多站时差定位性能试验评估技术

本文给出时差定位系统相关法时差测量误差模型,并以此为基础,建立了多站(大于3)时差定位性能试验评估方法.首先,给出了多站时差定位误差模型.其次,引入了信噪比对时差测量影响因素,提出了时差定位系统的相关法综合时间测量误差参数化模型.第三,给出了基于最小二乘法的综合时间测量误差参数估计方法,估计出综合系统参数和时间测量误差常数项.第四,给出了多站时差定位误差等效推算方法,该方法能够根据单条试验航线的时差定位数据,推算综合时间测量误差参数,进而获取任意位置的定位误差.最后进行了仿真验证,表明本文提出的时差定位性能试验评估方法优于传统固定时差测量误差模型定位性能试验评估方法.     

异方差非参数回归模型均值与方差变点的小波估计与应用

金融市场中,受突发事件的影响反映资产平均收益的均值函数和反映资产收益波动的方差函数都有可能出现变点. 本文讨论了均值和方差都存在变点的异方差非参数回归模型的变点估计问题. 给出均值函数与方差函数的局部线性估计,利用函数小波系数的特性求得均值与方差变点位置的估计值并给出其收敛速度.在模拟实验中分析变点估计值的样本特性及均值变点估计与方差变点估计的相互影响.最后通过对两组股票数据的均值变点和方差变点进行估计,说明方法的有效性.     

区间小波变换域的新拟牛顿LMS自适应消噪

将小波变换、自适应算法和新拟牛顿算法相结合,得出一种区间离散正交小波变换域新拟牛顿LMS消噪算法。该算法具有较好的环境适应性,有效克服了传统步长因子选取和输入信号自相关函数估计误差对算法收敛速度和稳态误差的影响。计算机仿真结果表明,在新拟牛顿条件下,该算法具有较快的收敛速度和较强的消噪能力,可以很好地应用于自适应消噪系统中。     

基于四元数平方根UKF算法的SINS/GPS紧组合导航系统研究

在较大初始姿态误差角下,针对SINS/GPS紧组合导航系统扩展卡尔曼滤波（extenthed Kalman filter, EKF）算法定位精度下降的问题,提出了一种基于四元数的平方根无迹卡尔曼滤波（square root unscented Kalman filter, SRUKF）算法。为解决SRUKF算法中四元数正交规范化的限制,通过构造姿态矩阵代价函数将四元数预测均值问题转化为代价函数最小时的四元数向量求解问题,保证了均值四元数的规范化;利用乘性四元数误差表示四元数预测值与均值之间的距离,求取四元数的预测协方差矩阵,保证了算法的合理性。在此基础上,给出了SINS/GPS紧组合系统四元数平方根无迹卡尔曼滤波算法的具体步骤。在较大初始姿态误差角下的仿真实验结果表明,与EKF算法相比,该算法精度更高,稳定性更强。     

威布尔部件的经验贝叶斯评估

在逐步增加Ⅱ型截尾寿命试验下, 讨论了威布尔部件可靠性指标的估计及性质. 基于Linex损失函数, 给出了威布尔部件寿命分布参数、可靠度函数及失效率函数的一致最小方差无偏估计、贝叶斯估计及经验贝叶斯估计, 并证明了经验贝叶斯估计的渐进最优性. 最后运用Monte-Carlo方法对各种估计 的均方误差进行了模拟比较. 结果表明, 经验贝叶斯估计精度高.     

ROBUST NONPARAMETRIC REGRESSION BASED ON L_1-NORM AND B-SPLINES

ＲＯＢＵＳＴＮＯＮＰＡＲＡＭＥＴＲＩＣＲＥＧＲＥＳＳＩＯＮＢＡＳＥＤＯＮＬ＿１－ＮＯＲＭＡＮＤＢ－ＳＰＬＩＮＥＳＳＨＩＰｅｉｄｅ（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｏｂａｂｉｌｉｔｙａｎｄＳｔａｔｉｓｔｉｃｓ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎ...     

基于模拟退火算法的工具变量选取方法

工具变量估计是解决模型内生性问题的基本方法，但其有限样本表现对工具变量的选取十分敏感. 近年来，对于“多工具变量”模型，文献中提出了基于近似最小均方误差的工具变量选取方法来解决这一问题，但这些方法或依赖于工具变量的排序，或受限于工具变量的数目. 本文采用基于模拟退火算法的工具变量选取方法很好地克服了这些缺陷. Monte Carlo 模拟结果表明该算法有效可行.     

小波分解与Prophet框架融合的电离层VTEC预报模型

在全球导航卫星系统(global navigation satellite system,GNSS)的应用中,电离层垂直总电子含量(vertical total electron content,VTEC)是直接决定电离层延迟误差的重要参数.为提高其短期预报精度,在综合考虑地磁扰动影响的基础上,提出了小波分解与Prop...     

GM(1, 1)与DM(1, l)模型的实质及其参数的最小二乘估计法

ＧＭ（１，１）与ＤＭ（１，ｌ）模型的实质及其参数的最小二乘估计法杨义群，冯恭己（浙江农业大学经贸学院，杭州３１００２９）（杭州大学）ＴｈｅＣｒｕｘｏｆＭｏｄｅｌｓＧＭ（１，１）ａｎｄＤＭ（１，１）ａｎｄｔｈｅＬｅａｓｔＳｑｕａｒｅＥｓｔｉｍａｔｉｏｎ...     

OFDM水声通信中基于压缩传感的稀疏信道估计

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)水声通信中常规的最小均方（least square, LS）信道估计方法需要大量训练导频且得不到较高估计精度的问题,提出了一种基于压缩传感原理的OFDM稀疏水声信道估计方法。该方法首先以正交短时傅里叶基构成的训练波形为OFDM的导频来“感知”信道,然后利用压缩传感技术的稀疏重构算法来对信道进行重构。〖JP2〗基于实测水声信道的仿真结果表明,在相同估计精度前提下,基于压缩传感的信道估计方法较常规的LS算法所需训练导频数得到大幅度减小,传输效率得以提高,且对噪声的鲁棒性增强,较好地适应了双扩展稀疏水声信道,尤其适用于动平台OFDM水声通信系统。     

水下多目标定向高分辨阵列处理的计算机仿真方法研究

应用计算机仿真方法研究了几种的水下多目标定向高分辨阵列处理方法的统计性能，为水下多目标定向研究提供了重要的研究方法和手段。子空间类方法、ESPRIT和WSF是几种典型的高分辨方位估计方法，它们具有良好的统计性能。我们在以往研究的基础上，针对两个目标和三个目标情况，通过仿真研究了这些高分辨方法的分辨能力和估计精度，得到了各方法的分辨概率及均方误差随信噪比变化规律，这些仿真结果为水下多目标定向提供了依据。     

估计GM(1,1)模型中参数的线性规划方法

估计GM(1,1)模型中的参数通常采用最小二乘准则,而在模型精度检验时又常采用平均相对误差。在平均相对误差达到最小准则或最大相对误差达到最小准则时,分别给出了估计GM(1,1)模型中参数的线性规划方法,并通过实例给出了不同极小化准则下数值结果的对比。数值结果表明,采用平均相对误差达到最小准则和最大相对误差达到最小准则比通常采用的最小二乘准则更合理,效果更好。     

Unbiased condition of the dispersion effects estimator in unreplicated two-level factorial experiments

This article presents a general form of the estimator for identifying dispersion effects from unreplicated two-level factorial experiments, and shows that the widely used estimators such as the BH, MH, and AMH estimators are all special cases of the proposed one, designated as the G estimator. The unbiased condition of the G estimator is proved, and a lower bound of variance of the G estimator is provided. A simulation based on a realistic design illustrates the variation of the variance and MSE (mean square error) of the G estimator on different coefficients. This estimator may be more flexible and has better performance than other methods such as the BH and MH estimators by appropriately selecting the coefficients.     

灰色GMP(1,1,N)模型及其在冰凌灾害风险预测中的应用

在加权最小二乘框架下构建了含时间多项式项的灰色GMP(1,1,N)模型,该模型既适用于小样本单调序列又适用于波动序列,论证了均方误差最小准则、均方相对误差最小准则与平均绝对百分误差最小准则下的GM(1,1)、NGM(1,1,k)和GM(1,1,t~α)模型均是GMP(1,1,N)模型的特殊形式,将GMP(1,1,N)模型应用于黄河宁蒙河段冰凌灾害风险预测,结果表明2015-2016年的风险预测结果符合实际情况,模型能够识别风险波动变化规律.为不同准则下灰色预测新模型的构建提供了新思路,具有重要的理论意义和工程应用前景.     

自回归模型的加权复合Expectile回归估计及其应用

本文基于充分利用多个Expectile信息能提高参数估计效率的假设,提出了AR模型的加权复合Expectile回归(WCER)估计,探讨了该估计的最优权重,建立了其大样本性质,发现根据由数据驱动的最优权重所获得的WCER估计与最优权重已知时所获得的WCER估计具有相同的渐近有效性.数值模拟表明,当误差为厚尾或非对称分布,所提出的WCER估计大大优于传统最小二乘估计.即使误差分布未知,依然可以得到像极大似然估计一样具有优良统计性质的WCER估计.应用所提出的方法分析恒生指数和标准普尔500指数,实证分析表明:所提出的WCER估计在有效性意义下非常具有竞争力.     

一类离散灰色预测模型的统一处理方法及应用

在加权最小二乘框架下构建了离散灰色预测模型DGMP(1,1,N),论证了最小均方误差准则、最小均方相对误差准则和最小平均绝对百分误差准则下的DGM(1,1)模型、NDGM(1,1)模型和NGM(1,1,k~α)模型均是DGMP(1,1,N)模型的特殊形式,给出了模型阶数N取值的判定准则,证明了模型的仿射变换不变性和无偏性.将DGMP(1,1,N)模型运用到人均能源生活消费量预测中,结果表明该模型具有高拟合和预测精度,验证了模型的可行性与有效性.     

水声信道快速收敛自适应均衡算法

从提高自适应均衡算法水声信号收敛性能的角度出发,提出了一种新的快速收敛水声信道自适应均衡算法。该算法将改进的归一化均方误差算法和判决反馈均衡器结构有机结合,在不增加计算量的前提下,很好地实现了不同水声信道的自适应均衡,易于算法的硬件实现。仿真结果表明,该算法计算量同归一化最小均方(normalized least mean square, NLMS)误差算法的计算量相当,但在稳态误差和收敛速度上有很大优势;收敛性能与自适应调整最小二乘回归〖CD*2〗判决反馈均衡器(variable tap-length decision feed-back equalizer based on recursive least square, RLS-DFE)算法接近,却克服了RLS-DFE算法计算量大,不利于硬件实现的实际问题。提出的算法为水声通信提供了一种性能优良的可实现方法,具有较高的应用价值。     

Performance of Preliminary Test Estimators for Error Variance Based on W,LR and LM Tests

The performances of preliminary test estimators for error variance based on W, LR and LM tests in a normal linear model are considered in this paper. Firstly, the risks of the proposed estimators are derived and compared by theoretical analysis and numerical calculation, respectively. The results show that their risks are related to the equality constraint error and the critical value of test. Moreover, the minimum value of the risks can be achieved when the critical value of test equals to one. Secondly, the superiority conditions of the proposed estimators are discussed. Finally, the results are illustrated by a simulation example.

     

风险度量半参数变系数复合Expectile回归模型及应用

本文结合半参数变系数回归模型、期望分位数风险价值(EVaR)的思想以及充分利用多个Expectile信息能提高参数估计效率的假设,提出了一类半参数变系数复合Expectile回归模型,并对该模型进行了估计,建立了所提出复合Expectile回归(CER)估计的大样本性质.针对该模型既含有参数部分也含有非参数部分的特征,采用了方便计算的三步估计方法.通过数值模拟也发现,当误差为厚尾或非对称分布时,在均方根误差(RMSE)的标准下,所提出的CER估计大大优于最小二乘(LS)估计和简单的Expectile回归(ER)估计.另外,本文还应用所发展的理论分析了我国货币政策对上证综指的影响.     

GM(1,1)模型初始条件和初始点的优化

在对GM(1,1)模型的初始条件进行优化时,由于优化的目标函数为误差平方和最小,而模型的检验标准为平均相对误差最小,两个准则的不一致性导致优化效果不理想.本文以相对误差平方和最小为目标优化GM(1,1)模型,分别对初始条件和初始点进行优化,给出优化的计算公式,并证明在原始序列相对误差平方和最小的准则下,初始条件优化和初始点优化是统一的.实例表明运用优化公式与数值最优解计算得到的模型平均相对误差非常接近,且运用优化公式比数值解求解更方便.