Bootstrap方法在区间估计中的应用

运用bootstrap方法对总体均值区间进行估计。在小样本下用常规方法和bootstrap 4种方法对总体均值进行区间估计,在R软件中实现。结果表明,用bootstrap方法估计出的区间宽度明显要比常规方法估计出的窄。bootstrap方法可以提高小样本下总体均值区间估计的精度。     

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.     

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。     

Jackknife方法在医学统计中的应用

Bootstrap方法在统计中的应用日益广泛,作为该方法的补充,本文介绍Jackknife方法在医学统计中的应用。应用Jackknife方法对Logistic回归模型中回归系数的标准差(标准误)的Bootstrap估计的方差进行估计。Jackknife方法可以很方便估计出Logistic回归模型中回归系数的标准差。本文的结果表明Jackknife方法可以用于对不易估计统计量的标准差进行估计。     

浅谈无线通信系统半言信道估计技术

本文对无线通信秉统的信道估计技术的研究现状进行了概述，重点分析了半盲信道估计方法的特点，并对现有半盲信道估计方法进行了分类，即基于二阶统计量的半盲估计方法和基于一阶统计量的半盲估计方法。     

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.     

调频信号DOA估计的研究

针对传统信号DOA估计技术的不足,采用近年来时频分析技术与传统DOA估计相结合的估计方法—时频MUSIC,对线性调频信号进行DOA估计,得到了较传统DOA估计方法精度高的估计结果,并简叙了这种方法的主要基本思想及适用背景。     

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。     

运动模糊图像方向角的估计方法研究

研究了运动模糊图像方向角的估计方法,通过数学原理分析,以及编写matlab程序进行数值实验,对Hough变换、Radon变换和Cepstral变换三种方法进行了对比研究,综合比较了三种方法的估计精度,指出了每种方法的适用范围。结果表明,Hough变换依赖于特征点的选取,选取不好则估计失效;Radon变换最为实用,噪声干扰对其估计精度影响不大,而且运动距离大时估计更准确;Cepstral变换在噪声水平低的时候估计较好,但噪声较大时估计精度差。     

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。     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

矩法估计的几点注记

矩法估计是一种常用的点估计方法,具有一定的优良性和广泛的实用性.在矩法估计的基本内容之外,明确提出矩法估计几个需要注意的问题.     

一种非递推ARMA谱估计方法的探讨

本文提出一种ARMA谱估计的非递推最小二乘法。这种方法能预先确定模型阶数,并同时给出了参数估计的方差,计算量小于其它算法。数值计算结果表明本文方法的性能满足要求。     

被动合成阵列极大似然参数估计的快速方法

针对被动合成阵列的极大似然目标参数估计方法(pasaML)计算量大的问题,探索利用Markov Monte Carlo(MCMC)类方法降低计算量.将完备抽样方法(PS)与pasaML方法相结合,提出一种基于完备抽样的频率一方位联合估计新方(PS-pasaML)来联合估计多个目标的频率和方位.首先将pasaML方法的谱函数视为频率和方位的联合概率密度函数,构造并证明了具有单调保偏序性质的更新函数,然后产生2条Markov链的初始方位角向量,使用更新函数确定Markov链在状态空间中的转移方向,并通过在全局状态空间和局部状态空间之间的跳转抽样来提高运算速度,最后由融合时间判决Markov链的平稳性,对其求期望从而获得目标方位的最终估计.仿真实验表明,在目标个数较少时,PS-pasaML方法不仅保持了pasaML方法的高分辨能力,而且计算复杂度降低为pasaML方法的1/7左右.     

基于IRT模型的Berkson参数估计方法及其应用研究

该文对于教育与心理测量理论中常用的IRT模型的未知参数提出了一种新的参数估计方法———Berkson参数估计方法,并通过大量的实验考察了该方法的性能,发现研究结果比BILOG算法的估计结果略好,这将有利于更好地进行题库建设,并且有较好的恢复能力,较好的适应性和较好的收敛性.     

部分估计中的比率估计法与简单估计法的优劣分析

对总体的部分子总体的标志值均值及总量进行估计时，[1]中讨论了3种方法：简单估计法(SE)，部分估计法(PE)，比率估计法(RE)，并分别比较了SE与PE，PE与RE的优劣关系．本文则是在此基础上，比较了SE与RE的优劣关系，并得出在一定条件下，SE优于RE的很好结论．     

电力系统状态估计算法的缺陷探究

电力系统的常用状态估计方法有加权最小二乘法估计和快速分解状态估计等。由于受到函数局部单调性和凹凸性的影响,即使给出了离真实根很近的初值,随着每次的迭代,状态估计方法结果将离真实根越来越远。因此考虑到在对目标函数进行极值求解中可以舍弃牛顿迭代法,采用其他的(例如粒子群进化算法)最优化方法进行尝试。     

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。     

两点式分布概型的信息扩散估计

对小样本两点式分布概型的分布用信息扩散的方法进行了模糊优化处理研究,证明了当样本较小时,本方法优于传统的频率估计方法.以中国象棋棋子为随机试验的原型材料,做了大量的实验来表明这种方法的可靠性.     

低信噪比多径-信道下的OFDM带宽自动估计

针对低信噪比多径-信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的OFDM信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间-尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明：在不同多径信道且信噪比为-10dB条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。