多维自回归模型的最大熵谱估计

本文以多维时序模型预测误差能量最小为依据，推导了一种新揿维自回归谱分析算法。理论和实验表明，该算法估计的模型精度较高，而运算工作量较低，是目前较好的一种算法。     

柴油机振动信号谱估计的自回归方法

介绍了经典谱分析和现代谱分析中自回归(AR)谱分析的各种常用方法，比较了各种方法对模拟信号(样本总数N=32)和柴油机爆发信号(N=128)的处理效果。结果表明，经典谱分析方法的稳定性好，但分辨率受信号样本数影响，不适于小样本信号。现代谱分析方法比经典谱分析方法有更高的分辨率，因而可用于柴油机小样本数据段的分析，但使用时要注意模型阶次p的选择。当p太高时，各种方法都出现不稳定的现象。自相关法的分辨率略低，但其稳定性较好，可优先考虑使用。柴油机振动过程中有许多小样本信号，如爆发、阀开关、喷油信号等，它们引起的振动信号都非常短，采用AR谱估计方法是非常合适的。     

多维自回归模型的最大熵谱估计

本文以多维时序模型预测误差能量最小为依据,推导了一种新的多维自回归谱分析算法。理论和实验表明,该算法估计的模型精度较高,而运算工作量较低,是目前较好的一种算法。     

混合自回归模型的谱分析

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.已有研究者将AR模型推广到MAR(混合自回归)模型,并且讨论了该模型的参数估计及模型选择问题.作者利用全期望公式及差分方程理论研究了混合自回归时间序列模型的谱分析,导出了自协方差函数的递推公式,给出计算谱密度的算法,并对一些常见的特殊情形给出了谱密度的具体表达式.     

正交设计在自回归分析中的应用

在D．D．C法的基础上，对门限自回归模型中门限值、滞后步长、各门限区间模型阶数利用正交设计方法寻优，计算工作量锐减，却可得到精度较高的预报模型．     

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.     

混合自回归模型的谱密度计算

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.文献[3]将AR模型推广到MAR模型,并且讨论了该模型的参数估计及模型选择问题.文献[5]给出了计算该模型谱密度的算法.本文利用该模型谱密度的"算法",讨论模型在一些常见情形下,谱密度的具体表达式.     

Broyden算法在无线传感器节点自定位中的应用

本文分析了最大似然估计算法在无线传感器网络节点自定位中的应用,针对其不足之处提出改进方法：将定位算法转化为求解非线性方程组的数学问题,用Broyden算法进行求精计算。通过仿真试验证实了该算法的可行性,结果显示,该算法提高了定位精度。     

对数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对数函数自回归模型的自回归分析,获得了对数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.     

最大熵谱估计与傅立叶谱估计的几点比较

本文通过对目前常用的现代谱估计方法——最大熵谱估计方法中的谱峰幅度和谱线分辨率两个基本问题的分析和讨论,和经典的傅立叶谱估计方法作比较,指出在最大熵谱估计方法的应用中应注意的几个问题。     

地物光谱曲线特征点的提取和应用

首先研究了地物光谱曲线特征点提取的方法,并列举了特征点的一些应用.然后根据实测的3个不同时期小麦的反射率曲线,在进行了均值去噪处理之后,设定振幅阀值,排除了残余噪音干扰,从而提取了曲线最重要的特征点.     

多维和多重递推辅助变量辨识算法

对带白色观测噪声的多维自回归(AR)模型,应用相关方法,分别提出了多维和多重递推辅助变量(RIV)算法,给出了未知AR参数的强一致估计;推广了一维RIV算法。提出了模型噪声和观测噪声方差的信息融合估值器,它们具有强一致性。一个仿真例子说明其有效性。     

多维AR（p）模型的估计理论及应用

叙述了多维AR(p)模型的分析与处理方法、多维AR(p)预测模型的建模过程及参数估计的计算方法，并将该模型在测井曲线的预测中加以实际应用．应用结果表明：本预测模型对多维动态数据进行预测是可行的。     

基于偏差估计卷积神经网络恒星光谱数据自动分类

天体物理学科中恒星光谱具有极其重要的研究前景,中国自主研制的大科学天文巡天项目大天区多目标光纤光谱望远镜(large sky area multi-object fiber spectroscopy telescope,LAMOST)自启用以来,已经成为世界上空间光谱获取数据量最大的科学装置.目前,第6期数据(sixth data,DR6)已对全球的天文工作者开放.恒星光谱数据分类在研究天文观测数据分析领域中极为重要,为了同时兼顾快速的运行速度和准确的分类精度,基于偏差估计卷积神经网络方法(bias estimation convolu-tional neural network,BECNN),分析了DR5中F、G、K、M型恒星光谱.BECNN核心思想主要是利用偏差函数泰勒展开式的偏差参数代替柔性最大值传输函数的偏差参数,进而减小误差,提高准确度.将本文方法与现有的神经网络(neural network,NN)和卷积神经网络(convolutional neural network,CNN)算法进行对比,BECNN算法在F、G、K、M型恒星光谱自动分类准确率分别为93.177％、88.349％、93.807％、89.255％;CNN算法分别为91.646％、87.671％、92.701％、89.054％;NN算法分别为90.819％、87.417％、91.325％、88.092％.同时,将两两恒星光谱数据融合作为测试样本集,做进一步验证.结果表明:BECNN光谱自动分类准确率高于CNN和NN方法,在今后特殊天体索搜与恒星光谱精细分类研究中,本文方法有较好的借鉴价值.     

回归函数的核估计法及其在经济分析中的应用

简介了非参数估计中的一种核估计方法，通过一个财政收支的实例，与最小二乘法进行了比较。     

统计参数估值方法在检测中应用

本文论述由观测值对检测参数进行统计估值的方法。先建立包含统计误差的观测值数学模型,再进行参数估值。其优点是一方面可以对参数检测方法的精密度和系统误差进行统计分析;另一方面可以把检测问题转化为统计参数估值问题,并应用当今大量的统计估值理论和方法以及计算机软件。     

频谱技术在布尔函数的多项式逼近中的应用

利用布尔函数的频谱来构造布尔函数的多项式逼近已得到研究。本文分析了这种逼近的构造,给出了不同阶数逼近所引起的误差上界及同阶逼近的等价性。     

多变量偏差补偿递推最小二乘法及其收敛性

对于带白色观测噪声的多变量自回归(AR)信号,提出了未知模型参数和噪声方差估计的偏差补偿递推最小二乘算法,用动态误差系统分析方法严格证明了所得到的模型参数和噪声方差估值是强一致的,即它们以概率1收敛于相应真实值。一个仿真例子说明了其有效性。     

基于遗传算法提取PN二极管主要参数的研究

遗传算法是一种新兴的演化算法,计算方法简便,收敛速度快,收敛准确。它被用来估计二极管参数。实验结果表明遗传算法是估计二极管参数的新方法。