双边截尾场合下BS疲劳寿命分布的参数估计

在双边定数截尾场合下,给出了Ｂｉｒｎｂａｕｍ －Ｓａｕｎｄｅｒｓ疲劳寿命分布的统计分析,给出了参数的拟最小二乘估计和近似极大似然估计,并用随机模拟方法比较极大似然估计、近似极大似然估计和拟最小二乘估计的偏性和均方误差．     

极值分布的极大似然估计及计算机实现

极值分布在计量经济学、金融工程、计算生物学、工程测量中都有用途,一般常用最小二乘法估计其参数,但最小二乘法的误差较高.极大似然估计具有比最小二乘法更好的性质,但由于它的计算往往比较麻烦.通过极大似然法估计了极值分布的参数,同时给出了求参数的数值解的算法,并通过Matlab程序实现了这一算法.     

广义指数分布下循环序加试验模型的参数估计

针对产品寿命服从广义指数分布的情况,讨论了循环序进应力加速寿命试验的模型,给出相应参数的3种估计方法:极大似然估计法、极大似然估计与最小二乘估计相结合的估计方法,以及最小距离估计和最小二乘估计相结合的估计方法,并利用数据模拟比较了它们的优劣性.     

NEAR (p) 模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好； 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

最大似然估计在一元线性回归中的应用

最大似然估计是参数估计的常用方法。应用最大似然估计方法估计一元线性回归方程中的未知参数,与用最小二乘估计得到相同的结果,说明此方法的适用性。     

分组数据下两参数指数分布的参数估计

考虑两参数指数分布的参数估计问题,在分组数据和最小观察值下,给出了参数的精确极大似然估计.它比在分组数据下文献中的近似极大似然估计有更好的精度,蒙特卡罗模拟表明了这一点.     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计, 给出了模型参数的Bayes估计因子, 并通过数值模拟将Bayes估计与Yule Walker估计、 条件最小二乘估计、 条件极大似然估计进行比较. 结果表明, Bayes估计方法在一定情形下优于其他方法.     

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.     

最小二乘估计的不变性

本文推广了多元线性模型中最小二乘估计的概念,给出了参数函数的最小二乘估计的定义,并指出了最小二乘估计的不变性和它与充分统计量的关系以及在正态模型中它与极大似然估计的等价性。     

再论Gumbel分布参数估计及在水位资料分析中应用

利用某条河流3个水位观测站的历年最高水位资料，分别用极大似然法、矩法及最小二乘法对GLmbel分布中的参数进行了估计．探讨了3种估计方法的统计性质，并给出了这条河流3个观测站若干年一遇的最高水位曲线．极大似然法给出的估计量在很多方面都具有较好的且稳定的表现．     

缩减状态序列估计算法的实现研究

基于信号子集分割原理和信道离散时间模的特点，分析了无记忆信号缩减状态机的状态转换规律，并提出一种通用实现方法，该方法具有实现简单，计算量小，存储量小的特点，了地解决了ＲＳＳＥ算法的实现问题。     

高维ARCH(q)模型噪声密度函数的估计

采用核密度估计方法对高维ARCH(q)噪声的密度函数进行估计, 给出此估计的相合性和随机模拟结果, 并用该方法对深沪股市数据进行了分析 .     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

一种基于参数优化C-SVM的脑电信号分类方法及应用

脑电信号（electroencephalograph,EEG）由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机（support vector machines, SVM）的脑电信号特征分类方法在选取惩罚参数与核函数参数时大都只是采用经验数据,而忽略了参数优化对提升SVM分类效果重要性,而现有的参数优化方法计算复杂严重影响了分类效率。针对以上问题,提出了一种通过交叉检验和LOO误差上界对C SVM中的惩罚参数C和核函数参数进行优化的方法,并在理论分析的基础上结合实验证明了参数优化后的分类方法能够有效提高脑电信号分类的准确率且对分类效率影响不大。     

Suboptimal MMSE Channel Estimation with Subspace Tracking for MIMO-OFDM Transmission

A suboptimal minimum mean-squared error estimation (MMSE) is proposed for a dispersive wireless channel in the absence of its correlation matrix for multiple-input multiple-output orthogonal frequency division multiplexing (MIMO-OFDM) transmission.It utilizes a fast subspace approximation tracking to separate signal subspace with a limited set of channel estimates.The subspace rank is adjusted by pre-set thresholds in different signal-to-noise ratios (SNRs).The performance comparison among the proposed algorithm,least square based,and the optimal MMSE estimation is shown by numerical simulation under a spatially correlated multi-tap channel scenario.It demonstrates that the approach has better normalized mean square error than recursive least square estimation and yields 3 dB gain over the latter.     

(a,b)类分布的统计性质

通过用Bayes方法对(a,b)类分布进行分析,研究相关方差与期望的关系,并给出a与b的矩估计和极大似然估计(MLE).在极大似然估计基础上,利用Lindley逼近引理,给出(a,b,0)类的Bayes估计,并运用MATLAB进行相关模拟.模拟结果表明,对于(a,b,0)类分布的估计,若样本数量较大,则选择Bayes估计更好;反之,选择矩估计更好.     

基于傅立叶变换的OFDM信道估计方法研究

分析了无线OFDM 系统中基于傅立叶变换的信道估计方法,提出了在低信噪比情况下使用LMMSE估计的一种改进方法和在高信噪比情况下使用不需要先验信息的LS估计的改进方法。仿真结果表明，在无线多径慢衰落信道条件下，该改进方法都能够有效对抗频率选择性和先验信息的估计偏差对信道估计的影响，在估计性能与算法复杂度之间取得良好折衷。     

基于IRT若干参数估计方式的比较

在项目反应理论（IRT）框架下，就目前流行的若干能力参数和项目参数的估计方法进行分析比较，阐述了它们各自适用的范围和不足之处，为选用估计方法提供依据。     

SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。