加窗LMS—ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法，这种方法以ＬＭＳ自适估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延仗估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理，理论分析和计算机仿真表明，这种方法在估计精度、收敛速度和计算复杂度方面均优于基本ＬＭＳ自适应时间延迟估计。     

生长曲线模型的多元广义压缩最小二乘估计类

本文提出了生长曲线模型回归系数阵Ｂ的一类有偏估计－多元广义压缩ＬＳＥ类，以改善设计阵呈病态时的ＬＳＥ，讨论了它的可容许性，优效性以及在均方误差意义和Ｐｉｔｍａｎ接近原则下，改善ＬＳＥ的条件，另外还讨论了它的相合性、最优性，Ｂａｙｅｓ性等优良性。     

加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。     

岭估计的影响函数

本文求出了回归系数岭估计的理论影响函数、经济影响函数和样本影响函数，讨论了岭估计的影响函数与最小二乘估计的影响函数的关系以及与方差扰动模型中的岭估计关于扰动因子导数的关系，定义了岭估计的Ｃｏｏｋ距离，比较了岭估计的Ｃｏｏｋ距离与最小二乘估计的Ｃｏｏｋ距离的稳健性。     

PC准则下错误指定模型中回归系数有约束LS估计的优良性

在错误指定的回归模型和线性约束条件下，于ＰＣ准则下，比较了回归系数的有约束的最小二乘估计（ＲＬＳＥ）相对于通常的最小二乘估计（ＬＳＥ）的优良性．也对预测情形类似的问题进行了讨论．     

有随机约束的混合回归模型，随机约束岭型估计

对有随机约束的混合回归模型加以改进，并提出了在此回归模型下，回归系数的一种有偏估计——随机约束岭型估计，证明了在一定条件下，在均方误差意义下优于随机约束最小二乘估计。     

多重Ⅰ型混合截尾样本的Weibull分布参数估计

在多重Ⅰ型混合截尾样本情形下,讨论了两参数威布尔分布的参数估计问题.首先结合样本次序统计量联合密度函数给出了参数最大似然估计的表达式,其次利用Newton-Raphson迭代方法得到参数的最大似然估计,然后借助指数分布给出参数的精确置信区间,最后对参数的最大似然估计进行模拟研究和实例案例分析,最大似然估计的稳定性和有效...     

随机缺失下半参数回归模型的最大经验似然估计

考虑了随机缺失数据下非线性回归模型的估计问题,利用最大经验似然估计的方法给出了回归系数、光滑函数的最大经验似然估计,并在一定条件下证明了所得估计量的渐近正态性和强相合性。     

双边截尾场合下BS疲劳寿命分布的参数估计

在双边定数截尾场合下,给出了Ｂｉｒｎｂａｕｍ －Ｓａｕｎｄｅｒｓ疲劳寿命分布的统计分析,给出了参数的拟最小二乘估计和近似极大似然估计,并用随机模拟方法比较极大似然估计、近似极大似然估计和拟最小二乘估计的偏性和均方误差．     

生长曲线模型的综合岭估计

该文提出了生长曲线模型回归系数的一种新的有偏估计—综合岭估计,讨论了综合岭估计的优良性、可容许性等性质,给出了其迭代解和极小化均方差的无偏估计解。在综合岭估计下,岭估计、广义岭估计、根方估计成为其特例,从而统一了生长曲线模型的岭估计和根方估计理论。     

SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。     

Beta分布参数的极大似然估计

利用均匀设计抽样（ＵＤＳ）方法，给出Ｂｅｔａ分布的参数极大似然估计（ＭＬＥ）。实例表明，此法是有效的。     

双幂变换下参数极大似然估计的精确分布研究

在双幂变换下,使用极大似然估计方法估计正态线性回归模型中的变换参数,并研究其精确分布.给出了极大似然估计的精确分布函数,并通过模拟研究表明了,其分布不仅依赖于变换参数取值,还与方差和回归系数的取值密切相关;得到极大似然估计是一奇异随机变量,不具有密度函数的结论.为双幂变换的应用提供了很重要的理论依据.     

线性回归模型回归系数的条件岭型估计

研究了线性等式约束的线性回归模型回归系数的一种有偏估计--条件岭型估计,给出了在均方误差意义下条件岭型估计优于回归系数的约束最小二乘估计的条件.     

多元广义岭估计确定偏参数的两种准则

本文给出广义岭估计β（Ｋ）的偏参数Ｋ选择的Ｄ（Ｑ）准则和均方误差无偏估计的极小化准则,以及偏参数Ｋ的最优解公式．它使广义岭估计β（Ｋ）的均方误差（ＭＳＥ）明显小于 ＬＳ估计β的 ＭＳＥ．从而提高了广义岭估计的拟合精确度．最后给出一实例．     

浅论“广义”最大似然估计

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了广义最大似然估计的性质,探讨了利用射影变换求广义最大似然估计的方法。     

有先验信息的多参数分布族的参数估计

定义了拟极大似然估计和偏拟极大似然估计,并证明了二者在一定的条件下是一致的,最后给出了两个例子说明这两种估计的一致性.     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

混合设计模型固定效应估计的效率

本文首先给出了混合设计模型中度量估计效率的准则；并证明了在区组设计正交条件下，区组内估计，经曲ＬＳＥ的效率都是１。     

Pitman准则下带有半序约束的最大似然估计的优良性

利用正态总体的性质, 证明了当二维正态总体的均值满足一个或两个线性不等式约束时, 其线性函数的最大似然估计在Pitman准则意义下优于无约 束时线性函数的最大似然估计.