债券隐含利率与多因子Vasicek模型

以上海证券交易所(简称上交所)债券价格隐含的利率期限结构,从1996-06～2003-02的周样本数据作为分析对象,首先利用主成分分析法对利率期限结构的变化进行分析,发现需要2～3个状态变量,利率模型才可能反映利率期限结构的变化。然后实证研究了连续时间的两因子、三因子Vasicek模型对上交所利率期限结构的描述情况。结果表明,两因子Vasicek模型可以反映样本期内上交所利率期限结构的形状,但模型不能反映利率期限结构的时间序列变化。同时发现,三因子模型相对于两因子模型,不能够明显改进对上交所利率期限结构的拟合。     

基于双卡尔曼滤波的系统偏差消除方法

在非线性滤波问题中,一般对噪声有零均值的概率分布假设,但在实际工程中,这样的假设有时不成立,即存在一个固定的系统偏差。把该偏差当作系统待估计的参数,应用双卡尔曼滤波的基本思想,在估计状态量的同时估计出系统偏差,从而自适应地消除了其影响。以一个仅用测角信息的被动定位问题为例,经实验研究表明,提出的方法可显著改善收敛精度。     

卡尔曼滤波过程的稳定性研究

卡尔曼滤波器的稳定性并不能保证实际的滤波器算法具有收敛性,而传统的关于滤波发散的判定方法是基于量测不能出现野值这一严格的假设条件,具有一定局限性;并且通常关于滤波发散只是一种定性的描述,具有一定模糊性。为此,考虑到量测可能出现野值的情况,从滤波发散的具体数学形式出发,提出了卡尔曼滤波过程的稳定性概念,在此基础上给出了滤波发散的判定定理,既消除了通常关于滤波发散描述的模糊性,又降低了通常判定方法的要求。     

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。     

卡尔曼滤波伏安法同时测量显影废水中米吐尔和对苯二酚的研究

用自制蒙脱石—石墨—聚氯乙烯复合电极做工作电极。溶液的pH=5．0时。米吐尔的氧化峰电位为310mV。浓度在4．0～32．0μg．mL^-1范围时。峰电流与浓度有良好的线性关系(J=0．0057 0．6398c，γ=0．999)；对苯二酚的氧化峰的峰电位为320mV。浓度在4．0～32．0μg．mL^-1范围时。峰电流与浓度有良好的线性关系(I=-0．0164 0．9747c，γ=0．999)．用卡尔曼滤波伏安法对显影废水中米吐尔和对苯二酚进行了同时测定，米吐尔的平均回收率为99．47％，对苯二酚的平均回收率为100．06％。     

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合，用于被动式多站跟踪，给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例，进行了仿真研究，结果表明该算法具有满意的跟踪性能。     

雷达/红外双模制导背景下的模糊目标跟踪器

在雷达／红外双模制导背景下，对雷达／红外传感器的测量数据进行融合并提出了一种跟踪机动目标的模糊跟踪器。该跟踪器能够精确的获取目标机动的动态信息，应用一系列的模糊规则自适应的调整卡尔曼滤波器的过程噪声协方差矩阵，从而更适合用于实际的跟踪系统。通过对红外成像和雷达多传感器对目标跟踪系统的数字仿真表明所提出的模糊跟踪器性能良好。     

基于卡尔曼滤波的动态OD矩阵估计

建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效.     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

用于弹道目标跟踪的有限差分扩展卡尔曼滤波算法

针对目前常用的滤波算法不能同时做到精确和高效跟踪目标的缺点,提出一种有限差分扩展卡尔曼滤波(FDEKF)算法用于再入阶段的弹道目标跟踪.该算法应用有限差分运算得到滤波的验前、验后误差协方差矩阵,避免了非线性函数求导运算,以及Jacobian阵和Hessian阵的计算,降低了计算难度,扩大了应用范围,增强了滤波过程的收敛性.Mome Carlo 数值仿真表明,FDEKF算法与扩展卡尔曼滤波(EKF)算法和无味卡尔曼滤波(UKF)算法相比较,在跟踪精度上比EKF算法提高了约20%,与UKF算法相当,在计算复杂度上比EKF算法稍有增加,但比UKF算法低约39%.这说明FDEKF算法在计算量增加不多的情况下,滤波精度有显著提高.