线性回归模型系数的有偏估计研究

针对引起线性回归模型LS估计性能变坏的根本原因,提出了回归系数的广义c-K估计,将众多经典的有偏估计结合在一起,对有偏估计的改进进行研究.分别证明了选择广义岭参数可对狭义岭估计进行改进,选择压缩因子可对广义岭估计进行改进,给出了参数的最优值.为病态线性回归模型系数的有偏估计的改进提供了有效途径.     

INARS(p)模型的拟似然统计推断

用拟似然方法对p阶基于符号伯努利稀疏算子的整值时间序列模型参数进行估计,得出了参数修正的拟似然估计因子以及该估计因子的极限分布(可以用此极限分布对模型参数进行假设检验等统计分析),并通过数值模拟,将修正的拟似然估计与条件最小二乘估计进行了比较,结果表明,修正的拟似然估计在一定条件下明显优于条件最小二乘估计.     

卡尔曼滤波方法在β估计中的应用

利用最优估计理论中常用的卡尔曼滤波方法对口系数进行实时估计和预测估计,并将其估计结果与传统的回归分析方法的估计结果进行比较．实证结果充分体现出卡尔曼滤波方法在证券投资分析中的优越性。     

基于驱动电流的动态铣削力估计方法

在基于电流信号的铣削力估计中,提出将铣削力的估计分为常值部分与时变部分分开估计的策略.为了实现铣削力动态波形的精确估计,对实测电流信号和铣削力信号进行了深入的分析,提出采用分频估计的方式进行铣削力波形的估计.当使用电流进行铣削力估计时,先将电流信号按频率特征分解为不同电流分量,然后分别估计每种电流分量对应的铣削力分量大小,最后合成铣削力的估计值.不同转速、切深、切宽下的实验表明这种铣削力的估计方法可以很好地对动态的铣削力进行估计.     

论统计调查中的域估计及其实证研究

抽样调查是获得统计数据的一项重要途径，而时需要进行研究的层次作为子总体进行分层抽样实际上就是域估计问题。首先介绍了域估计的两种方法，包括直接估计和间接估计，然后对域估计进行了案例分析，最后对间接估计和直接估计的特点进行了对比分析，发现在一般情况下，如果样本量很充足，也无缺失数据，则使用传统的直接估计方法最为便利。当直接估计方法不能很好地满足我们的需求时，使用模型来进行间接估计就是一种必要的选择。     

利用信号的循环平稳特性进行空间源数估计

提出利用文中构造的循环互相关矩阵进行特征空间分解,并根据特征值的相对大小进行源数估计的方法,该方法适用于宽带和窄带源,并可较好地解决相干源的源数估计问题,用该方法进行源数估计在波达方向（ＤＯＡ）估计中基本不增加运算量,而且在低信噪比下,仍能准确地进行源数估计。用蒙特卡洛试验证实了该方法的源数估计性能优于通常的源数估计方法。     

一种改进的虚拟阵列语音信号DOA估计算法

虚拟阵列DOA(Direction Of Arrival)估计算法由于计算量低和资源利用率高得到了快速发展,然而虚拟阵列语音信号DOA估计算法还少有报道.本文为了提高语音信号DOA估计的准确度,对虚拟阵列语音信号DOA估计算法进行了改进.算法首先对接收信号进行能量及熵结合的语音分帧检测;其次基于功率谱方差最小和谱熵最大两个原则分别对检测后的信号进行选帧,并对选出的帧做DOA估计;最后将两者的DOA估计结果进行加权平均.本文对方差选帧的DOA估计结果、谱熵选帧的DOA估计结果和两者加权平均后的DOA估计结果进行了比较.实验结果和分析表明结合方差选帧及谱熵选帧的DOA估计算法在用于虚拟阵列语音信号DOA估计时有更高的准确率.     

两种统计框架下均匀分布参数估计的对比研究

在理论和模拟方面对均匀分布U (0,θ ) 参数θ 的Bayes 估计与极大似然估计进行对比研究. 首先将基于损失函数和共轭先验得到的Bayes 估计与极大似然估计在形式上进行对比,发现所得Bayes 估计不但在数值上略大于极大似然估计,而且还是参数的相应函数的极大似然估计;然后通过模拟研究两种估计方法对参数的返真性,结果表明所得的Bayes 估计的均方误差在大多数场合下都小于极大似然估计的均方误差.     

FMT系统中信道估计的分析与仿真

根据FMT系统的特点,研究了在FMT系统中进行信道估计的方法．在此基础上,改进了基于扩频序列的信道估计方法．理论分析和计算机仿真结果均表明,在时域中对FMT系统进行信道估计简单有效,并且基于扩频序列估计的性能优于LS估计,改进后的估计方法进一步提高了性能。     

广义岭型主成分估计优良性研究

对有偏估计中的广义岭型主成分估计的优良性进行了较深入的研究.证明了广义岭型主成分估计优于最小二乘估计的充要条件,并在此基础上对几类常见的有偏估计在均方误差(阵)条件下优于最小二乘估计的充要条件进行了拓展.     

基于IEEE802.16e的MIMO-OFDM系统的信道估计研究

研究了基于IEEE802.16e的MIMO-OFDM系统导频辅助的信道估计算法。分别对LS信道估计算法和LMMSE信道估计算法进行了研究,导出其估计均方差。为降低算法复杂度,利用奇异值分解进行简化,实验表明能有效地降低计算复杂度,并获得较好的估计性能,最后在IEEE802.16e环境下进行了仿真。     

一种基于L型阵列的改进的二维DOA估计方法

二维DOA估计在电子侦察、智能天线、雷达等方面都有广泛应用.二维DOA估计的方法有很多,主要用水平面L型阵列和ESPRIT算法进行二维DOA估计.提出用水平线阵和垂直线阵构建L型阵列,分成四个子阵,计算四个互相关矩阵,四个互相关矩阵构造一个特殊的大矩阵,对该矩阵进行特征值分解获得信号子空间估计,再用ESPRIT算法进行方位角和仰角的估计.该方法可以直接得到目标仰角,不需要换算,简化了计算,通过子空间估计,提高了DOA估计的分辨率并可以估计更多目标的DOA.仿真结果表明本文的改进二维DOA估计方法提高了DOA估计的精度.     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。     

二项分布参数的信仰区间估计

利用信仰推断得到单个二项分布参数的信仰分布,由此给出了参数的信仰区间估计。通过数值模拟对信仰区间估计与其它区间估计进行了比较,模拟结果表明信仰区间估计优于其它区间估计。     

CAT能力估计方法的比较研究

该文通过用蒙特卡罗模拟法对几种能力估计方法进行比较研究,得出了CAT能力估计方法的较好设计方案.蒙特卡罗模拟结果表明,能力估计精度依赖于能力探查阶段和精确估计阶段的估计方法.     

基于RUKF-IMM的非线性系统滤波

从交互式多模型估计(IMM)方法的特点出发,提出用IMM估计方法对有测量数据丢失的非线性系统进行估计.IMM模型集中包含两个模型:一个模型对应测量数据丢失情况,另一个对应测量数据未丢失.最终基于两个模型的估计进行融合得到估计结果,改善估计器在测量信息丢失情况下的稳定性.采用随机无迹卡尔曼滤波(RUKF)方法对每个模型分别进行滤波,消除标准无迹卡尔曼滤波(UKF)方法的系统误差.仿真结果表明:在测量信息丢失的情况下,提出的估计方法在稳定性与估计性能上都优于传统的基于单模型的非线性系统混合估计方法.     

自相关法多途时延估计及其实验结果

讨论自相关多途时延估计方法,分析了自相关多途时延时估计方法的估计精度,并将其与ＭＬＥ估计器进行了比较;并针对实际情况讨论了海面波动对多途时延的影响,用自相关法对一组海上试验的数据进行了处理,并对处理结果进行了分析,理论分析与实际数据处理表明,自相关法是工程中进行多途时延估计的较好方法。     

具有时滞的非线性调节系统稳定性参数区域的估计

具有时滞的非线性调节系统稳定性的三个估计即稳定性扇形边界的估计、稳定性参数区域的估计和稳定性衰减时间的估计属于工程设计的范畴。第一个问题我们已经进行了研究,其结果发表于《Scienitia Sinica》,本文在此基础上继续对第二个问题进行估计。     

一种智能状态估计方法及应用

为提高机理复杂工况变化较大的一类生产过程状态估计的精度 ,提出一种基于多模型和专家知识的智能状态估计方法 ,并给出了用于青霉素发酵过程状态估计的结果。这种方法采用多个状态估计模型进行估计 ,然后由优选专家系统选择一个最优的作为最终结果。给出了状态估计系统的结构及优选专家系统的结构和设计。优选专家系统采用改进的 Bayes方法进行不确定性推理。这一估计方法可以应用于类似于青霉素发酵这类机理复杂过程的状态估计。     

Mlinex损失函数下反向帕累托分布形状参数的Bayes估计

文章研究了Mlinex损失函数下反向帕累托分布的参数估计问题。在已知反向帕累托分布位置参数的情况下,给出形状参数的五种估计方法：极大似然估计、最大后验估计、经典Bayes估计、多层Bayes估计、E-Bayes估计,并推导出相应估计方法下的具体表达式。利用MC方法在R软件下进行数值模拟,对比模拟数据确定了参数估计的最优环境,并验证了估计方法的合理性和估计结果的准确性与稳健性,得到了E-Bayes估计为最优估计方法的结论;最后利用最优估计方法对实例进行数据拟合,确定了新疆县市级城市的人均城市道路面积可以利用反向帕累托分布近似拟合,并结合最终数据给出了相应的数据分析。