(a,b)类分布的统计性质

通过用Bayes方法对(a,b)类分布进行分析,研究相关方差与期望的关系,并给出a与b的矩估计和极大似然估计(MLE).在极大似然估计基础上,利用Lindley逼近引理,给出(a,b,0)类的Bayes估计,并运用MATLAB进行相关模拟.模拟结果表明,对于(a,b,0)类分布的估计,若样本数量较大,则选择Bayes估计更好;反之,选择矩估计更好.     

一种新的TD-SCDMA信道估计改进方法

提出了一种用于TD-SCDMA(时分双工同步CDMA)移动通信系统的信道估计改进方法.TD-SCDMA系统中采用Steiner信道估计器,这种估计器实质上是基于最小二乘的估计,忽视了信道噪声的影响,而信道的噪声对估计精度有很大影响.利用TD-SCDMA在相邻帧为慢变信道的特征,提出一种基于时延相关信道估计改进方法,同时对Steiner估计器进行门限滤波,滤除了大部分噪声抽头.仿真结果表明,改进的信道估计使系统的性能获得较大的改善与提高,甚至在高速移动传播环境下可以达到2 dB的增益.     

排序集抽样下样本参数的修正区间估计

研究了排序集抽样下样本参数的修正极大似然估计的性质,并以此估计为基础构造了样本参数的修正区间估计.研究表明:在相同的置信水平下,基于排序集抽样的样本参数的修正区间估计较传统的置信区间具有更高的精度.     

二项分布的几种经验Bayes估计方法

讨论了4种二项分布的经验贝叶斯估计,并通过实例比较了这4种方法的优缺点.其中参数化方法缺点是要注意先验分布的选择;最小熵方法的缺点是只能采用数值解法;线性经验贝叶斯方法的优点是不需求出先验分布,结果简明,便于应用,缺点是需要估计局限于样本x的线性函数;条件期望法的优点是不必考虑先验分布的类型、参数等,只需要有充分多的“经验”样本.     

基于C-均值聚类的分布式估计融合系统的量化器设计

针对观测统计量的联合概率分布未知的多传感器分布式估计融合系统,作者利用Megalooikonomou等提出的直和估计思想,基于C-均值聚类方法设计了一种量化器,改进了他们基于回归树设计量化器的融合效果.进一步,在系统整体优化条件下,作者同时考虑了各分站量化器的设计,建立了估计融合模型并通过实验验证了该模型的有效性.     

时滞神经网络的间歇型非脆弱状态估计

针对时滞神经网络模型,研究了间歇型的非脆弱状态估计问题.所考虑的估计器可以间断地工作,并且其控制参数满足范数有界的不确定性.首先,借助Lyapunov稳定性和矩阵不等式,给出了间歇型非脆弱估计器的存在条件,指出当估计器的停歇率在一定范围内,误差系统是鲁棒指数稳定的.接着,估计器的增益矩阵通过线性矩阵不等式的可行解表示....     

基于外延原理的混合动态系统估计器设计

以混合动态系统的外延原理为工具分析了估计器的可压缩性问题．给出了外延系统的估计器可以压缩成原系统估计器的充分条件．证明了满足外延原理的外延系统的任意估计器均可压缩成原系统的估计器，因此，原系统的估计器可由外延系统的估计器压缩而成，并且外延系统能取得好估计的估计器压缩后是原系统的能取得好估计的估计器。     

基于M估计的自适应滤波器

Ｍ估计器是一种广泛应用于信号滤波的稳健性估计器。在Ｈｕｂｂｅｒ引入的Ｅｕｌｅｒ距离函数中,参数ｋ的确定十分重要,直接影响滤波性能。通过对信号局部统计特性的分析,提出了一种自适应选择参数ｋ的变参数Ｍ滤波器,为Ｍ估计提供了一般参数选择方法。文中的理论分析和测试结果表明,该算法对复杂噪声有较好的滤波效果。     

SINS/GPS的神经网络状态估计

本文探讨了采用神经网络系统对导航系统滤波的问题。利用经典卡尔曼滤波对不同特性的噪声输入下的系统进行估计,得到各条件下的状态后,将各条件下的状态估计均值作为样本输出,以各种噪声集对网络进行训练,在训练结束后,将训练后的回归BP神经网络作为状态估计器输出组合导航系统估计值。     

条件密度随机窗宽双重核估计的相合

在统计估计及检验中,有时涉及到基于样本(X_1,Y_1),…,(X_n,Y_n)直接估计未知条件密度f(yx)的不少参数方法,而双重核估计就是较常用的一种.许多学者已讨论了f(yx)的双重核估计量f_n(yx)的相合性及收敛速度,但从应用角度来看,此估计量仍有不便之处.在密度估计的情形,Devroye提出了“自动选择窗宽”核估计的概念,即窗宽完全由样本确定.本文推广这种思想于上述估计量,讨论其一致强相合性,并作为应用,顺便得到其“近邻估计”的强相合性.     

离散GM(1,1)参数估计的三种方法比较

针对离散灰色模型GM(1,1)中参数估计方法及模型稳定性问题,选取3种估计参数的方法进行讨论——最小二乘法、最小一乘法和累积法;为了更好地比较不同估计方法的差异,统一赋以相同的初值,并以拟合误差、关联度和条件数作为评价指标,借助MATLAB软件对两类实例数据进行分析——递增序列和递减序列;实验结果表明:在误差方面,累积法优于最小一乘和最小二乘,在模型稳定性方面,累积法优于最小二乘法,总之,对于递增和递减序列数据,累积法估计GM(1,1)中参数最优。     

色噪声背景下正弦参量估计的互ESPRIT法

互谱估计方法是用于色声背景正弦参量估计的一个非常有效的方法。互ＥＳＰＲＩＴ法除克服了互ＭＵＳＩＣ法所需的谱峰搜索所带来的计算量非常大之外,也消除了采用自相关函数的ＥＳＰＲＩＴ法本身所含方差大的缺点。是一种较理想的谱估计方法。     

Wiener过程性能退化产品可靠性评估新Bayes方法

针对Wiener过程性能退化产品的可靠性评估问题,通过分析先验分布和损失函数两个因素,提出一种新的Bayes方法.假定Wiener过程参数服从共轭先验分布,对求解参数的后验分布进行理论分析;基于平方损失、绝对损失、0-1损失3种损失函数,分别求得Bayes估计结果;对航空发动机可靠性评估进行了实例分析.相对于已有方法,该方法在求解参数的后验分布时具有更广泛的适用性,并且运算过程更简单.对于民航发动机可靠性评估这一特定应用,3种损失函数中选取绝对损失函数时参数估计的拟合程度最优.     

对几种SPH方法的对比研究

用光滑粒子流体动力学(Smoothed Particle Hydrodynamics,简称SPH)方法对函数及其一阶和二阶空间导数核近似进行了详细研究.讨论了几种SPH方法的计算思路,给出了一维、二维和三维情况下分别用CSPH(Corrective SPH)、MSPH(Modified SPH)、SSPH(symmetric SPH)方法,对函数及其一阶和二阶空间导数进行核近似的计算方法,通过一维和二维数值算例,对四种不同的SPH方法进行了比较和误差分析,结果表明MSPH和SSPH方法极大地提高了边界处的精度而且SSPH方法的误差最小.     

有界截断型分布参数在绝对损失函数下的极小极大估计

对于截断分布，当其参数位于某一小区间内时，参数在绝对损失函数下的极小极大估计在本文中进行了讨论。     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

金融问题中二元损失函数的核密度估计

用非参数估计方法,在一元函数的核密度估计的基础上,给出了二元函数的核密度估计形式,并通过计算估计量的MISE的最小值得出最优窗宽.     

基于傅立叶变换的OFDM信道估计方法研究

分析了无线OFDM 系统中基于傅立叶变换的信道估计方法,提出了在低信噪比情况下使用LMMSE估计的一种改进方法和在高信噪比情况下使用不需要先验信息的LS估计的改进方法。仿真结果表明，在无线多径慢衰落信道条件下，该改进方法都能够有效对抗频率选择性和先验信息的估计偏差对信道估计的影响，在估计性能与算法复杂度之间取得良好折衷。     

刻度平方误差损失下产品可靠度的E-Bayes估计

在刻度平方误差损失下,对Pascal分布,本文给出了可靠度θ的E-Bayes估计和多层Bayes估计及它们之间的关系,最后给出了模拟算例。     

认知诊断模型参数估计算法比较

该文在不同条件的组合下考查了EM算法和MCMC算法对3种常用的认知诊断模型(DINA模型、DINO模型和G-DINA模型)的参数估计返真性问题.借助项目参数或作答概率分布的偏差、均方根误差、平均绝对离差以及被试的平均属性判准率等指标,评价这2类算法的表现.模拟研究结果表明:MCMC算法更适用于低质量题目、小样本、测验短的条件,而在其他条件下EM算法的表现与MCMC算法的表现相当.