协方差的二次估计的可容许性

 研究协方差的二次估计的可容许性,在平方损失下,我们给出了一个齐次二次估计在齐次二次估计类中是协方差的容许估计的充要条件和一个非齐次二次估计在非齐次二次估计类中是协方差的容许估计的充要条件.     

相依回归系统参数的一种有偏估计

对二个相依回归方程组成的线性系统,提出两种新的有偏估计广义岭型协方差改进估计和广义岭型两步协方差改进估计．讨论了这两种估计的优良性质,给出的这两种估计是岭型协方差改进估计和岭型两步协方差改进估计的推广．     

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.     

一类线性混合模型中方差分量的估计

将线性混合模型中随机效应的协方差阵推广为正定阵,运用方差分析估计的方法给出了方差分量的估计。通过QR分解给出了简化计算的方法,利用随机变量二次型的协方差对方差分量的估计做了进一步的改进,同时还给出了方差分量的一个非负估计。     

广义最小二乘估计的稳健性

讨论了协方差阵未知的椭球等高线性模型中的稳健性问题. 证明当协方差阵在一定范围内变动时, 广义最小二乘估计在一大类损失函数下都是风险最小的估计; 广义最小二乘估计关于协方差阵和损失函数 同时具有稳健性.     

Panel数据模型中两步估计的改进

研究只含一个随机效应的Panel数据模型中未知参数的估计问题.在均方误差矩阵意义下,给出了两步估计优于Within估计的一个简单的充分条件.在此基础上改进了两步估计,并给出了改进后估计的协方差矩阵.     

协方差矩阵的MINQUE和简单估计的比较

在二次损失函数下,作者研究了多元线性模型协方差矩阵的MINQUE估计和简单估计的比较问题,其中多元线性模型的设计矩阵和离散矩阵可以不满秩,得到了一个充分和必要条件。     

半相依回归系统参数的Stein型主成分改进估计

将S tein压缩思想与主成分改进估计相结合,研究两个半相依回归系统.当设计阵呈病态时,提出S tein型主成分改进估计,同时,给出当V未知时的两步估计.证明在均方误差意义下,S tein型主成分改进估计局部优于主成分改进估计和协方差改进估计.     

约束条件下误差协方差阵的二次型估计的可容许性

估计的可容许性一直是模型估计理论的重要部分,其主要包括系数估计的可容许性与误差估计的可容许性。随着统计模型的不断扩展与完善,各种有关的容许性理论也在不断的更新和完善之中。作为椭圆约束下一元模型中误差估计的可容许性向高维的一种推广,本文主要讨论在不等式约束条件下多元线性模型中误差协方差阵V的二次型估计的可容许性,得到了在二次型估计可容许的必要条件以及rk（x）=1与x=（1,1,…,1）T情形下可容许估计的充要条件等结果。     

异方差一致协方差阵的估计方法研究

处理回归模型中的异方差问题尤为重要的一点是对随机误差项的方差进行估计.考虑到非参数核估计和稳健估计在异方差构成未知的情况下在估计效果上仍具有一定优越性，因而将非参数N-W估计和两种稳健估计方法分别与估计加权最小二乘估计法相结合，先得出随机误差项方差的估计量，进而将其作为权矩阵对模型参数进行估计，并基于估计加权最小二乘法，对已有的加权异方差一致协方差估计方法进行扩展，提出了两个新的加权估计量WHC4m和WHC5m.通过实验可以发现，各估计方法在模型参数的估计和检验效果上差别较大，并且新提出的加权估计量比原有的异方差一致协方差估计量HC4m和HC5m在检验效果上表现更好.     

高维协方差矩阵估计方法的比较

通过模拟比较门限估计方法和收缩估计方法之间的差异,得出2种方法在实际应用中的使用范围.由模拟结果可知,若有确切的证据表明总体协方差矩阵是稀疏矩阵,则采用门限估计方法,否则,采用稳健的收缩估计方法比较恰当.     

具有指定协方差的连续系统采样估计

该文在充分考虑系统内采样特性的基础上提出了采样估计协方差的定义,以便精确地描述采样估计性能。     

Improved Square-Root UKF Algorithm for State Estimation of Nonlinear Systems

The square-root unscented Kalman filter (SR-UKF) for state estimation probably encounters the problem that Cholesky factor update of the covariance matrices can't be implemented when the zero'th weight of sigma points is negative or the numerical computation error becomes large during the filtering procedure.Consequently the filter becomes invalid.An improved SR-UKF algorithm (ISR-UKF) is presented for state estimation of arbitrary nonlinear systems with linear measurements.It adopts a modified form of predicted covariance matrices,and modifies the Cholesky factor calculation of the updated covariance matrix originating from the square-root covariance filtering method.Discussions have been given on how to avoid the filter invalidation and further error accumulation.The comparison between the ISR-UKF and the SR-UKF by simulation also shows both have the same accuracy for state estimation.Finally the performance of the improved filter is evaluated under the impact of model mismatch.The error behavior shows that the ISR-UKF can overcome the impact of model mismatch to a certain extent and has excellent trace capability.     

复参数最小二乘估计方法

提出了基于复数U-D分解的复参数最小二乘估计方法。在传统的加权遗忘因子法的递推算法中,方差矩阵P(k)由于衰减很快而极易失去正定性.为了保证参数估计的收敛性,利用复数U-D分解,将方差矩阵P(k)进行U-D分解,将P(k)矩阵的递推计算已转化为U(k)和D(k)的递推计算问题,保证了数值计算的稳定性.     

一种新的单次快拍二维ESPRIT算法

针对复杂电磁干扰背景下相干信源的二维波达方向快速估计问题,从减小协方差矩阵计算量角度,提出了一种新的单次快拍二维ESPRIT算法(SS-ESPRIT). 该算法仅用一次快拍数据构造4个等效的协方差矩阵,进一步构造扩展的等效协方差矩阵,通过对其一次特征分解,即可实现完全解相干和二维波达方向估计. 为进一步提升该算法估计性能,提出了同相位数据叠加的对策. 数值仿真验证了SS-ESPRIT算法在提升实时性的同时,不会造成估计性能的下降,仅利用一次快拍数据的该算法估计性能优于快拍数为50次的空域平滑波达方向矩阵算法(DOAM),且接近快拍数为100次的DOAM算法,叠加8次同相数据后的该算法性能明显优于200次快拍的DOAM算法. 结果表明新算法适用于小数据样本估计或对实时性要求高的应用背景.      

方差分量二次型估计及容许性

在线性模型中,方差分量是比较重要的一类参数.本文给出了线性混合模型两个方差分量的二次型估计,并得到所得二次型估计类的一些性质,如无偏性、不变性、在均方损失下的容许性,并且利用截断法对所得的估计进行非负改进.     

极大似然法和概率加权矩法之比较分析

用极大似然法和概率加权矩法对Gumbel分布中的参数进行估计，从理论上讨论了二种估计方法的统计性质。     

基于协方差矩阵的空间平滑解相干算法

空间平滑是相干信号DOA估计中的一种有效算法,但平滑不仅造成了阵列孔径的减小,而且不能灵活地调整子阵的长度,对于不同的子阵,均需要计算协方差矩阵然后求平均,运算量较大。通过分析协方差矩阵的结构,指出在协方差矩阵中包含了所有子阵协方差矩阵的信息,从而可以通过对协方差矩阵的处理,构成前后向子阵的协方差矩阵,避免了子阵协方差矩阵的运算,可以灵活地实现平滑算法。计算机仿真证明了该处理的有效性.     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。