Variable selection for recurrent event data with informative censoring

Recurrent events data with a terminal event(e.g.,death) often arise in clinical and observational studies.Variable selection is an important issue in all regression analysis.In this paper, the authors first propose the estimation methods to select the significant variables,and then prove the asymptotic behavior of the proposed estimator.Furthermore,the authors discuss the computing algorithm to assess the proposed estimator via the linear function approximation and generalized cross validation method for determination of the tuning parameters.Finally,the finite sample estimation for the asymptotical covariance matrix is also proposed.     

无线传感器网络中分布式量化航迹稳健融合

针对无线传感器网络（wireless sensor network, WSN）中的通信带宽和节点能量约束,提出了一种新的分布式量化航迹稳健融合框架。首先,对局部状态估计的方差阵进行压缩处理,取其对角上确界矩阵;再对压缩后的方差阵和状态估计向量进行K 均值矢量量化,送往融合中心（fusion center, FC）。其次,针对局部估计的未知或者不完整相关性,提出了不依赖于相关性的稳健航迹融合方法--内椭球逼近法（inner ellipsoidal approximation, IEA）用于簇首（cluster head, CH）的融合估计。仿真结果证明所提出算法的有效性：跟踪精度方面非常接近已有文献中的结果,而所需通信带宽远低于已有方法;通信能量方面,相对于随机选取激活节点策略,采用目标导向的动态分簇策略节省最高可达42%的能量。     

Variable Selection for Structural Equation with Endogeneity

This paper studies variable selection problem in structural equation of a two-stage least squares (2SLS) model in presence of endogeneity which is commonly encountered in empirical economic studies. Model uncertainty and variable selection in the structural equation is an important issue as described in Andrews and Lu (2001) and Caner (2009). The authors propose an adaptive Lasso 2SLS estimator for linear structural equation with endogeneity and show that it enjoys the oracle properties, i.e., the consistency in both estimation and model selection. In Monte Carlo simulations, the authors demonstrate that the proposed estimator has smaller bias and MSE compared with the bridge-type GMM estimator (Caner, 2009). In a case study, the authors revisit the classic returns to education problem (Angrist and Krueger, 1991) using the China Population census data. The authors find that the education level not only has strong effects on income but also shows heterogeneity in different age cohorts.     

海杂波协方差矩阵估计及其对目标检测性能的影响

在海杂波中检测有用信号,杂波的协方差矩阵需要利用参考数据进行估计,不同的估计方法对信号的检测性能产生不同的影响。首先,给出了几种杂波协方差矩阵估计,即样本协方差矩阵、正则化样本协方差矩阵、最大似然估计和渐进最大似然估计;然后,分析了海杂波数据的非高斯性和非平稳性;最后,利用正则化匹配滤波器作为信号检测器,分析了不同协方差估计对检测性能的影响。分析结果表明,由于实测数据的非平稳性,检测性能均比仿真数据获得的检测性能要差。而将杂波协方差矩阵的最大似然估计应用于检测器,能够获得较好的检测性能。     

基于凸约束下泰勒估计的主瓣干扰抑制算法

针对真实信号协方差矩阵估计难以直接获取及低快拍条件下传统采样协方差矩阵存在较大误差的问题,提出了基于凸约束下泰勒估计的抗主瓣干扰波束形成算法。该算法首先利用凸约束下的泰勒估计法在低快拍数条件下对信号协方差矩阵进行估计。其次利用多信号分类算法进行波达方向估计,筛选主瓣干扰对应特征矢量。而后利用特征投影矩阵法对主瓣干扰进行抑制。最后,通过添加线性约束获得权值矢量进行波束形成。仿真结果显示,在低快拍数条件下,所提算法对信号协方差矩阵具有更高的估计精度,波束形成性能稳健且具有更高的输出信干噪比。     

具有数据包丢失的网络控制系统的估计问题

主要考虑了具有数据包丢失的网络控制系统(NCSs)的估计问题。首先,给出经典的卡尔曼滤波估计器和协方差矩阵。当量测方程带有噪声时,通过递推的方法严格推导出最优估计(条件期望)。另外,根据系统丢包行为能否被观测到的估计问题,分情况进行讨论。最后,在实际应用中开发了一个次优的近似估计器。这对在大的有限域下研究具有数据包丢失的网络控制系统有所帮助,也为进一步分析网络控制系统的问题提供了研究方向。     

无线传感器网络链路统计特性研究与应用

无线传感器网络通信的动态、易损耗特性为可靠自组多跳的网络设计带来了很大的挑战。路由决策需要动态获取链路连通统计特性以获取传输可靠性。提出了一种无线传感器网络传输模型，以及—种实时链路质量预测机制；扩展NS2的功能，设计实现了一种无线传感器网络模拟平台；利用该软件提出了一种基于链路状态的定向扩散路由协议（LSBDD）；仿真实验运行结果评价了提出的链路质量预测机制的性能，证明了该网络模拟软件的有效可行性，并且验证了LSBDD的可靠性、能源有效性、以及可扩展性能。     

高频数据下高维协方差阵的RCM算法估计与应用

基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.     

基于差集表遍历搜索的互素阵列DOA估计器

为降低波达方向(direction-of-arrival, DOA)估计中阵元硬件成本和阵元间耦合,提出基于差集表遍历搜索的互素稀疏阵列DOA估计器。该估计器兼顾低复杂度和高精度的特点。其低复杂度在于:仅需依据互素稀疏阵列的阵元坐标即可构造出差集表,以该差集表为指导,可实现观测阵元的协方差矩阵到Nyquist虚拟阵列协方差矩阵的快速转换,进而借助多信号分类分解实现多目标DOA估计;其高精度在于:差集表遍历搜索措施可提升信号子空间的维度,进而提高了空间谱分辨率。鉴于高频段、低波长的阵列信号处理应用日益展开,该DOA估计器具有较为广阔的应用前景。     

改进的树型WSN分布式LCMV波束形成方法

针对减少树型无线传感器网络(wireless sensor network, WSN)中分布式线性约束最小方差(linearly constrained minimum variance, LCMV)波束形成器计算量问题,提出基于Householder多级维纳滤波器(Householder multistage Wiener filter, HMSWF)的分布式LCMV波束形成器方法。该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能。计算机仿真结果验证了算法的优良性能。     

大维数据背景下金融协方差阵的估计及应用

协方差阵在投资组合和风险管理中扮演着重要角色,但是大维数据给传统的协方差阵估计方法带来了巨大挑战.本文将改进的乔列斯基分解和惩罚函数等非参数方法应用到DCC模型的估计中,提出了非参数DCC模型(NPDCC).NPDCC模型首先通过改进的乔列斯基分解方法,将DCC模型估计中复杂的协方差阵估计问题转化为一系列的回归模型,然后通过引入惩罚函数,将一些回归系数压缩为零,解决了维数诅咒问题,使得大维动态条件协方差阵的估计成为可能.通过模拟和实证研究发现:较DCC模型而言,NPDCC模型明显提高了大维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利.     

Test on Stochastic Block Model: Local Smoothing and Extreme Value Theory

In this paper, to obtain a consistent estimator of the number of communities, the authors present a new sequential testing procedure, based on the locally smoothed adjacency matrix and the extreme value theory. Under the null hypothesis, the test statistic converges to the type I extreme value distribution, and otherwise, it explodes fast and the divergence rate could even reach n in the strong signal case where n is the size of the network, guaranteeing high detection power. This method is simple to use and serves as an alternative approach to the novel one in Lei (2016) using random matrix theory. To detect the change of the community structure, the authors also propose a two-sample test for the stochastic block model with two observed adjacency matrices. Simulation studies justify the theory. The authors apply the proposed method to the political blog data set and find reasonable group structures.

     

多源多目标网络下基于包聚合的选择协作方法

针对实际应用中广泛存在的源-目节点不等的无线传感网,提出一种基于包聚合的选择协作方法,以提升传输可靠性。首先,通过建立源-目节点间的关联矩阵将多源多目标传感网分解为多个多源单目标传感网;其次,将包聚合策略引入协作传输中,对多源单目标网络实施基于包聚合的选择协作通信;再次,考虑传输顺序对各源节点的影响,将3种调度方法引入选择协作方法中;最后,在保证系统传输可靠性的前提下,为方便系统的多目标优化,提出了3种中继选择策略。仿真结果表明,所提选择协作方法不仅能提高系统传输可靠性且能满足不同的网络需求。     

An Efficient Multiple Imputation Approach for Estimating Equations with Response Missing at Random and High-Dimensional Covariates

Empirical-likelihood-based inference for parameters defined by the general estimating equations of Qin and Lawless(1994) remains an active research topic. When the response is missing at random(MAR) and the dimension of covariate is not low, the authors propose a two-stage estimation procedure by using the dimension-reduced kernel estimators in conjunction with an unbiased estimating function based on augmented inverse probability weighting and multiple imputation(AIPW-MI) methods. The authors show that the resulting estimator achieves consistency and asymptotic normality. In addition, the corresponding empirical likelihood ratio statistics asymptotically follow central chi-square distributions when evaluated at the true parameter. The finite-sample performance of the proposed estimator is studied through simulation, and an application to HIV-CD4 data set is also presented.     

The adaptive LASSO spline estimation of single-index model

In this paper, based on spline approximation, the authors propose a unified variable selection approach for single-index model via adaptive L ₁ penalty. The calculation methods of the proposed estimators are given on the basis of the known lars algorithm. Under some regular conditions, the authors demonstrate the asymptotic properties of the proposed estimators and the oracle properties of adaptive LASSO (aLASSO) variable selection. Simulations are used to investigate the performances of the proposed estimator and illustrate that it is effective for simultaneous variable selection as well as estimation of the single-index models.     

基于子空间的后验稀疏约束迭代DOA估计方法

子空间波达方向 (DOA)估计方法的一个缺点是在子空间分解过程中难以利用信号的相关信息或有关DOA估计的先验信息改善DOA估计的性能。结合子空间方法和协方差矩阵拟合方法 ,利用信号相关信息和DOA估计的稀疏约束信息 ,研究了一种新的不相关窄带信号DOA估计方法。理论分析和仿真实验结果表明 ,这种迭代DOA估计方法一般经过几次迭代就能获得稳定的高分辨率DOA估计。     

一种扩展的直接航迹融合方法研究

在分布式多传感器数据融合系统中,各单传感器类型不同情况下的融合问题是一类普遍的问题。本文从直接航迹融合算法的推导过程提出了一种解决这一类问题的方法,包括融合状态设定方法、基于最大似然估计的方法。     

基于免疫系统的无线传感器网络性能优化

根据免疫系统B细胞和T细胞模型,建立人工免疫系统与无线传感器网络间的相似关系,提出一种邻域节点选择算法,以判断传感器节点是否被激活。由于事件信息传递到汇聚节点会产生偏差,利用时空相关理论和自适应最小均方误差滤波算法,建立偏差与激活节点数目及偏差与节点通信频率之间的关系,确定传递事件信息所需最少激活节点数和最佳通信频率。不同条件下仿真结果表明,这种无线传感器网络优化策略能起到减少节点数目、降低通信频率及节约能耗的效果。     

基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

基于协方差拟合准则的降维空时自适应处理方法

最优空时自适应处理方法由于计算量大且需要大量的训练样本来估计杂波协方差矩阵而无法满足实际应用,针对此问题,本文提出一种基于协方差拟合准则的降维空时自适应处理方法.该方法首先对每个阵元收到的回波信号进行时域滤波,然后通过协方差拟合准则构造了在高斯信源下与最大似然估计器渐近等价的优化问题,同时我们将协方差拟合优化问题转换为...