Asymtotics of Dantzig selector for a general single-index model

As two popularly used variable selection methods, the Dantzig selector and the LASSO have been proved asymptotically equivalent in some scenarios. However, it is not the case in general for linear models, as disclosed in Gai, Zhu and Lin’s paper in 2013. In this paper, it is further shown that generally the asymptotic equivalence is not true either for a general single-index model with random design of predictors. To achieve this goal, the authors systematically investigate necessary and sufficient conditions for the consistent model selection of the Dantzig selector. An adaptive Dantzig selector is also recommended for the cases where those conditions are not satisfied. Also, different from existing methods for linear models, no distributional assumption on error term is needed with a trade-off that more stringent condition on the predictor vector is assumed. A small scale simulation is conducted to examine the performances of the Dantzig selector and the adaptive Dantzig selector.     

基于自适应分割与偏移场估计的活动轮廓模型

针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator, ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。     

Zero finite-order serial correlation test in a partially linear single-index model

The purpose of this paper is to test the underlying serial correlation in a partially linear single-index model.Under mild conditions,the proposed test statistics are shown to have standard chisquared distribution asymptotically when there is no serial correlation in the error terms.To illustrate their finite sample properties,simulation experiments,as well as a real data example,are also provided. It is revealed that the finite sample performances of the proposed test statistics are satisfactory in terms of both estimated sizes and powers.     

灰色样条绝对关联度模型

灰色绝对关联度的计算基于用序列对应的折线来近似描述系统的行为特征量.从插值的角度看,折线即分段线性插值,其局限之一在于节点处不具有光滑性而真实轨迹曲线在采样点一般是光滑的;局限之二在于系统轨迹曲线曲率大时折线近似的误差相应增大,由于灰色系统研究对象为少数据贫信息系统,从而折线不能逼近真实轨迹曲线.为此,提出灰色样条绝对关联度模型以改进灰色绝对关联度,先用具有优良光滑性且近似效果好的三次样条插值函数来获得描述系统行为特征量的曲线,然后通过积分计算绝对关联度.讨论了灰色样条绝对关联度的性质和适用范围,灰色样条绝对关联度尤其适用于生长曲线类系统的关联分析,此外其可直接应用于不等时距序列.     

基于自适应LPFT的非平稳信号到达角估计

对非平稳阵列信号处理来说,通过时频分析预处理可以提高对不同信源到达角(direction of arrival, DOA)的分辨能力和估计精度。本文以提高在多信号分量环境下时频表示的能量聚集性为目标,提出一种自适应的局部多项式傅里叶变换(local polynomial Fourier transform, LPFT)方法,通过对信号瞬时频率曲线进行多项式拟合,确定LPFT的窗函数长度及各阶系数,以较小的计算量实现自适应时频分析。在此基础上,提出一种基于自适应LPFT的多信号分类(multiple signal classification,MUSIC)算法。仿真结果表明,与其他时频MUSIC算法相比,该方法对信号形式的适应能力强,在DOA估计精度、多信源角度分辨能力方面具有一定优势。     

自适应FIR高精度时延估计研究

从最小二乘原理出发,结合参量模型时延估计方法,提出了一种使得时延引起的输入信号与参考信号之间实现最小二乘的自适应FIR高精度时延估计方法。与广义互相关法、相位谱法和自适应最小均方(leastmean square,LMS)时延估计方法相比,该方法具有算法简单、运算量小、精度高、收敛快的优点。计算机仿真实验和消声水池试验结果均验证了该算法的有效性。     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。     

A parameter estimation based adaptive actuator failure compensation control scheme

An adaptive actuator failure compensation control scheme is developed using an indirect adaptive control method,by calculating the controller parameters from adaptive estimates of system parameters and actuator failure parameters.A key technical issue is how to deal with the actuator failure uncertainties such as failure pattern,time and values.A complete parametrization covering all possible failures is used to solve this issue for adaptive parameter estimation.A simultaneous mapping from the estimated system/failure parameters to the controller parameters is employed to make the control system capable of ensuring the desired system performance under failures,which is verified by simulation results.     

尺度自适应的多模型压缩跟踪算法

为了对复杂环境中的目标进行长时间的精确跟踪,在压缩跟踪算法的基础上提出一种尺度自适应的多模型压缩跟踪算法。该算法首先利用离线学习获得目标的尺度约束集,建立目标的多尺度模型,实现尺度的自适应选择;其次,利用随机投影矩阵对多尺度图像特征进行降维,减少算法计算量;最后,利用多模型分类器在线学习训练朴素贝叶斯分类器实现目标跟踪。实验结果表明,本文算法在跟踪尺度变化的目标和外观变化的目标时,跟踪性能有了较大改善,虽然处理时间有一定程度的增加但仍满足实时性的要求。     

基于异步估计自适应Kalman滤波系统设计

一般的Kalman滤波器时系统噪声和测量噪声统计特性要求较为严格,当统计特性存在不确定性时,估计会造成较大的估计误差,甚至使滤波器发散.针对此问题,在基于新息的自适应估计和极大后验估计的基础上对Q和R进行异步估计;以某型号光纤惯性测量装置和GPS系统为背景的仿真实验结果表明,该方法能够有效地对Q和R存在不确定的组合导航系统的误差状态变量进行估计,并能较好地保证自适应滤波器的收敛性,进一步提高了估计精度.     

单Chirp脉冲时域自适应波束形成和参数估计

将最小方差无畸变响应(minimum variance distortionless response, MVDR)自适应波束形成方法拓展到一类非平稳脉冲信号,利用时域MVDR（time-domain MVDR, TMVDR）实现了单Chirp脉冲信号的自适应波束形成,即CTMVDR（TMVDR on single Chirp pulse signal, CTMVDR）。CTMVDR可估计具有常数幅值的未知Chirp脉冲信号的波达方向（direction of arrival, DOA）、信号功率和时间波形。理论分析结果表明,稳定估计自适应权向量的条件是稳定估计Chirp脉冲时间序列的自相关。数值仿真和海上实验结果表明,在采样频率不大于10倍Nyquist频率条件下,只需少于1 024个采样点,即可获得稳定的自适应权向量估计;和常规波束形成对比,CTMVDR有更好的波束响应、DOA估计、阵处理增益和Chirp脉冲信号的时间波形估计性能。     

The superiorities of Bayes linear unbiased estimation in partitioned linear model

In this article, the Bayes linear unbiased estimation (BALUE) of parameters is derived for the partitioned linear model. The superiorities of the BALUE over ordinary least square estimator (LSE) are studied in terms of the Bayes mean square error matrix (BMSEM) criterion and Pitman closeness (PC) criterion.     

基于MUSIC算法的GTD模型参数估计

将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法作了相应改进。利用特征分析方法的信号与噪声子空间的正交特性,使改进后的MUSIC算法既能精确估计目标散射中心位置,又能估计散射中心类型,取得了较好的效果。针对各种空间平滑预处理方法对噪声子空间与信号正交特性的影响进行了仿真,指出空间平滑预处理方法会影响噪声子空间及信号子空间结构,进而影响散射中心类型的估计,所以应对散射中心类型的最终结果进行修正。     

Heckman-Tobit模型的半参数估计

Heckman-Tobit模型可以同时处理样本选择问题和删失数据问题,是一个重要的微观计量模型.本文根据结果变量的条件生存函数所满足的性质,提出Heckman-Tobit模型的一种半参数估计方法.这种方法通过积分的形式,有效地利用了结果变量整个条件分布的信息.在一些正则性条件下,本文证明了所提出的半参数估计量的相合性和渐近正态性.其渐近性质的成立不依赖于扰动项的具体分布.数值模拟实验的结果表明,本文的半参数估计量具有优越的有限样本性质,且当扰动项服从非正态分布时优于最大似然估计量.     

基于自适应CS模型的IMM算法

目标运动状态的改变将导致目标跟踪算法精度降低或发散。为了提高机动目标跟踪的跟踪性能,首先,针对当前统计(current statistical, CS)模型中最大加速度固定设置导致模型误差增大的问题,提出了一种自适应CS模型;在自适应CS模型和交互式多模型(interacting multiple model, IMM)的基础上,提出了一种交互式多自适应模型(interacting multiple adaptive model, IMAM),该模型通过采用两个自适应CS模型,能够有效消除目标状态突变造成模型误差急速增大的问题,提高了模型的准确度和适应性。其次,在IMAM的基础上,结合修正卡尔曼滤波(amendatory Kalman filter, AKF)的思想,提出了IMAM-AKF算法,该算法通过修正最终的状态融合估计值,有效地降低了目标机动造成的模型误差,进一步提高了机动目标跟踪的性能。最后,结合自适应渐消卡尔曼滤波(adaptive fading Kalman filter, AFKF)的思想,提出了IMAM-AFAKF算法。仿真结果表明,无论是强机动还是弱机动,IMAM-AFAKF算法都具有较好的跟踪性能。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

基于自适应旁瓣相消的干扰源方位估计方法

提出了一种基于自适应旁瓣相消器的压制式干扰源方位估计方法。首先,利用自适应旁瓣相消器对压制式干扰信号进行抑制处理并得到一组收敛权值;然后,利用收敛权值计算出接收阵列的方向图;最后,在接收阵列方向图上寻找较深的谷值点对应的方位来估计干扰源的方位。所提方法估计精度高且易于工程实现。针对典型卫星导航接收机阵列,通过计算机仿真验证了所提方法的有效性。     

非线性当前统计模型及自适应跟踪算法

针对当前统计模型中人为设定时间常数的倒数α值的不合理性,对机动参数α进行建模,并基于粒子滤波的思想,结合UKF滤波算法给出适用于强机动目标跟踪的CS-UKF算法。整个算法能够实时估计参数α,并从这里出发估计目标状态。仿真结果表明在目标强机动时CS-UKF算法比经典CS-KALMAN算法收敛速度更快,状态估计更精确。     

Decentralized model reference adaptive sliding mode control based on fuzzy model

1.INTRODUCTIONIn recent years,decentralized control of interconnect-ed systems has become an i mportant and challengingtopic[1~3].However,it is usually difficult to modelthe systemexactly due to the complex real environ-ment.In the past several years,active research hasbeen carried out in controller design based on univer-sal approxi mators,such as fuzzy control and neuralnetwork control[4~6].For a class of SISO nonlinearsystems,adaptive fuzzy control approaches were pro-posed based on …     

Scheme of adaptive polarization filtering based on Kalman model

1.INTRODUCTIONIn modern high technology war,the electroniccounter measures(ECM)and precise guidance tech-nology are rapidly developed and becoming the re-search hotspot of militarysciencefor all the countries.The guidance missiles are the main weapons andhigher anti-jamming ability and guidance precision arerequired for guidance radar.For the active mono-pulse guidance radar,the angle information of thetarget is obtained by usingthe angle measured methodof amplitude sum/difference or pha…