回归系数的一种有偏估计

为了改进最小二乘估计，克服其在设计阵呈病态时表现出的不可靠性，本文将最小二乘估计、Stein型估计和组合主成分估计的方法联合起来，提出了多元线性模型回归系数的一种新的有偏估计。并且证明了：此种估计在均方误差意义下是可容许估计；在参数区域的某个椭球内，这种新的估计优于最小二乘估计、主成分估计和组合主成分估计。     

LINEX损失函数下正态均值的估计问题

考虑了在ＬＩＮＥＸ损失函数下正态分布均值的估计问题，在线性估计类ｃＸ＋ｄ中得到了它的容许估计，并对非容许估计得到了一致改进估计，将相应的结果应用于线性回归模型的系数估计之中。     

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。     

异方差一致协方差阵的估计方法研究

处理回归模型中的异方差问题尤为重要的一点是对随机误差项的方差进行估计.考虑到非参数核估计和稳健估计在异方差构成未知的情况下在估计效果上仍具有一定优越性，因而将非参数N-W估计和两种稳健估计方法分别与估计加权最小二乘估计法相结合，先得出随机误差项方差的估计量，进而将其作为权矩阵对模型参数进行估计，并基于估计加权最小二乘法，对已有的加权异方差一致协方差估计方法进行扩展，提出了两个新的加权估计量WHC4m和WHC5m.通过实验可以发现，各估计方法在模型参数的估计和检验效果上差别较大，并且新提出的加权估计量比原有的异方差一致协方差估计量HC4m和HC5m在检验效果上表现更好.     

基于LS信道估计的研究与改进

信道估计在通信系统中占据着非常重要的位置，在此介绍和分析传统的LS估计准则，提出改进的LS信道估计准则，建立改进LS信道估计的数学模型，并对改进的LS信道进行了仿真。仿真结果表明改进的LS估计能够降低估计偏差的影响，有比LS准则较低的误码率。     

一种相关编码正交频分复用系统的载波频偏估计算法

基于相关编码正交频分复用(OFDM)系统，提出了一种新的数据辅助载波频偏估计技术，利用相关编码OFDM系统的频域幅度特性估计载波频率偏移，增大了频偏估计的跟踪范围，同时采用改进的迭代估计剩余频偏方法，消除载波间干扰对频偏估计的影响，提高了估计精度．仿真结果表明，与传统的基于数据辅助频偏估计技术相比，该技术的跟踪估计范围增大为(-1，1)，且在较高信噪比的估计均方误差明显降低。     

线性模型下输入矩阵的最优设计

线性无偏最小方差估计与最优加权最小二乘估计是线性模型下两种最常用的估计方法。前者估计性能优于后者，但需要被估计量的一、二阶矩信息。作者深入讨论了这两种估计的关系，得到了二者在均方误差意义下等阶的充要条件，进而找到一种设计输入矩阵的方法，使得在先验信息缺乏的条件下，仍可利用最优加权最小二乘估计达到与线性无偏最小方差估计一样优越的估计性能，避免了获取先验信息的困难，同时保持了估计的最优性。     

回归系数的根方型主成分估计

在线性回归模型中，当自变量间存在复共线性时，回归系数的最小二乘估计就失去了它的优良性，而主成分估计和根方估计都具有抗复共线性的特性，本文将二者有机结台，保留它们各自的优点，提出了根方型主成分估计，并证明了当复共线性存在时，根方型主成分估计优于根方估计、主成分估计和最小二乘估计，通过实例分析，说明它具有一定的实用价值。     

半变系数模型的局部多项式估计

半变系数模型在统计中具有重要的应用。文章对该模型的常数系数，采用局部多项式估计方法和平均方法，给出了它的估计，对于函数系数通过应用常数系数的估计，采用局部多项式估计方法给出其估计，并给出估计的渐近正态性和证明。     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

多元联合回归估计

本文提出了多元线性模型回归系数的一种新的有偏估计—联合回归估计。在一定条件下，证明了此种估计优于最小二乘估计、主成份估计和组合主成分估计，且在均方误差意义下是可容许估计。     

拉普拉斯级数的部分和

讨论了拉普拉斯级数的部分的一致逼近。通过估计瓦勒普山和逼近度，建立了部分和算子收敛度的最佳逼近估计，其估计式主最佳Ｌｐ逼近，改进了经典的勒贝格型估计，证明在某种情形下其估计式是最好可能的。     

MIMO-OFDM蜂窝系统中优选训练序列及信道估计

对多输入多输出正交频分复用(MIMO-OFDM)蜂窝系统中的信道估计进行了研究，推导了用于多小区多天线的最优训练序列条件，给出了一种实用优选训练序列，并在此基础上提出了一种迭代信道估计算法．结果表明，所提出的迭代信道估计算法可以有效抑制同信道干扰对估计精度的影响，使该估计器具有更高的估计精度，在同信道干扰环境中性能更稳健，从而使接收机性能更靠近理想信道估计的性能．     

变系数固定效应面板数据模型的估计

在面板数据下基于变系数固定效应模型，采用两步估计方法和截面核估计方法来估计模型中的变系数部分及固定效应。模拟结果表明，当样本数据较小且观测次数较多时，两步估计法的估计效率略高于截面核估计的；而当样本数据较大且观测次数较少时，截面核估计方法的估计效率比两步估计的略好。本文通过两组不同样本的模拟数据验证了两种估计方法的有效性，说明变系数固定效应模型是处理面板数据的有效工具。     

多循环频率时差Doppler估计方法及性能分析

单循环频率循环估计子由于只利用了单个循环频率处的信号信息，其估计性能及适用条件受到了较大限制. 针对这一局限性，文中研究了综合利用多循环频率信号信息的多循环频率循环估计子，其基本思路是将多个单循环频率循环估计子按一定准则融合在一起，解决单循环频率循环估计子面临的困难. 文中还以时差估计为例，详细推导了多循环频率循环估计子对时差的估计理论精度，并不加推导地给出了频移估计的理论精度. 理论计算和数字仿真实验结果均说明多循环频率循环估计子确实具有较单循环频率循环估计子和传统相关方法更好的估计性能，并且这种估计方法具有较好地适应不同特性噪声的能力.     

污染模型下的最小二乘估计

研究了污染模型下观测值的分布结构及方差，并以此为基础导出了污染模型下的最小二乘估计．结果表明，在测量平差中常用的随机误差模型下，该估计就是李德仁教授提出的验后方差估计；而在均值移动模型下，该估计是均方误差最小的稳健估计．     

压缩主成分估计

给出线性回归模型{Y=Xβ εE（ε）=0，Cov(ε)=σ^2In中参数β的一种压缩主成分估计，研究了其有效性、可容许性以及抗干扰性，并与岭型组合主成分估计、岭估计、Stein压缩估计以及根方有偏估计等进行了比较，得出在一定条件下，这种估计优于其它几种估计的结论。     

基于负数阶矩的正值Alpha稳定分布的参数估计

为了精确估计正值alpha稳定（PAS）分布的参数，基于负数阶矩理论，提出了比值估计、对数矩估计和迭代对数矩估计3种参数估计方法．比值估计直接利用特定阶次的负数阶矩的比值来估计未知参数，对数矩估计利用PAS分布的对数变换及其负数阶矩的Taylor展式从而获得解析的估计形式，迭代对数矩估计通过样本分段迭代估计未知参数．与传统的估计方法相比，所提出的3种估计方法可以获得更高的估计精度，并且对数矩估计具有较低的计算复杂度．MonteCarlo仿真实验表明，当独立运行次数为100、样本总数为5000时，比值估计的估计精度可以达到99．8％，对数矩估计的估计精度可以达到99．95％，迭代对数矩估计的估计精度可以达到99．94％．     

贝叶斯估计和经典估计的对比研究

分析和探讨了经典估计和贝叶斯估计的异同，并结合一个实例对两种估计进行比较，从而得到两种估计思想统一于贝叶斯定理，并在特定场合下相互等价的结论。     

半相依回归模型两步估计的均方误差占优性

一般得到了两方程相依回归模型的任一线性估计在均方误差准则下优于最小二乘估计的充要条件，据此提出一种新的广义非限定两步估计类（非线性），推导得到了这种两步估计的精确均方误差结果，研究了它优于最小二乘估计，甚至优于Zellner估计的统计性质。