ADCINAR(1)模型的加权条件最小二乘估计

用加权条件最小二乘方法, 对基于相依计数序列的一阶整值自回归模型(ADCINAR(1))进行参数估计, 给出参数估计的表达式及其渐近分布, 并推导模型的高阶矩、 高阶累积量、 谱密度和双谱密度. 数值模拟结果表明, 将加权条件最小二乘估计、 条件最小二乘估计和Yule Walker估计进行比较, 验证了加权条件最小二乘方法的有效性.     

信号相位匹配原理的正弦信号参数的最小二乘估计

根据信号相位匹配原理,提出了一种正弦信号频率、振幅和相位参数的最小二乘估计方法.推导了利用单传感器接收信号的参数估计的最小二乘估计计算公式,给出了已知频带内的未知频率,振幅和相位的信号参数估计的搜索算法.分析了最小二乘法使用的方程数、信噪比和采样频率确定后FFT的序列长度对参数估计精度的影响.理论和仿真结果说明,该方法不仅能降低估计频率带宽以外的噪声,而且还可降低被估计频率信号带宽内的噪声,提高了低信噪比时的信号参数估计精度.该算法简单、快速,具有工程应用前景.     

低信噪比下低复杂度的OFDM信号带宽盲估计方法

针对低信噪比多径信道下传统的正交频分复用(OFDM)信号带宽盲估计方法估计精度低且计算量较大的问题,提出了一种低复杂度的OFDM信号带宽盲估计方法,首先利用修正的周期图求平均(Welch)法得到功率谱,再对其进行最小二乘多项式拟合得到平滑的功率谱,然后通过对功率谱曲线进行求导提取出斜率最大点和最小点的位置进而估计带宽,最后多次循环求统计平均得到信号带宽的精确估计.通过理论分析,确定了OFDM信号带宽盲估计方法的步骤,并在多径信道下进行了仿真试验.仿真结果表明,该方法在信噪比为0 dB时能够达到98.9％的正确估计率,并且该方法与传统方法相比,带宽估计精度更高,计算复杂度更低.     

正弦信号四参数的高精度估计算法

从正弦信号的任意间隔采样序列出发，结合频率的迭代法估计和幅度、相位以及直流偏移的最小二乘法估计，提出了估计正弦信号四个参数（幅度、频率、相位以及直流偏移）的新算法，即四参数估计法，并与直接快速傅立叶变换法和通用相位差法就估计精度进行了仿真比较。结果表明，四参数估计法不但精度较高、抗噪声能力较强，而且能对非等间隔采样信号进行参数估计。     

基于TAM谐波检测方法

针对传统谐波检测方法及其存在的问题,将TAM方法应用于谐波检测。该方法以信号空间模型为基础,结合子空间旋转不变性和最小二乘法实现了电力系统的谐波检测。首先求解采样信号数据矩阵的协方差矩阵,然后对协方差矩阵进行奇异值分解,利用最小二乘法的原理减少噪声影响,得到较为精确的频率和幅值估计参数。仿真实验结果表明：该算法精确有效...     

提取强混沌干扰中谐波信号的方法

提出一种新的从强混沌干扰中提取谐波信号的方法. 根据混沌的几何性质, 应用相空间重构技术和离散小波变换, 建立一种新的相空间投影方法, 将谐波信号分离出来, 并对含噪谐波信号进行功率谱密度估计, 提取谐波信号的频率, 利用小波滤波和最小二乘估计, 提高谐波信号的提取精度. 通过计算机仿真实验, 表明该方法非常有效.      

基于估计参数辨识递推算法用于输出间断采样条件下的线性系统参数辨识

最小二乘法是用于连续采样条件下线性系统参数辨识的常用算法,但在间断采样条件下,最小二乘法存在很多不足.提出一种基于估计的参数辨识递推(EBRLS)算法,并从理论上分析了其收敛性.仿真研究表明,对于普通辨识算法无法处理的间断采样情况.EBRLS可以给出令人满意的参数辨识结果,甚至在可用数据极其稀疏的情况下仍然有效.     

病态矩阵判别的一种新方法

在系统辨识、曲线拟合、回归分析和自适应信号处理等领域,最小二乘法是常用的方法.在参数估计时,为降低估计参数的方差,总是采用尽可能多的采样数据,这就是所谓的过定(Over-determined)问题.然而,随着采样数据的增多,可能得到病态方程组,特别是采样数据存在某种趋势时更易如此.尽管对病态方程组下的最小二乘法可     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

超宽带通信压缩感知信道估计与信号检测方法

针对超宽带信号在采样速率过高时难以采样的问题,利用信号稀疏性提出一种基于压缩感知的信道估计和信号检测算法(CS算法).将信号重复送入随机滤波器后发送,对接收信号进行欠采样,利用调制信号、滤波器、信道的圆周卷积关系建立压缩感知的数学模型,从而可采用基追踪算法实现信道估计和信号检测.仿真结果表明,CS算法所需的采样数据量仅为最小二乘算法的1/3或更少,而在中等信噪比(15~25 dB)的情况下,估计性能可以提高约4.5 dB,且可以准确检测出原始信号.     

半参数回归模型小波估计的相合性

研究一类固定设计下的半参数回归模型.通过利用最小二乘法、加权最小二乘法及新方法小波估计法给出了未知参数β的估计,在较弱的条件下给出了β的最小二乘估计∧βn的弱收敛速度、强相合性以及加权最小二乘估计~βn的强收敛速度.     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

基于压缩感知的塔康方位估计算法

塔康(tactical air navigation,TACAN)信号峰值检测后的离散数据呈随机采样特性,为避免Kalman算法产生滤波发散问题并有效减小对数据量的需求,提出一种基于压缩感知理论的方位估计方法.通过对塔康信号的角度空间进行稀疏分解和观测值压缩,优化重构原始包络信号进而获得方位估计值.仿真实验证明了该算法的性能,与最小二乘拟合算法相比,在保证估计精度的同时进一步降低了峰值数据量,大大减少了计算过程中的冗余,并且在信噪比较大的情况下,方位估计准确度较最小二乘拟合有一定提高.     

多信号最小距离谱分析

本文提出了能同时估计多个功率谱的多信号最小距离谱分析方法,只要这些信号的先验谱以及它们的自相关函数的和已知。此方法的一个可能应用是分别估计信号和加性噪声的功率谱。本文推导了多信号最小距离谱分析的有关公式,并把多信号最小距离谱与单信号最小距离谱,多信号最小交叉熵谱作了比较,证明了多信号最小距离谱的存在性、唯一性等性质。本文的例子说明了用本文方法进行谱估计的特性。     

复共线性下的主成分全最小二乘估计

针对最小二乘法在参数估计中的局限性,在多维解释变量存在复共线性时,提出主成分全最小二乘估计,避免奇异矩阵求逆的问题.经多组大量测试,计算得到的回归系数的平均绝对偏差均较小,且表现稳定,其效果明显地优于最小二乘估计和全最小二乘估计.     

河段汇流参数抗差估计研究

当河段实测出流流量值被不服从正态分布的异常值污染时,最小二乘法不能获得参数最优估计.为此,采用崩溃率为20%、附有条件的抗差最小二乘法估计马斯京根汇流参数最优值.通过对闽江永安河段理想模型参数的计算,比较了参数抗差最小二乘法与最小二乘法抵抗2类误差的效果.结果表明,抗差最小二乘法能排除异常值对参数估计的影响而获得稳健性的参数.     

OFDM系统中基于功率延时谱的信道估计算法

在多径时变信道环境下,以IEEE802.11a物理层规范为背景,根据多径延时对最小均方误差(MMSE)估计得到的频率响应进行最小二乘估计,从而得到更加精确的信道估计值.接收机首先通过对训练序列和导频符号做MMSE估计得到初步信道估计结果,再对其做快速反傅里叶变换(IFFT)并求解线性方程组,得到信道冲击响应;然后由接收机根据信道功率延时谱来对冲击响应进行最小二乘估计(LSE),从而消除残留白噪声对冲击响应估计值的影响;最后对结果进行傅里叶变换(FFT)后得到各子载波的频率响应.仿真结果表明:在所采用的典型的二径瑞利时变信道模型下,相较于MMSE算法,最小二乘估计能够更精确地估计信道频率响应,当最大多普勒频移增加时,其抗误码性能明显优于MMSE算法.     

局部区域三维坐标变换的两步解法

在局部区域三维坐标变换中,布尔萨模型的旋转参数和平移参数存在相关性,容易出现解算模型病态问题.为此提出将旋转参数和平移参数分开解算的两步解法,在去掉平移参数后采用最小二乘法估计旋转参数,再用加权整体最小二乘法估计尺度参数和平移参数.该方法既可避免解算复杂的病态整体最小二乘问题,也顾及了原系统坐标误差影响.模拟实验表明:与最小二乘法和整体最小二乘法比较,两步法提高了尺度参数和平移参数的估计精度,特别是尺度参数,外围坐标变换精度明显提高.     

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.     

增广最小二乘限定记忆参数估计算法与仿真

最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性.