预测的一种相对效率。     

基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

降秩多元线性模型参数阵的一类有偏线性估计

本文对降秩多元线性模型的参数阵提出了一类有偏线性估计，讨论了许多重要的性质，从而把降秩模型中参数阵的估计问题转化为满秩模型中参数阵的估计问题，为了讨论方便，我们给出了一种特殊情况；最后，讨论了多元线性模型参数阵的Ｂａｙｅｓ线性估计。     

切换线性时滞系统的稳定性

研究了具有时滞的线性切换系统的稳定性问题。根据李雅普诺夫第二方法,找到适合讨论本文线性时滞系统的李雅普诺夫函数,然后对李雅普诺夫函数求导后的部分等式的处理采用了矩阵分解的方法,把矩阵分解为2个任意矩阵相乘的形式,这里主要采用的是矩阵的满秩分解,这样做的目的是便于运算,从而得到系统稳定的充分条件。同时给出了切换线性时滞系统切换律的设计,文中的判定条件与时滞无关,但切换律与时滞有关。利用MATLAB中线性矩阵不等式LMI工具箱求解,得到使得文中所讨论切换线性时滞系统稳定的解矩阵。最后通过数值算例验证了本文结果的可行性、正确性和有效性。     

降秩多元线性模型参数阵的BLU估计

本文研究了降秩多元线性模型的边界条件，得到了参数阵的最佳线性无偏估计（ＢＬＵ估计）。     

回归系数随机时线性预测的可容许性

在二次损失下研究了具有随机回归系数的任意秩有限总体中线性预测的可容许性,分别得到了线性预测Ｌｙｓ（Ｌｙｓ＋ａ）在线性预测类和一切预测类中是可容许线性预测的充要条件.     

基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。     

Improved Square-Root UKF Algorithm for State Estimation of Nonlinear Systems

The square-root unscented Kalman filter (SR-UKF) for state estimation probably encounters the problem that Cholesky factor update of the covariance matrices can't be implemented when the zero'th weight of sigma points is negative or the numerical computation error becomes large during the filtering procedure.Consequently the filter becomes invalid.An improved SR-UKF algorithm (ISR-UKF) is presented for state estimation of arbitrary nonlinear systems with linear measurements.It adopts a modified form of predicted covariance matrices,and modifies the Cholesky factor calculation of the updated covariance matrix originating from the square-root covariance filtering method.Discussions have been given on how to avoid the filter invalidation and further error accumulation.The comparison between the ISR-UKF and the SR-UKF by simulation also shows both have the same accuracy for state estimation.Finally the performance of the improved filter is evaluated under the impact of model mismatch.The error behavior shows that the ISR-UKF can overcome the impact of model mismatch to a certain extent and has excellent trace capability.     

矩阵损失下有限总体中的局部条件线性Minimax预测及唯一性

对于任意秩有限总体,在矩阵损失下,有关文献给出了线性预测函数的局部极大极小性。考虑带线性等式约束的线性模型{Cov（e）=σ^2V^E（e）=0^Hβ=0^y=Xβ＋e本文将在适当的假设下,得到线性可预测函数在一切预测类中任意秩有限总体的条件可预测变量的唯一局部条件线性Minimax预测（唯一性在几乎处处意义下理解）。