设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

最优加权最小二乘估计与线性无偏最小方差估计性能比较

在给定的线性模型下,讨论了最优加权最小二乘估计与线性无偏最小方差估计性能比较,在噪声方差矩阵可逆条件下,可算出线性无偏最小方差估计与最优加权最小二乘估计方差的差表达式,并在一定条件下,两者趋于一致。     

增长曲线模型中协差阵与回归系数阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵与回归系数阵的最小模不变二次加线性无偏估计,并得到了最小模不变二次加线性无偏估计成为一致最小方差不变二次加线性无偏估计以及一致最小方差不变二次加线性无偏估计存在的充要条件。     

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criterion)准则下研究了BLUMV估计相对于OWLS估计的优良性。     

恒加试验中F(t-μ/σ)型寿命分布参数线性无偏估计的改进

给出了F(t-μ/σ)型寿命分布在恒加试验中，加速方程的两个系数a和b，以及尺度参数σ的一种新的最优线性无偏估计，所得到的估计比常用的加权最小二乘估计a和b，以及线性无偏估计σ的方差更小，且计算较为简便。最后，讨论了常见F(t-μ/σ)型寿命分布参数μ、σ在定时截尾试验下的近似无偏估计以及它们的方差、协方差。     

增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵的最小模估计,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件.     

椭球等高分布情形下扩展增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了扩展增长曲线模型中协差阵的最小模估计,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件。     

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.     

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.     

基于噪声特征的高精度脉冲相位估计方法

建立了脉冲相位估计模型,提出了加权非线性最小二乘方法,利用脉冲轮廓噪声的统计特征构造了最优加权矩阵,分析了提出方法的理论精度和计算复杂度,并与克拉美-罗下界进行比较.数值仿真和实验表明:提出的方法具有最小方差的渐近无偏估计,当观测时间较长时,该方法的性能优于非线性最小二乘方法,接近最大似然方法,但计算复杂度要明显低于最大似然方法.对于Crab脉冲星,当观测时间为80s时,该方法的距离估计误差比非线性最小二乘法小400m.     

A Novel Two-step Frequency Offset Estimator for OFDM

Based on an orthogonal frequency division multiplexing（OFDM） training symbol with L identical parts, a novel carrier frequency offset （CFO） estimator is proposed for OFDM systems. The CFO is estimated in two steps, fine estimate and coarse estimate. In the first step, the fine estimation is performed based on the principle of minimum variance. However, the fine estimation has ambiguity since its estimate range is limited. In the second step, the coarse estimation is obtained, which results in a larger estimate range but less precision. Using the coarse estimation, the ambiguity of fine estimation is resolved. To fully use the correlation among L identical parts, the fine estimation resolved the ambiguity and the coarse estimation are optimally combined to obtain the final estimation. Furthermore, the estimation variance of the proposed method is derived. Simulation results demonstrate that the novel two-step estimator outperforms the conventional two-step estimator in terms of estimate performance and computational complexity.     

广义逆的递推算法及其应用

在简化{1}-,{1,2}-和{1,2,3,4}-逆并给出{1,3}-,{1,2,3}-,{1,4}-和{1,2,4}-逆的基础上,得到了递推滤波、固定点平滑、固定滞后平滑和预报算法,并由此得到离散线性随机和定常系统状态的最佳线性最小无偏估计.证明了给出最佳线性无偏估计的充要条件而无需初始状态的先验统计知识.对于定常系统,给出了滤波、固定点平滑、固定滞后平滑和预报形式的无差状态观测器而无需系统是时不变和完全可观测性的.     

多传感器线性最小方差最优信息融合估计准则

用Lagrange乘数法和矩阵微分运算,分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则,其中考虑了估计误差之间的相关性,推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担,可应用于信息融合状态或信号最优估计。     

两传感器信息融合稳态Kalman滤波器和平滑器

应用Kalman滤波方法,基于Riccati方程,对输入噪声和观测噪声相关,且传感器观测噪声相关的两传感器系统,在线性最小方差最优信息融合准则下,提出了按矩阵加权最优信息融合Kalman滤波器和平滑器。为了计算最优加权阵,提出了局部估计误差互协方差阵的计算公式。同单传感器情况相比,可提高融合估计精度。一个目标跟踪系统的仿真例子说明了其有效性。     

遭受执行器攻击的工控系统输出反馈滑模控制

针对工业控制系统存在测量噪声及外界执行器攻击问题,提出一种基于无偏状态估计的输出反馈离散滑模控制方法。在执行器攻击存在的情况下,构造等效滑模控制律。由于攻击信号与系统状态未知,通过引入无偏状态观测器从遭受噪声干扰的传感测量数据中获得系统真实状态的最小方差无偏估计量。在此基础上,利用一步延时攻击估计得到攻击信号的近似估计值,使所设计的鲁棒滑模控制律得以实现。给出了在此控制律作用下滑模面的收敛性分析及闭环系统最终有界稳定的证明。数值仿真实验结果验证了面向执行器攻击的无偏状态估计器的有效性,也表明与传统滑模控制方法相比,提出的输出反馈滑模控制方法对执行器攻击具有更强的抑制力,能够有效提高系统的鲁棒性能。     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

任意相关噪声线性系统异步状态向量融合

基于线性无偏最小方差估计理论,提出了一种任意相关噪声线性系统异步状态向量融合算法.该算法将融合中心的采样周期设定为传感器测量周期的最小公倍数,使得传输到融合中心的局部状态估计在每个周期内具有相同的数目,减少了跟踪滤波的计算量.在跟踪滤波器的增益阵中引入测量噪声与过程噪声的相关量和测量噪声之间的相关量,增加了描述多传感器融合系统的信息量.仿真结果表明,状态向量融合算法比噪声不相关融合算法具有更好的跟踪性能,航迹跟踪的精度得到了改善.