指数族非线性模型ML估计的渐近性质

在指数族非线性模型中，给出了相合估计存在的必要条件，并指出λｍｉｎ（Ｊｎ（β））趋于正无穷作为主要条件的必要性。同时，给出了指数族非线性模型ＭＬ估计相合性成立的一般条件。最后，在相对简单的正则条件下，证明了随机回归变量条件下ＭＬ估计的相合性和渐近正态性。     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

极大似然估计充分条件的探讨

极大似然估计为统计模型中参数的点估计之一，在存在性已有证明的基础上，运用分析知识，从指数型分布族的自然形式出发，对极大似然估计的唯一性给出了初等证明     

一类单边截断族中参数的渐近有效估计

本文对单边截断型分布族｛１τ∫（ｘ－θ）τ）ｄｘ｜θ∈Ｒ，τ＞０｝，构造了位置参数θ的一类渐近有效估计和自适应估计     

加窗LMS—ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法，这种方法以ＬＭＳ自适估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延仗估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理，理论分析和计算机仿真表明，这种方法在估计精度、收敛速度和计算复杂度方面均优于基本ＬＭＳ自适应时间延迟估计。     

部件强度服从极值Ⅰ型分布下k／n（G）结构系统可靠度估计

探讨ｋ／ｎ（Ｇ）结构系统可靠度的统计分析，导出了当部件的随机强度服从极值Ⅰ型分布时系统可靠度的ＭＶＵ估计和置信区间，并对伽玛－极值Ⅰ型模式作了详细的讨论。     

增长曲线模型中Gauss－Markoff估计的最优性

给出了增长曲线模型的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ估计，研究了增长曲线模型下Ｇａｕｓｓ－Ｍａｒｋｏｆｆ估计的最大概率性质。     

单边截断型分布族位置参数的经验Bayes估计

修改了陶波等假定先验密度ｈ（０）需满足的某些条件，给出了单边截断型分布族参数０的经验Ｂａｙｅｓ估计，并证明了它在绝对误差损失下的渐近最优性，最后给出了一个数值计算的实例。     

正态分布均值的Г—极小极大后验估计

讨论了正态分布均值在先验正态分布族参数有一定限制条件下的Г－极小极大后验估计，并指出当样本容量趋于无穷时，它与样本均值具有相同的渐近性状。     

一类双边截断分布族中的Bahadur有效性

讨论了一类双边截断分布族中的Bahadur渐近有效性问题.基于一定的光滑性假设,得到了这种双边截断分布族的Bahadur界,并因此给出了该分布族中相合估计为Bahadur渐近有效估计的定义.对于一类常用的非参数估计,讨论了它们的Bahadur渐近有效性问题,指出这些常用的估计在给出的定义意义下,皆不是Bahadur渐近有效估计.从而在一个侧面上说明了所讨论的分布族与文献中讨论的其他双边截断分布族有本质的不同.     

随机化正交表

一般的正交表是由全部处理组合中的若干个固定的处理组合组成，它是一个确定的表，具有施工优良的性质，但是它也具有因确定性而带来的缺点，如参数估计的局部性等。本文将给出一种克服此缺点百仍具有原来优点的表－随机化正交表。     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

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.     

方差分量模型中回归系数的线性Minimax估计

定义了三种不同的Minimax估计．在矩阵损失下得到了方差分量模型的回归系数(分别是在齐次线性估计类和非齐次线性估计类中)的线性Minimax估计．结果表明,Minimax估计是压缩型估计．     

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.     

结构型E-V线性模型中参数估计的若干结果

由于E-V线性模型的复杂性,通常的最小二乘估计等在这种模型中一般不是相合的。本文在结构型简单线性模型中,利用矩方法与秩方法建立了若干估计量,并且论证了这些估计量的相合性与渐近正态性,报告了主要结果。     

双参数指数分布的加权矩估计

利用加权矩估计方法,得到双参数指数分布中参数的加权矩估计量,讨论了估计量的方差和特征函数,并利用算例说明了加权矩估计优于矩估计．     

协方差的二次估计的可容许性

 研究协方差的二次估计的可容许性,在平方损失下,我们给出了一个齐次二次估计在齐次二次估计类中是协方差的容许估计的充要条件和一个非齐次二次估计在非齐次二次估计类中是协方差的容许估计的充要条件.     

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题, 给出了未知参数的一个估计类, 证明了该估计类中估计的相合性和渐近正态性, 并且获得了该估计类中的最小渐近方差估计, 并通过数值模拟比较了估计类中各种估计方法的优劣.     

MC DS-CDMA系统中信道估计器的比较

首先介绍了几种多载波码分多址(CDMA)系统,然后建立了MC DS-CDMA系统模型,在该系统中进行最小二乘(LS),线性最小均方误差(LMMSE)和最大似然(ML)3种信道估计器的研究,并对其均方误差(MSE)和误码率(BER)性能进行了仿真,LS实现最简单,但性能最差,LMMSE计算量大,性能优于LS,ML性能最佳,且其计算复杂度低于LMMSE。