关于谐波随机过程的四阶平稳性与四阶遍历性的一个结果

本文分析了由随机谐波构成的复信号的四阶矩之有限数据估计，得到了四阶平稳和四阶遍历的条件，给出了估计误差及其方差，以及它们大样本的极限值的显式表达式，最后考虑了它的一个特例，说明这一情形下的方差由遍历部分和非遍历部分组成。     

时间序列条件矩持续和协同持续性研究

根据非线性单整理论提出了矩持续和矩协同持续的概念,从时间序列各阶矩长期均衡关系的角度构建了协整和波动协同持续性的统一数学框架,并进一步给出了矩持续和矩协同持续性在三阶矩和四阶矩情形的表现形式;其次在ARMA-GARCHSK模型体系下给出了时间序列矩持续和矩协同持续存在的充分必要条件;最后给出了向量ARMA-GARCHSK模型矩协同持续的ARMA表示形式和误差修正模型.     

Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

MRR模型一类正态总体的极大似然估计法及检验

Madhavan等给出了一个著名的价差分解模型：MRR模型. MRR模型利用广义矩方法估计参数，这使得该模型在扩展上受到矩条件限制. 考虑到价格演变存在条件异方差现象基础上，本文给出一类极大似然估计方法，使MRR模型在模型扩展中增加的变量不受矩条件限制. 以上证180成分股数据作为样本，实证结果表明带限定条件的极大似然估计法准确地捕捉了交易中的信息参数及流动成本，同时在原模型估计及扩展上有很好的稳定性. 模型扩展上，进一步检验了交易强度对信息参数的影响.     

应用自适应时频分布的瞬时频率估计

估计信号的瞬时频率常用解析信号的相位差分或Cohen类时频分布的时间一阶条件矩 ,但这些方法在信噪比较低时存在较大的方差。提出了一种新的瞬时频率估计方法 ,它把被分析的信号自适应地扩展到一组有限的 ,具有较好的时频局部化特征的基函数集上 ,用相应的自适应时频分布的谱峰检测来估计信号瞬时频率。仿真结果表明 ,该方法具有较好的抗噪声能力 ,且能够灵活地应用于估计多分量信号的瞬时频率 ,可以取得比其它方法更好的效果。     

基于因子图的协同定位与误差估计算法

针对多自主水下航行器协同定位系统中从艇的数据融合问题,首先建立了协同定位系统的数学模型,然后分析了速度误差及航向误差对从艇定位误差的影响,同时设计了协同定位及误差估计的因子图模型.接着,提出了基于高斯噪声的协同定位及误差估计算法,利用均值和方差在因子图各节点间传递完成对从艇位置、速度误差和航向误差的估计.为了验证算法的...     

三维异步传感器的配准偏差补偿

传感器配准是多传感器数据融合的重要环节,现有文献仅考虑了二维异步传感器配准偏差的估计与补偿问题,并且忽略了偏差估计方差对目标跟踪性能的影响。首先建立了三维传感器偏差配准模型,基于此模型推导了异步传感器偏差估计算法。考虑到偏差估计方差对跟踪系统跟踪性能的影响,基于集中式融合结构提出了一种新的偏差补偿算法,进一步提高了系统的跟踪精度。最后,利用蒙特卡罗仿真方法比较了不忽略偏差估计方差、忽略偏差估计方差、利用偏差真值进行精确补偿及不进行偏差补偿四种情形下的偏差补偿算法,结果表明了所提偏差补偿算法的有效性。     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

基于U-D分解的最优定界椭球状态估计

将平方根U-D分解理论引入集员辩识框架下的最优定界椭球(OBE)状态估计当中,一定程度上减小了数值计算过程中的舍入误差带来的影响,改善了算法的稳定性,提高了算法的精确度。与现有的OBE算法相比,基于U-D分解的OBE算法能提供更精确的估计结果。仿真结果表明了该算法的有效性,以及计算数值鲁棒性。     

干扰源定位中到达时间差参数估计方法

卫星干扰源定位技术的关键之一是定位参数的测量。目前传统的定位时延估计算法无法满足在低信噪比环境下的到达时间差(time difference of arrival, TDOA)参数估计。为了进一步提高定位性能,提出了基于四阶累积量的最小均方误差算法(least mean square algorithm based on fourth-order cumulant, CUM-LMS),在使用四阶累积量进行时延估计的基础上,提取峰值信息,计算均方误差,得到准确的TDOA参数。实验结果表明,所提出的算法有效地提高了时延参数估计的性能。     

Robust state-space realizations of digital filters against finite word length errors

This article deals with two important issues in digital filter implementation： roundoff noise and limit cycles. A novel class of robust state-space realizations, called normal realizations, is derived and characterized. It is seen that these realizations are free of limit cycles. Another interesting property of the normal realizations is that they yield a minimal error propagation gain. The optimal realization problem, defined as to find those normal realizations that minimize roundoff noise gain, is formulated and solved analytically. A design example is presented to demonstrate the behavior of the optimal normal realizations and to compare them with several well-known digital filter realizations in terms of minimizing the roundoff noise and the error propagation.     

基于特征子空间投影的信源数估计方法

为了适应实际测向系统的环境,针对常规信源数估计方法在色噪声背景下估计性能变差的问题,提出了基于特征子空间投影的信源数估计方法。首先对特征向量分组,获得只含有噪声部分和既含有噪声又含有信号部分的特征子空间。阵列的导向矢量阵与噪声子空间正交,而与信号子空间张成的是同一个空间。根据这个原理,将协方差矩阵在不同特征子空间上进行投影,得到存在差异的投影数据。最后对投影数据进行求方差处理,得到投影方差,将其作为信源数估计的依据,进而实现信源数估计。仿真实验和实测数据测试表明了该算法的正确性和有效性。     

多元条件高阶矩波动性建模

类似于二阶矩风险(方差风险)的时变性,高阶矩风险也具有时变性.同时,为讨论多个市场或多个金融资产对应高阶矩风险之间的关系,需要建立多元条件高阶矩波动模型.提出了多元GARCHSK模型并给出其向量表达,用独立成分分解技术来解决多元GARCHSK建模中的“维数灾难”问题,给出多元条件高阶矩波动率的估计方法.最后,利用该模型对我国股市4个主要股指的高阶矩风险进行了动态描述.     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

Admissible model noise upper bound with constraint of stochastic passage characteristics

In some object tracking systems,the moving object future position is an area (i.e.,target area).It is a successful estimation strategy if the predicted points fall in the target area.If the object makes a sudden maneuvering,the prediction may get out of the target area easily which may make the tracking system lose the object.The aim is to investigate the admissible maximum object maneuvering intensity,which is characterized as model noise variance,for such kind of tracking system.Firstly,the concept of stochastic passage characteristics over the boundary of target area and their relationship with prediction error variance are described.Secondly,the consistency among the indices of regional pole,prediction error variance and stochastic passage characteristics is analyzed.Thirdly,the multi-indices constraints are characterized by a set of bi-linear matrix inequalities (BMIs).Then,the admissible maximum model noise variance and the satisfactory estimation strategy are presented by iteratively solving linear matrix inequalities (LMIs) to approximate BMIs.Finally,a numerical example is proposed to demonstrate the obtained results.     

基于门限预平均已调整多次幂变差的可积波动估计及其应用

本文在市场微观结构噪声和跳跃下新提出一类可积波动估计.这些估计联合采用了预平均已调整多次幂变差估计和门限技术,分别消除噪声和跳跃的影响.我们同时给出这一估计的渐近性质,包括一致性和中心极限定理.蒙特卡罗模拟结果表明这一估计对噪声和Lévy跳跃稳健,并且相比预平均已调整多次幂变差(PMMV)估计(Vetter, 2008)具有更好的表现.在实证应用中,基于中国股市逐笔交易的高频数据估计出2015年股灾前后上证50成分股的连续波动,跳跃波动以及噪声波动,并且研究了它们之间相互关系.实证发现:1)噪声波动对潜在收益波动具有正向预测作用,但该预测作用主要针对连续波动,对跳跃波动预测作用并不显著;2)噪声波动具有很强的相依性,连续波动对其具有显著正向预测作用,而跳跃波动对其不存在显著的预测能力.本文研究结果表明噪声包含了有助于潜在价格波动预测的信息,不完全是"噪声",其包含的信息有待深入挖掘.     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。