具有未知阶数和系数的线性随机系统的自适应控制

该文考虑具有未知阶数和系数的离散时间线性随机控制系统(ARMAX模型),提出一种便于在线实施的自适应控制新算法。在一定的条件下,该算法能保证所建立的闭环系统全局稳定和输出跟踪渐进最优,而且阶数和系数的估计都具有强一致性,同时还给出系数估计的收敛速度。仿真结果表明所提出的自适应控制的新算法是有效的和可行的,且控制量在容许控制的范围之内。     

再论线性模型参数M估计的强收敛速度

研究线性模型中回归参数M估计的强收敛性，与专著[1]中相应结果比较，我们在较弱的条件下获得了相应的结论。     

变系数模型小波估计的渐近性质

为了克服非参数回归函数估计的"维数祸根",Hastie和Tibshirani提出了变系数模型.变系数模型涵盖了一些常用的统计模型,因而引起了许多统计学家的研究兴趣.文章主要研究在回归协变量为随机设计情形下变系数模型的小波估计的渐近性质,在适当条件下证明了变系数模型小波估计的弱相合性和强相合性,并且给出了强相合速度.     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

MA模型阶数的贝叶斯估计

根据贝叶斯估计理论,在阶数和参数较为一般的先验分布及平方损失函数下,给出了MA模型阶数的贝叶斯估计,并证明了该估计方法具有强相合性.     

线性模型参数M估计的强收敛速度

研究了线性模型中回归参数M估计的强收敛性，与《线性模型中的M方法》（陈希孺，赵林城，上海：上海科学技术出版社，1996）中相应结论比较，在一般性条件下获得了强收敛性的结果，而且，这里给出的条件对矩的要求有较大的改进。     

基于差分对立灰狼算法的SNCR脱硝系统模型辨识

为了对具有大迟延、大惯性、非线性的选择性非催化还原（SNCR）脱硝系统进行有效的控制，建立一个精确的SNCR脱硝系统模型是至关重要的。采用遗忘因子递推最小二乘（FFRLS）法和贝叶斯信息准则（BIC）确定系统离散传递函数的阶数，提出了一种改进的灰狼算法即差分对立灰狼（DOGWO）算法，使用该算法对模型的参数以及时滞进行寻优，得到精确的模型。经过标准测试函数测试以及现场实际数据验证，仿真结果表明DOGWO算法与其他算法相比具有收敛速度快，辨识精度高，可以准确得到模型参数等优点，为实时快速的模型在线辨识提供了新的方法。     

混合系数线性模型参数的可容许估计

利用二次损失函数和矩阵损失函数,给出混合系数线性模型的可估参数向量Sd在线性估计类中的可容许估计,并且分别讨论固定系数α和随机系数期望b的可容许估计.     

非线性系统时变时滞和参数的在线联合估计

为了解决非线性系统的时滞和参数的在线联合估计这一问题 ,提出了一种基于遗传算法的非线性系统时变时滞和参数的在线联合估计方法。将遗传算法的二进制编码改进为十进制编码。对于系统输入带有纯时滞的非线性系统 ,采用改进的遗传算法对系统时滞和参数进行在线联合估计。此方法能够有效地在线联合估计非线性系统的时变时滞和参数 ,并具有一定的抗噪声能力。仿真实验结果验证了此方法的有效性     

维修纪录数据的可靠性统计分析

假设某些产品寿命服从指数分布,对维修纪录数据进行了统计分析,并考虑了总体样本容量未知的情形.给出了分布的参数估计以及总体样本容量的估计,并获得了估计的强收敛速度以及均方收敛速度,还考虑了一些可靠性指标的估计.最后给出了蒙特卡罗模拟,来验证估计的方法的可行性与有效性.     

基于次梯度投影的数字助听器自适应声源定位方法

该方法在特征值分解算法的基础之上,利用次梯度投影方法自适应估计声源到麦克风的脉冲响应系数,进而估计出各麦克风之间时延,并利用几何方法定位声源在3D空间的位置.与传统的基于广义互相关的时延估计算法相比,提出的算法在房间反射与共振的情况下定位精度更高;与基于NLMS算法的自适应特征值分解时延估计算法相比,提出的算法收敛速度更快,并且在强噪声的情况下鲁棒性更强.基于眼镜数字助听器声源定位系统的实验与仿真研究了麦克风阵不同的几何尺寸对算法性能和定位精度的影响,证明了在不同信噪比情况下该算法都能有效定位声源的3D空间位置.     

多元时滞联系数及其不确定数i1（τ）,…,in（τ）的取值探讨

针对综合测评中的时滞动态趋势分析,建立了基于集对分析的多元时滞联系数模型,对联系数中的不确定数i1（τ）,…,in（τ）取值进行了静态修正,给出了两种简化时滞动态取值方法.实例应用表明该时滞动态分析客观、科学、结果更贴近实际.     

广义对角岭型估计类

提出了具有岭型形式的一类回归系数的参数估计--广义对角岭型估计类.在线性模型的典则形式下此估计类仍是最小二乘估计的一个线性变换,具有有偏性和压缩性.同时还讨论了它的均方误差的形式,证明了在均方误差意义下,在某个椭球范围内它优于最小二乘估计,得到了该估计类的残差平方和的一个简单形式.最后指出该估计类其实是具有岭型形式估计类的统一形式.     

基于ESPRIT法的UWB系统同步与信道联合估计

提出基于ESPRIT算法的超宽带系统同步-信道联合估计算法.首先对接收信号进行傅立叶变换,由傅立叶变换结果计算自相关函数,基于自相关函数的信号子空间构造矩阵束,把同步、多径时延估计转化成矩阵束的特征值求解问题.求解出时延后再进一步求解信道参数.     

角度域和时延域联合稀疏信道估计

针对多输入多输出(MIMO)系统在双选信道下信道估计问题,以及挖掘信道在时延域和角度域的联合稀疏特性,提出了一种新的基于压缩感知的联合稀疏信道估计方案.首先,基于基扩展模型,将信道估计建模为结构化压缩感知问题,随后基于压缩感知模型,提出了两种新的贪婪算法,有效地恢复了时变信道参数.其中两步同时正交匹配追踪(TS-SOMP)算法先在时延域中找到所有非零抽头位置,然后估计非零角度域系数.两环同时正交匹配追踪(TLSOMP)算法包括内外两个循环,在外部循环中找到一个非零抽头位置后,即可直接在内部循环求解非零角度域系数.最后,给出了归一化均方误差(NMSE)的仿真曲线,验证了本算法的有效性.     

一类六阶微分系统特征值的上界估计

考虑六阶微分系统特征值的带权估计,利用矩阵运算、分部积分、Rayleigh定理和不等式估计等方法,获得了用前n个特征值来估计第n 1个特征值的上界的不等式,且其估计系数与区间的几何度量无关.     

一类偏微分系统的离散谱估计

考虑一类偏微分系统的离散谱估计,利用矩阵运算、分部积分、测试函数、Rayleigh定理和不等式估计等方法,获得了用前n个特征值来估计第n+1个特征值上界的不等式,其估计系数与区间的几何度量无关.     

具有纯时延的系统的解耦时延参数估计

通过对纯时延的有理逼近，提出纯时延系统的一种新的解耦时延二步估计算法。     

六阶常微分方程广义第二特征值的上界估计

考虑六阶常微分方程广义第二特征值的上界估计。利用试验函数,Rayleigh定理,分部积分和Schwartz不等式等估计方法与技巧,获得了用第一特征值来估计第二特征值的上界的不等式,其估计系数与区间的度量无关。其结果在物理学和力学中有着广泛的应用,在常微分方程的研究中起着重要的作用。