一类非线性控制系统性能基准的估计

针对控制回路中同时存在控制阀摩擦和保护阀切换作用的非线性问题,提出了基于阈值含输入非线性自回归（TNARX）模型的控制性能基准估计方法.将系统的输入输出测量数据根据阈值划分后,在不同的局部数据空间上建立NARX模型,这些局部模型的组合用来描述整个非线性系统.利用合并方差准则组合这些局部模型的预测误差方差,从而估计出整个非线性系统的控制性能基准.通过与多项式自回归（PAR）模型、含输入的多项式自回归（PARX）模型和自激励阈值自回归（SETAR）模型的比较,表明TNARX模型可以得到较好的估计结果.仿真分析验证了该方法的有效性.     

基于调整秩回归的组变量选择

EXP惩罚是一种指数形式的惩罚函数,它近似于L₀惩罚. EXP惩罚最小二乘估计具有模型选择的相合性和渐近正态性.但是,惩罚最小二乘方法对重尾分布和含有异常值的混合分布的效果并不理想.该文考虑回归模型中的变量是以组结构形式存在的,研究基于调整秩回归的EXP型组变量选择,给出了调整秩回归估计的理论性质,并通过数据模拟和实例分析,检验调整秩回归的EXP惩罚的效果,结果表明这种方法具有较好的表现.     

部分线性自回归模型的偏核光滑估计及应用分析

给出了部分线性自回归模型的偏核光滑估计及模型参数的估计偏差,并通过构造广义的交叉核实函数对模型中的带宽进行选择,然后利用所得结果建立了煤油电企业商品价格指数的部分线性自回归模型.模拟计算结果表明,该模型模拟效果较好,是有效估计.     

一类具时滞双阈值二元离散神经网络模型的全局指数渐近稳定性

研究了具正自反馈双阈值二元离散神经网络模型的动力学性质.对设定的阈值范围,证明了模型的平衡解是全局指数渐近稳定的.     

基于小波包惩罚函数的烟机振动信号软阈值降噪

为解决烟机振动信号受到噪声干扰这一问题,研究基于小波包阈值降噪的原理和方法,给出了小波包阈值降噪的步骤,阐述了Birgé-Massart惩罚函数确定阈值的原则和软阈值的量化处理,分析了阈值、信噪比和均方误差随惩罚因子的变化规律.并将基于小波包惩罚函数的软阈值降噪与Rigrsure、Heursure、Sqtwolog、Minimax4种阈值降噪方法进行了比较.结果表明基于惩罚函数的小波包软阈值方法能有效降低噪声.基于该方法的烟机振动信号降噪在保留信号突变部分的同时,具有良好的光滑性.     

部分线性回归模型中改进的差分估计及SCAD

考虑了部分线性回归模型中回归参数向量估计的问题,提出了具有更好性质的压缩差分估计,并且将SCAD惩罚函数运用到模型中得到SCAD估计,然后通过Monte Carlo模拟了压缩差分估计和SCAD估计的相关结果,并对它们之间的优劣进行了比较.     

自回归模型的自回归分析及其应用

将线性回归分析推广到7种自回归模型的自回归分析,获得自回归模型参数的估计公式、估计标准误公式、变量的区间估计公式、总体自回归系数的检验统计量.通过实例分析论证了自回归模型的应用.     

全局运动估计的阈值可变双迭代法

提出了一种全局运动区域检测与全局运动模型参数估计的阈值可变双迭代法,该方法包含两个迭代过程：①迭代最小二乘法进行参数的估计，迭代过程中用可变的百分比阈值去除局部运动点的干扰：②检测完整的全局运动区域并得到最后的模型参数．阈值可变双迭代法对不同视频的适应能力较强，得到的全局运动区域更完整，模型参数的估计更稳定,实验结果验证了该方法的可行性和优越性.     

部分线件自回归模型的偏核光滑估计及应用分析

给出了部分线性自回归模型的偏核光滑估计及模型参数的估计偏差,并通过构造广义的交叉核实函数对模型中的带宽进行选择,然后利用所得结果建立了煤油电企业商品价格指数的部分线性自回归模型。模拟计算结果表明,该模型模拟效果较好,是有效估计。     

大数据岭回归的最优子抽样

针对大数据岭回归问题,研究了提升计算效率的子抽样方法.现有子抽样方法的研究主要集中于没有惩罚项的模型框架,而相较于普通最小二乘估计,岭回归中惩罚项的引入权衡了估计的偏差和方差.通过子样本所得估计的渐近性质研究,本文提出了以渐近均方误差为优化准则的岭回归最优子抽样估计,并计算得到包含岭杠杆值和L2范数的子抽样概率,对岭杠...     

组合惩罚下联合均值与方差模型的变量选择

在生产实践和计量经济领域中,控制产品质量的方差就能保证产品的合格品数相对稳定,所以当前学者对联合均值与方差模型的研究倍感兴趣.基于解释变量经常是具有相关关系的实际情况,提出了一种由SCAD惩罚和岭回归混合在一起的组合惩罚,该惩罚充分利用了岭回归能克服解释变量相关性过高对估计效果的影响,同时也证明了这样的惩罚具有相合性和Oracle性质.使用该组合惩罚对联合均值与方差模型进行了变量选择.最后的随机模拟结果表明该模型和方法是有效的.     

分位点门限自回归时间序列模型的贝叶斯分析

本文运用贝叶斯方法研究了分位点门限自回归时间序列模型的估计和预测.通过将分位点回归的最优化问题转化为极大似然估计的问题,作者利用Metropolis-Hastings算法对模型中的参数进行了贝叶斯估计.同时作者将模型应用于上证综合指数的收益率的数据,得到了这一收益率的分位点估计.这一方法的优越之处在于它不需要对数据的分布作预先的假定.     

SNEAR(2)模型的平稳性及参数估计

讨论了一类广义非正态时间序列模型——周期性新指数自回归模型SNEAR(2).利用升维的方法将其化为一随机系数的平稳自回归模型,并给出了模型参数的条件最小二乘估计.     

极值理论中阈值选取的Hill估计方法改进

利用变点统计理论对极值理论中阈值选择的传统Hill估计方法进行了改进,实现了阈值的定量精确选取,从而减少了因主观判断所引起的阈值选取偏差.将此方法应用到基于极值理论的商业银行操作风险度量中,取得了较好的效果.     

一阶混合整数值二项自回归模型

首先, 针对复杂整数值时间序列数据的建模问题, 提出一类一阶混合整数值二项自回归模型; 其次, 证明该模型的严平稳遍历性, 给出模型的转移概率、 期望、 方差等概率统计性质, 并用最大似然估计方法估计模型参数； 最后, 将模型应用于消费者价格协调指数(HICP)数据的拟合中.  实例分析结果表明, 该模型比现有模型的拟合效果更好.     

相依序列方差变点的非参数统计分析

基于严平稳β-混合过程,建立回归函数和条件方差函数形式均未知情况下的自回归异方差模型方差变点的估计方法;并给出变点检验统计量渐近正态性的证明,由此得到方差变点的检验方法;最后,通过数值模拟,展示估计方法的有效性.     

面向随机振动功率谱估计的小波变换去噪算法理论分析*

 针对随机振动功率谱通常存突变或间断现象,在小波去噪处理中,软阈值法使得估计信号在间断处较模糊, 且整体误差大,而硬阈值法在信号的间断点附近会产生伪Gibbs现象。通过对随机振动谱的统计模型进行分析,建立了对数域振动谱噪声的统计模型,并理论推导出根据噪声小波变换系数而设置的滤波阈值与小波变换尺度之间的非线性关系,为小波变换自适应阈值去噪提供依据,在此基础上提出了基于小波变换的振动谱估计自适应去噪通用算法,通过仿真对比实验,结果表明理论分析的有效性。     

OFDM中基于DFT信道估计的改进算法

在正交频分复用(OFDM)系统的估计算法中,基于离散傅里叶变换(DFT)的信道估计因其算法实现简单,性能又优于最小二乘法(LS),常常用于实际OFDM系统中.传统的DFT算法中通常只抑制了信号中循环前缀(CP)外的噪声,并没有消除循环前缀内的噪声.提出了一种改进型算法,该算法通过加窗降低系统中频谱泄露现象,并对噪声进行估计修正,考虑到CP范围内外的噪声分布情况,设置了一个新的阈值点来抑制样本内的噪声.仿真结果表明:该算法较传统的DFT估计算法性能更好,更进一步地改善了系统误码率,能获取准确的信道信息.     

幂函数自回归模型的自回归分析

将回归模型的回归分析推广到幂函数自回归模型的自回归分析,获得了幂函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

基于小波变换的图像阈值去噪算法研究

介绍了小波阈值去噪的原理,分析传统的软硬阈值函数的不足,对阈值函数的选取和阈值的估计进行了改进,提出了一种新的小波阈值去噪方法。实验结果表明,本算法明显提高了图像的峰值信噪比,即能较好的抑制噪声,又能很好的保留图像的特征和边缘信息。